Linguagens & Frameworks
Adote
-
104. Open Data Contract Standard (ODCS)
O Open Data Contract Standard (ODCS) define contratos de dados de forma declarativa em YAML, cobrindo o esquema, as expectativas de qualidade e os níveis de serviço de um produto de dados. Ele é desenvolvido pelo projeto Bitol da Linux Foundation, que se graduou em julho de 2026. Embora existam vários padrões concorrentes e formatos proprietários, o ODCS se destacou como um padrão líder, com os mantenedores do Data Contract CLI descontinuando o DCS em favor do ODCS.
Vários dos nossos clientes que estão construindo data meshes e produtos de dados estão migrando para o ODCS, frequentemente junto com o Open Data Product Standard (ODPS). O interesse em contratos de dados também está crescendo, em parte porque seu formato declarativo os torna mais fáceis de interpretar, revisar e validar tanto por seres humanos quanto por agentes de IA. Estamos posicionando o ODCS em “Adote” como um padrão sensato para equipes que constroem produtos de dados.
Experimente
-
105. BoTorch
O BoTorch é um framework de código aberto baseado em PyTorch para otimização bayesiana. Embora a otimização bayesiana seja frequentemente usada para ajuste de hiperparâmetros (hyperparameter tuning), estamos observando sua aplicação crescente em problemas reais de ciência e engenharia. Quando as ferramentas padrão para esse desafio não são suficientes, o BoTorch oferece a modularidade e o controle de baixo nível necessários para construir modelos probabilísticos e funções de aquisição personalizadas.
Combinado com o Ax para orquestração de experimentos, o BoTorch se destaca em domínios como formulação de produtos e otimização de P&D, onde avaliações físicas ou experimentais são dispendiosas e uma busca exaustiva é inviável. Nesses espaços de busca complexos, o BoTorch ajuda as equipes a navegar com eficiência pelos trade-offs e a maximizar um orçamento de avaliação limitado.
-
106. Langchain Deep Agents
O Deep Agents é um harness de agentes de código aberto da LangChain, desenvolvido para tarefas de longa duração. O Deep Agents fornece uma arquitetura opinionada para decompor problemas, delegar trabalho a subagentes e gerenciar a execução. Ele inclui recursos essenciais de harness, como ferramentas de planejamento, skills de agentes, memória, pontos de checagem com intervenção humana (human-in-the-loop) e acesso ao sistema de arquivos.
Disponível como bibliotecas Python e TypeScript, o Deep Agents se integra bem com a LangChain e o LangGraph. Ele é particularmente útil quando etapas específicas num grafo de agentes complexo exigem um agente capaz e de longa duração. Em nossa experiência, ele complementa casos de uso de pesquisa multiagente e modernização de legado, integrando-se ao ecossistema mais amplo da LangChain, incluindo ferramentas de observabilidade como o Langfuse.
-
107. Kagent
O Kagent é um framework de programação de código aberto e uma plataforma nativa do Kubernetes para criar, executar e gerenciar agentes de IA. Em vez de exigir uma infraestrutura sob medida, o framework transforma os agentes em definições de recursos personalizados (CRDs) padrão do Kubernetes que as equipes podem implantar, escalar e proteger usando suas pipelines de GitOps existentes. Isso permite que equipes com experiência em Kubernetes criem agentes personalizados sem precisar aprender um novo modelo operacional. O Kagent oferece um runtime integrado com rastreamento via OpenTelemetry, sandboxing seguro, suporte a memória e integrações nativas com o Model Context Protocol (MCP) para conectar facilmente os agentes a ferramentas externas e provedores de modelos.
Movemos o Kagent para “Experimente” após usá-lo com sucesso no suporte a ambientes de produção. Em um cliente recente, migramos um bot de suporte multiagente para o Kagent a partir de uma ferramenta anterior que restringia conexões a um único servidor MCP e exigia hospedagem em uma conta pessoal. Como a equipe do cliente já estava familiarizada com o Kubernetes, a migração foi simples. A implantação resultante conta com um orquestrador e múltiplos agentes especialistas que usam o A2A (Agent-to-Agent) Protocol integrado do Kagent para se comunicar, ajudando as pessoas desenvolvedoras a depurar incidentes e responder a dúvidas gerais diretamente nos canais da equipe.
-
108. OpenFGA
O OpenFGA é um sistema de autorização de granulação fina (fine-grained authorization) e código aberto, inspirado no Zanzibar do Google. Ele modela relacionamentos entre usuários e recursos para determinar permissões, permitindo que as aplicações respondam a perguntas como “Este usuário pode acessar este recurso?”.
Ao contrário do controle de acesso baseado em funções (RBAC) tradicional, o OpenFGA suporta permissões complexas e específicas de recursos, bem como relacionamentos hierárquicos. Ele centraliza a lógica de autorização, melhorando a mantenabilidade, consistência, testes e auditoria em serviços distribuídos.
Usamos o OpenFGA com sucesso em produção para controle de acesso avançado baseado em relacionamentos (ReBAC), implantando-o com uma estratégia de sidecar para permitir verificações de permissão com baixa latência. É uma escolha atraente quando o RBAC padrão se torna insuficiente.
-
109. Presidio
Presidio é um SDK de proteção de dados para identificar e anonimizar dados sensíveis em texto estruturado e não estruturado. Ele detecta informações de identificação pessoal (PII), como números de cartão de crédito, nomes e locais, usando reconhecimento de entidade nomeada, expressões regulares e lógica baseada em regras. O Presidio suporta reconhecedores de entidade e pipelines de desidentificação customizados, permitindo que as organizações o adaptem às suas necessidades de privacidade e conformidade. Nossos times têm usado o Presidio em ambientes empresariais com controles rigorosos de compartilhamento de dados ao integrar com LLMs. Embora ele automatize a detecção de informações sensíveis, não é infalível e pode omitir ou identificar entidades incorretamente. Os times devem ter cautela ao confiar em seus resultados.
-
110. promptfoo
Colocamos o promptfoo em “Avalie” em 2023 para testar prompts. Ainda o usamos para avaliações (evals), incluindo chamadas de ferramentas por agentes e portões de CI, mas agora também para red teaming. Recomendamos testá-lo para ambos. Para fazer red teaming em uma aplicação, você descreve para o que ela serve, e o Promptfoo gera ataques para os riscos que você escolher, aplica estratégias de ataque e avalia as respostas.
Usamos o Promptfoo para fazer red teaming em um assistente conversacional em produção com regras de segurança específicas de domínio. Ele transformou sondagens manuais ad hoc em testes repetíveis executados novamente após cada correção. Ele também funciona com stateful guardrails: as guardrails são o controle em tempo de execução, e o Promptfoo testa se elas se mantêm firmes. O Promptfoo agora pertence à OpenAI, embora continue sob licença MIT e seja agnóstico quanto ao modelo. Alguns dos ataques simulados mais avançados do Promptfoo dependem de seu serviço hospedado, portanto certifique-se de estar confortável com quais dados saem da sua organização.
Avalie
-
111. Apple Core AI
O Apple Core AI é um framework lançado recentemente para rodar modelos de IA e machine learning direto no dispositivo usando Apple Silicon. Com suporte nativo a Swift para desenvolvimento mobile, ele chega como o sucessor moderno do antigo framework da Apple, o Core ML. O Apple Core AI permite que pessoas desenvolvedoras integrem recursos de IA de forma nativa em seus apps iOS, aproveitando o processamento no próprio dispositivo em vez de depender de serviços externos.
Um destaque importante desse ecossistema é o framework Evaluations no Xcode, que estende o Swift Testing para avaliar recursos de IA generativa criados com os Foundation Models da Apple. Avaliar o output não determinístico de LLMs historicamente exigia scripts customizados no back-end ou ferramentas de avaliação de terceiros. Agora, os times conseguem rodar datasets sintéticos, medir métricas quantitativas direto no código e aplicar pontuação via model-as-a-judge para critérios qualitativos, como tom e relevância, tudo dentro do fluxo de trabalho nativo de dev.
-
112. CALM
O Common Architecture Language Model, ou CALM, é uma especificação open-source da FINOS para definir arquiteturas de software em um formato padronizado e legível por máquina. Construído sobre um meta-schema JSON extensível, ele trata a arquitetura como código, em vez de depender de diagramas estáticos e documentações que acabam ficando desalinhados da implementação.
Em grandes empresas, garantir que os sistemas sigam os padrões de arquitetura estabelecidos pode ser um desafio. O CALM permite que os times definam e gerenciem a arquitetura de forma descentralizada, mantendo uma visão unificada quando necessário. Suas descrições estruturadas também ajudam na validação do código em relação à arquitetura planejada. Embora ferramentas como o Mermaid permitam criar diagramas como código, o CALM oferece uma base legível por máquina para conformidade arquitetônica e governança programática.
-
113. Hindsight
O Hindsight é o sistema de memória de código aberto da Vectorize para agentes de IA. Um LLM extrai fatos, entidades e timestamps de conversas e os armazena no Postgres. A recuperação (recall) combina busca semântica, por palavras-chave, baseada em grafos e no tempo, e reordena os resultados. Uma operação de reflexão (reflect) consolida memórias armazenadas em observações e "modelos mentais" que evoluem à medida que novas evidências chegam. Essa consolidação o diferencia do Mem0, que extrai e armazena os fatos que julga mais relevantes. O Hindsight mantém um banco de memória separado para cada usuário ou agente e pode ser auto-hospedado ou usado por meio do serviço gerenciado Hindsight Cloud. Os agentes se conectam a ele por meio de SDKs, integração com frameworks ou um servidor MCP.
O Hindsight é particularmente útil para agentes customizados que precisam de memória entre sessões. Uma de nossas equipes o utilizou em um projeto de hackathon para fornecer aos agentes memória por usuário, que melhora ao longo de sessões repetidas. O Hindsight também possui plugins para agentes de programação como o Claude Code, embora esses agentes já tenham seu próprio mecanismo para reter memória entre sessões. O fornecedor relata pontuações de liderança no benchmark LongMemEval, que testa a recuperação ao longo de históricos de chat extensos. Equipes que constroem agentes que precisam de memória de longo prazo para cada usuário devem comparar o Hindsight com o Mem0 e mensurar se suas capacidades de recuperação e consolidação melhoram o comportamento do agente o suficiente para justificar as chamadas adicionais a LLMs e infraestrutura.
-
114. Quint
O Quint é uma linguagem de especificação formal baseada no cálculo do TLA+, a lógica temporal de ações. Assim como o TLA+, ele foi projetado para ajudar a encontrar bugs sutis em sistemas complexos que envolvem concorrência. O diferencial do Quint em relação ao TLA+ está na sua legibilidade e na experiência da pessoa desenvolvedora. Ele possui uma sintaxe parecida com a do TypeScript, o que facilita a revisão de código, especialmente quando as especificações são geradas por agentes. Ele também vem com type checker, REPL e simulador, e pode ser instalado via npm. O simulador testa o modelo de forma leve usando execuções aleatórias e também consegue gerar traces a partir da especificação para testar a implementação real. Nossos times acharam a escolha entre Quint e TLA+ bem acirrada, ponderando o ecossistema de ferramentas do Quint contra a maturidade do TLA+. Esperamos que o seu desenvolvimento contínuo sinalize um ganho de tração para a verificação poliglota.
-
115. SolidJs
O SolidJS é uma biblioteca JavaScript declarativa para a criação de interfaces de usuário que continua se destacando por seu alto desempenho e reatividade granular. Atualizações recentes trazem recursos nativos importantes para a comunicação assíncrona cliente-servidor. Ao lidar com essas demandas de forma nativa, o SolidJS elimina a necessidade de bibliotecas externas para gerenciar chamadas de API, cache e desduplicação de requisições. Esses recursos melhoram a experiência de desenvolvimento ao resolver desafios assíncronos comuns, como condições de corrida e estados de carregamento, diretamente dentro do framework. O SolidJS também oferece controle detalhado sobre suspense boundaries, permitindo que as pessoas desenvolvedoras sequenciem como os componentes assíncronos são exibidos, em vez de deixar sua ordem dependente da disponibilidade da rede. Combinado a um ecossistema de ferramentas em expansão que inclui o framework SolidStart, o SolidJS é uma alternativa atraente que vale a pena explorar para a construção de aplicações web de alto desempenho.---
-
116. spartan/ui
O spartan/ui traz a abordagem do shadcn para o Angular. Você instala primitivos acessíveis e sem estilo construídos sobre o Angular CDK via npm e os combina com componentes estilizados que ficam no seu próprio código-fonte. Essa divisão é central para a arquitetura: acessibilidade, comportamento e estado são mantidos por bibliotecas upstream, enquanto você controla a estilização.
É uma alternativa viável ao Angular Material. Uma de nossas equipes o utilizou como base para uma biblioteca de componentes corporativa em diversas aplicações, evitando a necessidade de construir um design system do zero e reduzindo o esforço necessário para criar e manter componentes compartilhados. O spartan/ui atingiu a versão 1.0 em junho de 2026, mas ainda é relativamente recente. Encontramos algumas imperfeições ao usar a CLI para atualizar os componentes estilizados em nosso código-fonte, por isso o mantemos em “Avalie”.
-
117. TLA+
O TLA+ é uma linguagem de especificação formal para identificar falhas de design em sistemas distribuídos. Quando publicamos sobre ela pela última vez em 2015, o investimento era alto demais para quase tudo, exceto sistemas críticos. Desde então, agentes de programação mudaram esse cálculo: o custo de usar TLA+ caiu, enquanto seu valor aumentou. A experiência de desenvolvimento desconfortável do TLA+ não é mais um bloqueador, embora equipes que buscam uma sintaxe amigável possam preferir o Quint. Observamos equipes verificando traces de aplicações em relação a um modelo TLA+ sem experiência prévia.
Enquanto isso, pessoas desenvolvedoras agora têm maior necessidade de técnicas de garantia de qualidade para gerenciar código gerado por agentes. Onde o TLA+ antes era exclusividade de organizações como a AWS, que o usava para encontrar bugs sutis no DynamoDB, agora ele faz parte de uma tendência mais ampla de verificação poliglota, ao lado de técnicas como [testes de mutação](/radar/techniques/mutation-testing testes unitários baseados em propriedades.
Cautela
Não encontrou algo que você esperava achar?
Cada edição do Radar inclui blips que refletem nossas experiências nos seis meses anteriores. Talvez já tenhamos falado sobre o que você procura em um Radar anterior. Às vezes, deixamos coisas de fora simplesmente porque há muitas a serem abordadas. Também pode faltar um tópico específico porque o Radar reflete nossa experiência, não se baseando em uma análise abrangente do mercado.
