Claude Certified Architect — Foundations (CCA-F): o que é e o que avalia
A certificação fundamental da Anthropic para construir agentes de IA em produção com Claude. Os cinco domínios, o formato do exame, o tipo de perguntas que ele faz e como se preparar.
A maioria das certificações de IA testa se você consegue descrever machine learning. A Claude Certified Architect — Foundations (CCA-F) testa algo mais prático e atual: se você consegue construir um sistema agentic real com Claude — um que usa tools, gerencia context e se comporta de forma confiável em production. É a primeira certificação no CertLabPro de um provedor de modelo de IA, em vez de um provedor de nuvem, e reflete para onde grande parte do trabalho de engenharia de 2026 realmente se moveu: projetar agents, não apenas chamar um modelo.
Aqui está o que é a certificação, exatamente o que ela cobre, o tipo de perguntas que ela faz e como se preparar.
O que é a CCA-F
A CCA-F é uma certificação de nível foundational focada na arquitetura e engenharia de aplicações e agents baseados em Claude. "Foundations" aqui não significa trivialidades — significa as competências essenciais que todo construtor de Claude precisa antes de se especializar: como estruturar um agent loop, como projetar tools, como escrever prompts que produzem structured output confiável, como usar Claude Code e como manter agents de longa duração estáveis.
Se você tem construído com Claude — implementando tool use, o Model Context Protocol (MCP), configurações multi-agent ou workflows de Claude Code — esta certificação valida esse conhecimento. Se você é novo nisso, o roteiro abaixo é um bom mapa do que "conhecer Claude" realmente significa na prática.
Formato do exame
| Código | CCA-F |
| Provedor | Anthropic |
| Categoria | AI |
| Nível | Foundational |
| Perguntas (exame) | 60 |
| Tempo | 120 minutes |
| Pontuação para aprovação | 720 / 1000 (≈72%) |
| Perguntas práticas no CertLabPro | 255 |
As perguntas são baseadas em cenários, não são definições. Raramente lhe perguntam "o que é X" — perguntam "dada esta situação, qual design está correto", razão pela qual o banco de prática (255 perguntas) é mais importante do que memorizar termos.
Os cinco domínios
O exame é ponderado em cinco domínios. Esta é a parte para estudar:
| # | Domínio | Peso |
|---|---|---|
| 1 | Arquitetura Agentic e Orquestração | 27% |
| 2 | Configuração e Workflows do Claude Code | 20% |
| 3 | Prompt Engineering e Structured Output | 20% |
| 4 | Design de Tools e Integração MCP | 18% |
| 5 | Gerenciamento de Contexto e Confiabilidade | 15% |
1. Arquitetura Agentic e Orquestração (27%)
O maior domínio. Como estruturar agents: o loop reason-act-observe (ReAct), quando usar um único agent versus múltiplos, como um orchestrator deve delegar a sub-agents e onde ficam os limites de segurança. Espere perguntas sobre a escolha do padrão certo para uma tarefa e sobre os riscos de dar a um orchestrator acesso irrestrito a tools.
2. Configuração e Workflows do Claude Code (20%)
Trabalhar com Claude Code como um ambiente de codificação agentic — como ele é configurado e acionado, e os workflow patterns que o tornam produtivo (skills, hooks, sub-agents e structured task execution).
3. Prompt Engineering e Structured Output (20%)
Fazer com que Claude produza output confiável e utilizável por máquina: system prompts, quando e como restringir o output a um schema, e técnicas de prompting que melhoram a consistência para automação downstream.
4. Design de Tools e Integração MCP (18%)
Projetar tools que um agent possa realmente usar bem — nomes e descrições claras, a granularidade certa e a conexão de capabilities através do Model Context Protocol (MCP). Um bom tool design é uma das skills de maior alavancagem na construção de agents, e o exame o trata dessa forma.
5. Gerenciamento de Contexto e Confiabilidade (15%)
Manter agents de longa duração e multi-turn estáveis: gerenciar o histórico de conversação e context, persistent memory, e guardrails de confiabilidade como limites de maximum-iteration e fallbacks graciosos quando um agent fica preso.
Como são as perguntas na prática
O banco de questões da CCA-F é construído em torno de decisões de engenharia reais. Alguns exemplos representativos (parafraseados):
- Um agent deve pesquisar um tópico, escrever code, executar testes e iterar até que sejam aprovados — qual agentic pattern se encaixa? (Resposta: um loop ReAct com tool use e iteração baseada em observação.)
- Um agent de suporte ao cliente precisa pesquisar pedidos, processar reembolsos, escalar para um humano e manter multi-turn context — qual arquitetura é a correta? (Resposta: um agentic loop com uma tool por capability, gerenciamento de conversation-history e um system prompt que define o role e as regras de escalation — não uma stateless function, não fine-tuning, não RAG sozinho.)
- Um orchestrator delega para sub-agents especializados — qual é o risco de dar a ele acesso irrestrito a tools? (Resposta: ele pode ignorar os sub-agents e agir diretamente, quebrando a separação de concerns e os limites de segurança.)
- Um agentic coding assistant às vezes entra em loop infinito quando os testes continuam falhando — melhor mitigação? (Resposta: uma contagem de maximum-iteration mais um fallback que pede orientação ao usuário.)
Observe o padrão: cada pergunta é um design trade-off. Conhecer os conceitos (ReAct, MCP, structured output, context windows) não é suficiente — você precisa saber qual usar em um determinado cenário e por que as alternativas estão erradas.
Quem deve fazer
- Desenvolvedores construindo com Claude — agents, tool use, servidores MCP ou Claude Code — que desejam uma credencial que mapeia o que eles já fazem.
- Engenheiros migrando para IA agentic de funções de software geral ou cloud, que desejam uma forma estruturada de aprender os patterns em vez de aprendê-los ad hoc.
- Equipes padronizando em Claude que desejam uma base compartilhada para "o que é bom" no agent design.
Ela se combina naturalmente com fundamentos de IA em cloud como AWS AI Practitioner (AIF-C01) ou Azure AI Fundamentals (AI-900): esses cobrem o amplo panorama de AI/ML, enquanto a CCA-F aprofunda nas skills de construção com um modelo agentic que aqueles não abordam.
Como se preparar no CertLabPro
O CertLabPro cobre a CCA-F com 255 perguntas práticas que espelham os cinco domínios e o estilo baseado em cenários do exame, além dos mesmos modos de estudo de todas as outras certificações — Practice, Exam simulation, Flashcards, Weakest Link, SRS e mais — para que você possa aprofundar nos domínios onde você é mais fraco e ensaiar em condições cronometradas de 60 perguntas antes da prova real. Há também um hands-on lab para a trilha Anthropic se você quiser aprender fazendo, em vez de apenas respondendo a perguntas.
Conclusão
A CCA-F é uma credencial focada e prática para a era agentic: ela certifica que você pode arquitetar e operar agents baseados em Claude, não apenas falar sobre AI. Os cinco domínios — arquitetura agentic, Claude Code, prompting e structured output, design de tool/MCP e context/confiabilidade — são o conjunto de skills real por trás da entrega de agents que funcionam. Se essa é a direção que seu trabalho está tomando, é uma credencial que vale a pena ter, e a maneira mais rápida de obtê-la é praticar os cenários até que o design correto seja óbvio.