Dashboard

0/10 itens

🏆 Claude Certified Architect Foundations

Guia completo e interativo. Tudo que você precisa estudar em um só lugar.

Questões
60
Tempo
120 min
Nota mín.
720/1000
Custo
USD 99
Plataforma
Skilljar
Exp. rec.
6+ meses
🎯

CertSafari — Banco de Questões Oficial

614 questões de prática reais do exame CCA-F. Recurso externo indispensável para treinar volume.

📊 Distribuição dos Domínios
D1 Agentic Architecture & Orchestration27%
D2 Claude Code Configuration20%
D3 Prompt Engineering & Structured Output20%
D4 Tool Design & MCP18%
D5 Context Management & Reliability15%
⚠️ D1+D3+D4 = 65% do exame. Priorize, mas não pule nada.
🗺️ Navegação Rápida por Semana
S1 — API Fundamentos
Mensagens, modelos, parâmetros
S2 — Agentic Loop
Padrões de orquestração
S3 — Multi-Agent
Topologias, context isolation
S4 — Claude Code
CLAUDE.md, hooks, CI/CD
S5 — Prompt Engineering
System prompts, JSON, few-shot
S6 — MCP & Tools
Primitives, transportes, design
S7 — Context & Reliability
RAG, caching, guardrails
S8 — Revisão Final
6 cenários de produção

📝 Simulado Completo — CCA-F

60 questões · 120 minutos · Nota mínima: 720/1000 (72%)

🎓
Pronto para o simulado?

Simula o exame real: 60 questões distribuídas proporcionalmente por domínio, com timer de 120 minutos. Sem feedback durante — apenas no final.

D1 — 16 questões (27%)
D2 — 12 questões (20%)
D3 — 12 questões (20%)
D4 — 11 questões (18%)
D5 — 9 questões (15%)
S1

Semana 1 — Fundamentos da Claude API

D1
🎯 Objetivo: Entender o ecossistema antes de estudar arquitetura.
Estrutura de Mensagens
RoleUsoObs
systemInstrui o comportamento globalFora do array messages
userMensagem do usuárioSempre primeiro do array
assistantResposta do modelo (histórico)Usado para multi-turn
Família de Modelos
Opus
Raciocínio complexo, análise profunda. Mais lento e caro.
Sonnet
Equilíbrio qualidade/velocidade. Padrão para produção.
Haiku
Velocidade máxima, custo mínimo. Classificação, roteamento.
Parâmetros Principais
ParâmetroO que fazDica exame
max_tokensTeto de tokens na respostaNÃO garante uso total — é um limite
temperatureCriatividade (0=determinístico)Para JSON estruturado: use 0
stop_sequencesPara geração nesses tokensÚtil para parsear outputs delimitados
modelQual modelo usarHaiku=custo, Sonnet=equilíbrio, Opus=qualidade
🧠 Quiz — Semana 1
S2

Semana 2 — Agentic Loop e Padrões

D1 — 27%
⚠️ Maior domínio do exame (27%). Domine trade-offs entre padrões.
O Loop Agêntico
Tarefa → [Planejamento] → [Tool Use] → [Observação] → [Replanning?] → Resultado
              ↑_______________________________________________|

Cada iteração = uma chamada à API = custo de tokens + latência.

Padrões de Orquestração — Trade-offs
PadrãoQuando usarRisco principal
Orchestrator-WorkerTarefas paralelas independentesPropagar erros entre workers
Prompt ChainingSequencial com dependênciasAcúmulo de contexto, latência
Hub-and-SpokeCoordenador + especialistasGargalo no hub central
PipelineTransformações em sérieFalha em cascata
Evaluator-OptimizerQualidade precisa validaçãoCusto (múltiplas chamadas)
Quando NÃO usar agente
  • Tarefa simples e determinística → chamada única
  • Latência crítica (<200ms) → cada tool call adiciona round-trip
  • Zero tolerância a erros → agentes podem encadear erros
🧠 Quiz — Semana 2
S3

Semana 3 — Multi-Agent e Error Handling

D1
Topologias Multi-Agente
Hub-and-Spoke:      Pipeline:           Peer-to-Peer:
    [Hub]           [A]→[B]→[C]         [A]↔[B]
   / | \                                  ↕    ↕
 [A][B][C]                               [C]↔[D]
⚠️ Context Isolation — CRÍTICO
Subagentes NÃO devem ter acesso ao contexto completo do orquestrador. Questão recorrente no exame.
  • Evita prompt injection via resultados de tools maliciosos
  • Reduz tokens → menor custo
  • Previne decisões além do escopo do subagente
Classificação de Erros
TipoCausaSolução
Tool ErrorsAPI externa offline, timeoutRetry com exponential backoff
Reasoning ErrorsModelo fez raciocínio incorretoValidação independente do output
Environment ErrorsContexto cheio, janela lotadaSumarização ou handoff
Human-in-the-Loop — Quando escalar?
  • Confiança do modelo abaixo do threshold
  • Ação irreversível (deletar dados, enviar email, fazer transação)
  • Tarefa fora do escopo das tools disponíveis
💡 Human-in-the-Loop é a resposta correta mais comum em questões sobre confiabilidade.
🧠 Quiz — Semana 3
S4

Semana 4 — Claude Code Configuration

D2 — 20%
Hierarquia CLAUDE.md
⚠️ Questões de conflito entre arquivos CLAUDE.md são frequentes. Memorize a ordem.
~/.claude/CLAUDE.md           ← User-level (global, todos os projetos)
    ↓ sobrescrito por
/projeto/CLAUDE.md             ← Project-level (compartilhado via git)
    ↓ sobrescrito por
/projeto/subdir/CLAUDE.md      ← Path-specific (maior precedência)
Hooks — MUITO cobrado
HookQuando disparaCaso de uso
PreToolUseAntes de executar toolLint, validação antes da escrita
PostToolUseApós executar toolTestes automáticos após escrita
NotificationQuando Claude notificaAlertas Slack, webhooks
StopQuando Claude paraRelatórios de sessão, cleanup
{"hooks":{"PostToolUse":[{"matcher":"Write","hooks":[{"type":"command","command":"npm test"}]}]}}
CI/CD e Permissions
# Headless mode (-p = não-interativo)
claude -p "Review PR for security issues" --output-format json
ModeComportamentoQuando usar
Plan ModePropõe plano antes de executarAções destrutivas
Auto-approveSem confirmação humanaDev controlado apenas
Least PrivilegePermissão mínimaSempre — é um princípio
🧠 Quiz — Semana 4
S5

Semana 5 — Prompt Engineering & Structured Output

D3 — 20%
🎯 Prompts confiáveis que produzem output estruturado sempre — não "na maioria das vezes".
System Prompt de Produção — XML Tags
<role>Você é um analisador de contratos jurídicos.</role>
<task>Extraia as informações estruturadas.</task>
<output_format>
Responda APENAS com JSON válido. Sem texto adicional.
{"partes":[...],"valor":number,"vigencia":"YYYY-MM-DD"}
</output_format>
<constraints>
- Campos ausentes: use null
- Datas: ISO 8601
- Valores: centavos (integer)
</constraints>
Tool-Based JSON — Método mais confiável
💡 Tool Use força o modelo a preencher o schema. Muito mais robusto que pedir JSON no prompt.
tools=[{"name":"extrair","input_schema":{"type":"object",
  "properties":{"valor":{"type":"integer"},"data":{"type":"string","format":"date"}},
  "required":["valor","data"]}}]
Validation-Retry Loop (padrão de produção)
def call_with_retry(client, prompt, schema, max_retries=3):
    for attempt in range(max_retries):
        response = client.messages.create(...)
        try:
            data = json.loads(response.content[0].text)
            validate(data, schema)
            return data
        except (JSONDecodeError, ValidationError) as e:
            if attempt == max_retries - 1: raise
            prompt += f"\n\nErro anterior: {e}. Corrija e tente novamente."
Extended Thinking & Few-Shot
TécnicaUsar quandoTrade-off
Extended ThinkingMatemática, lógica complexaMais tokens e latência
Few-Shot 3-5Formato específico, edge casesMais tokens de entrada
temperature=0Output determinístico, testesMenos criatividade
🧠 Quiz — Semana 5
S6

Semana 6 — Tool Design & MCP Integration

D4 — 18%
MCP Primitives — Decorar os 3
PrimitiveO que éExemplo
ToolsAções executáveissearch_database, send_email
ResourcesDados para leiturafile://projeto.md, db://customers
PromptsTemplates reutilizáveis/analyze-code, /summarize
Transportes e Least-Privilege
TransporteIdeal para
stdioDesenvolvimento local, processo único
HTTP/SSEProdução multi-usuário, escalável
❌ Errado: tool "database_access" com acesso full ao BD
✅ Certo: tool "get_customer_by_id" read-only, escopo mínimo
Configuração .mcp.json
{"mcpServers":{
  "database":{"command":"node","args":["./db.js"],"env":{"DB_URL":"${DATABASE_URL}"}},
  "search":{"url":"https://api.empresa.com/mcp","transport":"http"}
}}
🧠 Quiz — Semana 6
S7

Semana 7 — Context Management & Reliability

D5 — 15%
Prompt Caching — ~90% de desconto
system=[{"type":"text","text":"...1000 linhas de contexto...",
         "cache_control":{"type":"ephemeral"}}]
# Primeira chamada: custo cheio
# Próximas 5 minutos: ~90% desconto nos tokens de entrada
RAG — Retrieval-Augmented Generation
Query → Embedding → Busca vetorial → Top-K chunks → Injetados no contexto
⚠️ RAG reduz alucinações, não as elimina. O modelo ainda pode alucinar com base nos chunks.
Guardrails e Evals
AbordagemConfiabilidadeQuando usar
Programmatic (regex, schema)Alta — determinísticoSegurança crítica
Prompt-basedMédia — pode ser contornadoComportamento geral
Evals automatizadosContínuaDetectar regressões
Batch API e Streaming
  • Batch API: alto volume sem necessidade de resposta imediata → desconto de custo
  • Streaming: melhora percepção de latência pelo usuário — não reduz tempo total
  • Context window: até 200K tokens nos modelos atuais
🧠 Quiz — Semana 7
S8

Semana 8 — Revisão Final & Cenários

⚠️ O exame testa esses 6 cenários com questões baseadas em situações reais de produção.

🎧 Cenário 1 — Customer Support Agent

  • Classifica tickets por urgência
  • Rota para KB ou humano
  • Mantém contexto longo
  • Arquitetura: Hub-and-Spoke + escalation

💻 Cenário 2 — Code Gen CI/CD

  • Revisão automatizada de PRs
  • Validation loops para código compilável
  • CLAUDE.md com padrões do time
  • Hooks de lint/test

🔬 Cenário 3 — Multi-Agent Research

  • Coordinator decompõe a pesquisa
  • Workers paralelos buscam info
  • Aggregator consolida e valida
  • Structured output para relatório

👩‍💻 Cenário 4 — Dev Productivity

  • Acessa código via MCP (read-only)
  • Gera documentação automaticamente
  • Detecta padrões problemáticos
  • Integrado ao editor via Claude Code

📊 Cenário 5 — Data Extraction Pipeline

  • PDFs/emails → JSON estruturado
  • Validation-retry loop
  • Prompt caching para templates
  • Batch API para volume alto

🏢 Cenário 6 — Enterprise KB Agent

  • RAG sobre docs internos
  • Multi-turn com memória sumarizada
  • Guardrails contra PII leak
  • Escalation para humano
🧠 Quiz — Revisão Final

⚠️ Pegadinhas do Exame

Hierarquia de Confiança
Anthropic — Limites absolutos. Nada sobrescreve.
Operador — System prompt. O usuário não pode sobrescrever.
Usuário — Dentro dos limites do operador.
⚠️ Tools definem o que o modelo pode FAZER, não o que ele SABE.
Distractors Mais Comuns
SituaçãoResposta ERRADA (parece certa)Resposta CERTA
Tool retorna dado crítico não confiável"Usar Opus para maior precisão"Validation layer independente
Output JSON inconsistente"Aumentar max_tokens"Tool use com schema + retry loop
Agente tomando decisão errada"Adicionar few-shot examples"Human-in-the-loop para ações críticas
Segurança crítica (PII)"Instrução no system prompt"Programmatic guardrail
Self-review de código"Pedir revisão na mesma sessão"Segunda instância independente
Prompt Chaining vs Multi-Agent
Prompt ChainingMulti-Agent
Tasks sequenciaisTasks paralelas
Dados fluem A→B→CEspecialistas independentes
Um único domínioDomínios distintos
Mais simples de debugarMaior complexidade

🃏 Flashcards (50+)

Clique no cartão para ver a resposta.

D1
clique para virar
clique para virar
1/50

✅ Checklist de Prontidão

Marque cada item quando se sentir confiante. Progresso salvo automaticamente.

0 de 0 completos

📚 Recursos de Estudo

🎯

CertSafari — 614 Questões de Prática

O maior banco de questões CCA-F disponível. Cobre todos os subdomínios com questões baseadas em cenários reais do exame.

Recursos Gratuitos — Prioridade Máxima
#RecursoLinkO que cobre
1Building with the Claude APIskilljar.com84 aulas, 8h — D1, D3, D5 completo
2Introduction to MCPskilljar.com16 aulas, 1h — D4 completo
3MCP: Advanced Topicsskilljar.com15 aulas, 1.1h — D4 edge cases
4Claude Code 101 + in Actionskilljar.com27 aulas, 2h — D2 completo
5Introduction to Subagentsskilljar.com4 aulas, 20min — D1 subagentes
6docs.anthropic.comdocs.anthropic.comDocumentação oficial — referência primária
7CertSafari CCA-Fcertsafari.com614 questões de prática
Links Rápidos — Docs por Domínio
DomínioTópicoURL
D1Agentic systems overviewdocs.anthropic.com/…/agentic-systems
D2Claude Code docsdocs.anthropic.com/…/claude-code
D3Prompt Engineeringdocs.anthropic.com/…/prompt-engineering
D3Extended Thinkingdocs.anthropic.com/…/extended-thinking
D4Tool Use overviewdocs.anthropic.com/…/tool-use
D4MCP introductionmodelcontextprotocol.io
D5Prompt Cachingdocs.anthropic.com/…/prompt-caching
D5Batch Processingdocs.anthropic.com/…/message-batches
AllModels overviewdocs.anthropic.com/…/models
Como Registrar
  1. Acesse: anthropic.com/news/claude-partner-network
  2. Registre sua organização (gratuito)
  3. Acesse: anthropic.skilljar.com/claude-certified-architect-foundations-access-request
  4. Complete os cursos preparatórios
  5. Agende o exame (USD 99 ou gratuito nos primeiros 5.000 do Partner Network)

📖 Documentação Oficial — Edge Cases do Exame

Detalhes técnicos de docs.anthropic.com que aparecem como pega-ratões no CCA-F. Leia cada seção com atenção antes do exame.

🤖 Modelos — Tabela Completa (Crítico para Exame)
⚠️ Armadilha #1: Extended Thinking NÃO está disponível no Claude Opus 4.8. Apenas Sonnet 4.6 e Haiku 4.5 suportam Extended Thinking.
⚠️ Armadilha #2: O contexto máximo de Opus 4.8 e Sonnet 4.6 é 1M tokens (não 200K). Haiku 4.5 tem 200K.
ModeloInput/Output ($/MTok)ContextMax OutputExtended ThinkingAdaptive Thinking
claude-opus-4-8$5 / $251M128K❌ NÃO✅ SIM
claude-sonnet-4-6$3 / $151M64K✅ SIM✅ SIM
claude-haiku-4-5$1 / $5200K64K✅ SIM❌ NÃO
claude-fable-5 (beta)$10 / $501M128K❌ NÃO✅ Sempre ativo
💡 Adaptive Thinking = raciocínio que o modelo habilita automaticamente por padrão no Opus 4.8 e Sonnet 4.6. Extended Thinking = raciocínio explícito que o desenvolvedor ativa via API com budget_tokens — disponível apenas em Sonnet 4.6 e Haiku 4.5.
🧠 Extended Thinking — Edge Cases
Funciona via parâmetro thinking: {type:"enabled", budget_tokens: N} na chamada da API

✅ Modelos que suportam

  • claude-sonnet-4-6
  • claude-haiku-4-5
  • NÃO: claude-opus-4-8
  • NÃO: claude-fable-5

⚙️ Como funciona

  • Retorna blocos thinking antes da resposta
  • budget_tokens: mínimo 1024
  • Tokens de thinking são cobrados como output
  • Streaming suportado

🎯 Quando usar

  • Matemática e lógica complexa
  • Multi-step reasoning
  • Análise de trade-offs
  • Problemas de planejamento

⚠️ Limitações

  • Maior latência e custo
  • Thinking blocks NÃO ficam no cache por padrão
  • Não use para tarefas simples/determinísticas
  • temperature e top_p ignorados quando ativo
📌 Diferença Extended vs Adaptive: Adaptive Thinking é o raciocínio interno padrão que o modelo usa automaticamente. Extended Thinking é ativado explicitamente pelo dev para problemas que precisam de mais "tempo de pensar" — retorna os pensamentos como parte da resposta.
💾 Prompt Caching — Edge Cases Completos
Reduz custo de tokens de entrada já enviados anteriormente. Crítico para fluxos com contexto longo reutilizado.
⚠️ Armadilha de tokens: O campo input_tokens na resposta representa apenas os tokens APÓS o último cache breakpoint — não todos os tokens de entrada. Use: total = cache_read + cache_creation + input_tokens
TipoMultiplicador de preçoTTL
Cache write (5 min)1.25× base input price5 minutos (ephemeral)
Cache write (1 hora)2× base input price1 hora (custo maior)
Cache read0.1× base input price (~90% desconto)

✅ O que pode ser cacheado

  • System prompt
  • Tools definitions
  • Histórico de mensagens longas
  • Documentos de contexto

❌ O que invalida o cache

  • Qualquer mudança no conteúdo antes do breakpoint
  • Mudança em tool_choice
  • Adição/remoção de imagens
  • Mudança de modelo

🔧 Dois modos

  • Automático: cache_control no nível do request — move breakpoint automaticamente em conversas multi-turn
  • Explícito: cache_control em blocos individuais para controle preciso

📊 Tracking

  • cache_read_input_tokens
  • cache_creation_input_tokens
  • Cache por workspace (desde fev/2026)
  • Pre-warm: max_tokens=0 para esquentar antes do tráfego
Batch API + Prompt Caching se acumulam! Um request no Batch API com cache hit tem desconto de 50% (batch) E 90% (cache read) = economias de até ~95% no input.
⚡ Batch API — Limites e Comportamentos
Para processamento assíncrono de alto volume sem SLA de latência.
⚠️ Armadilha: Batch API oferece 50% de desconto (não 90% — isso é prompt caching). São features diferentes!
ParâmetroValor
Desconto de custo50% em todos os modelos
Máximo de requests por batch100.000 requests OU 256 MB (o que vier primeiro)
Tempo máximo de processamento24 horas (maioria < 1 hora)
Retenção de resultados29 dias após criação do batch
Output estendido (beta)Até 300K tokens com header output-300k-2026-03-24
Streaming❌ NÃO suportado em batch requests

4 tipos de resultado

  • succeeded — processado com sucesso
  • errored — erro no request
  • canceled — batch cancelado
  • expired — não processado em 24h

Casos de uso ideais

  • Processamento de documentos em massa
  • Avaliações e evals automatizados
  • Análise de datasets grandes
  • Tarefas sem requisito de latência
🔧 Tool Use — Detalhes Técnicos
⚠️ Armadilha: Client tools vs Server tools — distinção crítica no exame.

Client Tools (seu código)

  • Claude retorna stop_reason: "tool_use"
  • Seu código executa a tool
  • Você envia resultado via tool_result
  • Ex: busca em BD, APIs internas

Server Tools (Anthropic infra)

  • Rodam na infraestrutura da Anthropic
  • Sem round-trip para seu código
  • Ex: web_search, code_execution, web_fetch
  • Cobradas como tokens

tool_choice values

  • auto — Claude decide (padrão)
  • any — deve usar alguma tool
  • tool — obriga tool específica
  • none — proíbe tool use

Strict mode

  • strict: true na definição da tool
  • Garante conformidade ao schema JSON
  • Sem propriedades adicionais
  • Todos os campos required devem ser preenchidos
💡 Custo de tokens do sistema de tools: ~290 tokens extras para auto/none, ~410 tokens para any/tool (no Opus 4.8). Leve mas relevante em loops de alta frequência.

Parallel Tool Use

Claude pode chamar múltiplas tools simultaneamente em uma única resposta. O campo tool_use no response pode conter um array de tool calls. Seu código deve executar todas em paralelo e retornar todos os resultados antes da próxima iteração.

// Claude retorna múltiplas tool calls de uma vez:
{
  "type": "tool_use",
  "name": "get_weather",
  "id": "toolu_01"
}, {
  "type": "tool_use",
  "name": "get_news",
  "id": "toolu_02"
}
// Execute ambas em paralelo → retorne ambos tool_results
🔌 MCP — Edge Cases Avançados

Remote MCP Servers

  • HTTP/SSE com autenticação OAuth 2.0
  • Suportam múltiplos usuários simultâneos
  • URL pública necessária
  • TLS/HTTPS obrigatório em produção

MCP Primitives detalhados

  • Tools: ações com side effects (escrita, API calls)
  • Resources: dados somente leitura com URI
  • Prompts: templates reutilizáveis com args

Segurança MCP

  • Validar inputs antes de executar
  • Rate limiting por usuário
  • Logging de todas as tool calls
  • Env vars via ${VAR} no .mcp.json

Transporte: stdio vs HTTP/SSE

  • stdio: spawn de processo, local, dev only
  • HTTP/SSE: servidor independente, produção
  • stdio não escala; HTTP/SSE sim
  • stdio simples mas sem autenticação
📐 Context Management — Detalhes

CLAUDE.md — Hierarquia

  • Mais específico tem precedência
  • Path-specific > Project-level > User-level
  • User-level: ~/.claude/CLAUDE.md
  • Project: ./CLAUDE.md (no repo)
  • Path-specific: ./src/CLAUDE.md

Claude Code Hooks

  • PreToolUse: antes de executar tool
  • PostToolUse: após executar tool
  • Stop: quando Claude encerra
  • Notification: eventos assíncronos

Compaction vs Summarization

  • /compact: Claude sumariza o histórico preservando decisões-chave
  • Summarization: técnica programática — você chama a API para resumir antes de enviar
  • Diferentes contextos de uso

RAG vs Caching

  • RAG: base > context window, dados dinâmicos
  • Caching: mesmo contexto longo reutilizado
  • RAG + Caching: complementares
  • RAG não elimina alucinações — apenas reduz

🎓 Anthropic Academy — Cursos Oficiais

Cursos gratuitos em claude.com/resources/courses e anthropic.com/learn. Os cursos abaixo têm maior relevância para o CCA-F.

🔥 Alta Prioridade — Fazer Antes do Exame
Estes cursos cobrem diretamente os domínios mais pesados do CCA-F (D1+D2+D4 = 65% do exame).
CursoProdutoAulasTempoRelevância CCA-F
Building with the Claude API Claude Platform84 aulas8.1h D1 D3 D5
Introduction to MCP MCP16 aulas1h D4
MCP: Advanced Topics MCP15 aulas1.1h D4
Claude Code 101 Claude Code12 aulas1h D2
Claude Code in Action Claude Code15 aulas1h D2
Introduction to Subagents Claude Code4 aulas20min D1
📘 Média Prioridade — Complementar o Estudo
CursoProdutoAulasTempoRelevância CCA-F
Claude Platform 101 Claude Platform12 aulas1h D3 D5
Introduction to Agent Skills Claude Code6 aulas30min D1 D2
Claude with Amazon Bedrock Claude Platform85 aulas8h Deploy
Claude with Google Vertex AI Claude Platform85 aulas8h Deploy
📅 Plano de Estudo com a Academy
Como integrar os cursos da Academy no plano de 8 semanas
SemanaDomínioCurso Academy recomendado
S1 — FundamentosD1 + D3Claude Platform 101 → Building with Claude API (primeiras 20 aulas)
S2 — Agentic LoopD1Introduction to Subagents (completo — 20min)
S3 — Multi-AgentD1Building with Claude API (aulas de agentic patterns)
S4 — Claude CodeD2Claude Code 101 + Claude Code in Action
S5 — Prompt Eng.D3Building with Claude API (aulas de prompt engineering)
S6 — MCP & ToolsD4Introduction to MCP + MCP Advanced Topics (completos)
S7 — ContextD5Building with Claude API (aulas de context management)
S8 — RevisãoTodosIntroduction to Agent Skills + CertSafari 614q
🔍 O que a Academy cobre que o roteiro não cobre

Building with Claude API (84 aulas)

  • Streaming de mensagens em detalhe
  • Gerenciamento de contexto avançado
  • Exemplos reais de agentic loops
  • Boas práticas de segurança em produção
  • Estruturas de erro e retry logic

MCP Advanced Topics (15 aulas)

  • OAuth 2.0 com Remote MCP Servers
  • MCP tunnels para dev local
  • Tool combinations patterns
  • Versionamento de MCP servers
  • Monitoramento e observabilidade

Claude Code in Action (15 aulas)

  • Casos de uso reais de engenharia
  • Hooks avançados (examples)
  • Integração com CI/CD pipelines
  • Multi-repo workflows
  • Troubleshooting de sessões longas

Introduction to Subagents (4 aulas)

  • Spawn de subagentes no Claude Code
  • Passagem de contexto entre agentes
  • Error handling em agentes aninhados
  • Casos de uso de delegação
Recomendação: Para maximizar cobertura do exame, priorize "Building with the Claude API" (cobre D1+D3+D5) e "Introduction to MCP" + "MCP Advanced Topics" (cobrem D4 completamente). Total: ~10h de vídeo para os 3 principais.
📋 Como Acessar e Registrar para o Exame
  1. Acesse anthropic.com/learn ou claude.com/resources/courses
  2. Crie conta gratuita no Skilljar (plataforma usada pela Anthropic)
  3. Complete os cursos preparatórios recomendados
  4. Acesse anthropic.skilljar.com/claude-certified-architect-foundations-access-request
  5. Agende o exame (USD 99 ou gratuito nos primeiros 5.000 do Partner Network)
  6. Exame disponível na plataforma Skilljar — 60 questões, 120 min