Criar benchmark de agentes para avaliação do yuma-code

[deboraleda]

O benchmark deve ser finalizado com 10 agentes, sendo

• 5 do tipo simples
• 5 do tipo MCP/Tool

Cada agente deve conter

1. Especificação
2. Ground-truth
3. Testes de estrutura
4. Testes de funcionalidade (end-to-end)