Ferramentas
Adote
-
68. mise
Desde nossa última avaliação, o mise evoluiu de uma alternativa de alto desempenho ao asdf para um frontend padrão para o ambiente de desenvolvimento. Estamos mantendo-o em “Adote” porque ele consolida três preocupações fragmentadas — controle de versões de ferramentas e linguagens, gerenciamento de variáveis de ambiente e execução de tarefas — em uma única ferramenta de alto desempenho desenvolvida em Rust, configurada por meio de um arquivo declarativo
mise.toml. O mise é fácil de configurar e funciona bem com pipelines de CI/CD. Ele também adiciona uma camada de segurança na cadeia de suprimentos por meio da integração com o Cosign e o GitHub artifact attestations, recurso que muitas vezes não está presente em outros gerenciadores de versão.Para equipes que buscam padronizar a configuração de seus ambientes de desenvolvimento, o mise se tornou nossa recomendação padrão. Em ambientes poliglotas com múltiplos microsserviços, isso é especialmente útil quando as bases de código adotam novas versões de linguagem ao mesmo tempo. O melhor de tudo é que o mise também funciona com ferramentas específicas de linguagem já existentes, de modo que as equipes não precisam migrar tudo de uma só vez.
-
69. OpenAI Codex
O OpenAI Codex avança para “Adote”, juntando-se ao Claude Code e ao OpenCode como agentes de programação focados em CLI que nossas equipes usam no dia a dia. Seu aplicativo desktop é popular entre pessoas que não programam. O Codex possui os recursos esperados para a adoção corporativa: sandboxing em nível de sistema operacional, aprovações em camadas, configuração centralizada e gerenciamento de conformidade. O loop de agente subjacente é licenciado sob Apache-2.0 e pode ser usado como harness de programação para agentes de propósito geral. Embora seja de código aberto, o Codex é gerenciado por uma empresa em vez de ser governado pela comunidade. Ele recorre à clássica estratégia do desafiante em matéria de compatibilidade: facilita a importação de configurações, habilidades e sessões de outros agentes e o uso de modelos além dos GPTs da OpenAI. Isso faz do Codex uma escolha sólida para executar modelos open-weight.
-
70. OpenCode
Desde o nosso último Radar, o OpenCode permanece como um dos harnesses de agentes de programação de código aberto mais proeminentes. Vimos sua adoção crescer significativamente junto com o surgimento de modelos open-weight eficazes. As equipes apreciam sua capacidade de personalização e o modo headless/servidor, o que o torna uma base atraente para organizações que constroem um enterprise harness. Por outro lado, seus recursos de compartilhamento de sessão e colaboração ainda ficam atrás de harnesses concorrentes. O OpenCode se tornou uma escolha popular para equipes que combinam agentes de programação com modelos auto-hospedados de pesos abertos e modelos locais de programação, mas ainda recomendamos avaliar alternativas emergentes, como o Pi.
Experimente
-
71. Act
O Act executa workflows do GitHub Actions localmente, substituindo o ciclo de commit-push-espera por um feedback mais rápido. Nós o mencionamos em nosso blip sobre GitHub Actions em 2021. Os agentes de programação dão ao Act uma nova relevância, porque o volume crescente de commits e pushes pode causar contenção de builds. O Act permite que agentes de programação executem um workflow localmente antes de fazer o push, trazendo a CI diretamente para o seu loop generativo e apoiando a responsabilidade de agentes no pipeline.
Nossas equipes constataram que o Act lida com a maior parte do desenvolvimento de workflows do GitHub Actions, embora não seja uma réplica perfeita do ambiente do GitHub Actions. Por exemplo, suas imagens padrão carecem de algumas ferramentas de runner e ele não oferece suporte a concorrência, permissões e segredos de ambiente. Combinado com verificações estáticas como o Zizmor, o Act ajuda os agentes de programação a manter a build funcionando quando eles alteram o próprio pipeline.
-
72. Agent Package Manager
O Agent Package Manager é um gerenciador de dependências de código aberto para configuração de agentes de IA. Ele funciona por meio de um manifesto que declara plugins, habilidades, instruções e servidores MCP. Nós o utilizamos para publicar habilidades versionadas a partir de um repositório central, em vez de copiar e colar arquivos. Ele trata o contexto do agente como uma cadeia de suprimentos, instalando a partir de repositórios Git ou de um marketplace de plugins para agentes e escaneando por caracteres Unicode ocultos que poderiam sequestrar seu comportamento. Seus arquivos de lock registram hashes de conteúdo e procedência, exportando SBOM como CycloneDX e SPDX. A auditoria detecta drift, e um arquivo de política restringe fontes, escopos e primitivas, tornando um enterprise harness reproduzível e governado. Ainda é um projeto pré-1.0 impulsionado pela comunidade, embora patrocinado por uma grande empresa do setor, por isso o colocamos em “Experimente” em vez de “Adote” e esperamos que soluções concorrentes surjam no futuro.
-
73. ast-grep
O ast-grep é uma ferramenta de linha de comando para busca estrutural, linting e reescrita de código. Os padrões são escritos como código comum com caracteres curinga para qualquer nó de sintaxe e correspondem à árvore sintática em vez de texto, usando parsers de tree-sitter para mais de 20 linguagens. As regras de linting e reescrita são escritas em um formato declarativo YAML. Uma de nossas equipes usou essas regras como parte do harness em torno de um agente de programação, verificando o código do agente em relação a um conjunto de regras personalizadas e enviando os resultados de volta para o agente.
O ast-grep é semelhante às ferramentas por trás de inteligência de código como ferramenta para agentes, mas ele não cria um índice nem exige um servidor de linguagem. Por pular a indexação, ele é um primeiro passo de baixo atrito para uma base de código grande antes de se comprometer com ferramentas mais pesadas. Ao contrário da maioria das ferramentas desse grupo, ele também tem usos que não envolvem agentes: as próprias desenvolvedoras podem executar as mesmas buscas, regras de lint e reescritas. O ast-grep abrange praticamente o mesmo escopo que o Comby, que destacamos em 2021. A maioria das IDEs já oferece busca baseada em AST, mas elas não substituem as regras de lint personalizadas e as reescritas que destacam o ast-grep.
-
74. Beads
Beads é um rastreador de problemas (issue tracker) baseado em Git que agentes de programação podem compartilhar para coordenar seu trabalho. Em vez de planos ad hoc em Markdown, ele fornece aos agentes um grafo de tarefas estruturado e persistente. Como o Beads armazena as tarefas e suas dependências junto com o código, os agentes mantêm seus planos e novas tarefas descobertas ao longo de sessões e compactações de contexto. Cada agente pode reivindicar a próxima tarefa disponível sem colidir com outros.
Estamos movendo o Beads para “Experimente” porque muitas de nossas desenvolvedoras agora o usam por padrão com agentes de programação. Ele complementa rastreadores de problemas de equipe, como o Linear, que armazenam o trabalho que uma equipe planeja, prioriza e relata. O Beads armazena as tarefas de granularidade mais fina que os agentes criam enquanto trabalham, e sincroniza em ambas as direções com o Linear, Jira e GitHub Issues.
Desde a última vez que o destacamos, o Beads atingiu a versão 1.0 e se mudou para a organização Gas Town Hall. Ele é mantido pela Gas City, a empresa por trás do Gas Town. O Dolt é agora seu único backend de armazenamento, e adições como uma API HTTP, contratos de alocação de trabalho (work leases) e sincronização entre armazenamentos tornam o Beads mais pesado do que o rastreador leve que era no início. As atualizações migram o esquema no local (in place), e clientes executando versões diferentes não podem compartilhar um armazenamento, portanto as equipes devem fixar uma única versão para cada armazenamento compartilhado e revisar as instruções que o Beads escreve no AGENTS.md.
-
75. Chaos Mesh
O Chaos Mesh é um conjunto de ferramentas de código aberto de chaos engineering para injetar falhas controladas em sistemas nativos da nuvem (cloud-native). O Chaos Mesh define simulações de falha como recursos personalizados (custom resources) declarativos do Kubernetes, permitindo que as equipes usem ferramentas familiares e gerenciem experimentos de caos por meio do controle de versão. Achamos que sua variedade de cenários de falha simulados, reprodutibilidade e controles de raio de alcance (blast radius) o tornam adequado para testes repetíveis e automatizados em escala. Isso inclui ambientes com infraestrutura de IA densa em GPUs, onde validar a resiliência pode ser particularmente desafiador, porém importante.
-
76. Cube Core
À medida que os dados analíticos são cada vez mais consumidos tanto por aplicações personalizadas quanto por agentes de IA, definir métricas diretamente em painéis (dashboards) ou em consultas SQL individuais frequentemente leva à duplicação e ao desvio de métricas (metric drift). O Cube Core é uma camada semântica de código aberto que aborda esse desafio, permitindo que as equipes definam métricas, dimensões, junções (joins) e regras de acesso como código. Ao criar um modelo semântico governado e reutilizável, as equipes podem definir métricas de negócios uma única vez e expô-las de forma consistente em ferramentas de BI, análises embarcadas e fluxos de trabalho de IA por meio de APIs padrão.
Usamos o Cube Core com sucesso para implementar uma camada semântica em projetos recentes. A ferramenta conta com uma base de código ativa e uma comunidade vibrante de contribuidores. Se você está enfrentando problemas com definições de dados inconsistentes em várias camadas de consumo, recomendamos avaliar o Cube Core para padronizar o acesso analítico.
-
77. Figma Code Connect
Ferramentas genéricas de design-to-code frequentemente transformam quadros (frames) em marcação (markup) bruta que ignora os componentes existentes de uma equipe, resultando em código que precisa ser reescrito. O Figma Code Connect aborda esse descompasso mapeando componentes do Figma diretamente para componentes de UI de produção no código. Em vez de adivinhar APIs de componentes, ferramentas de IA e pessoas desenvolvedoras podem usar esses mapeamentos para gerar código com as assinaturas e propriedades (props) reais dos seus componentes. Essa abordagem estruturada fundamenta a geração de código no sistema de design (design system) existente.
Esta ferramenta é particularmente relevante à medida que as equipes fazem a transição da geração de código baseada em prompts para fluxos de trabalho agênticos mais controlados. Ao combinar o Figma Code Connect com o servidor MCP do Figma e agentes de programação, desenvolvedoras podem fornecer contexto aos agentes a partir da base de código real. Isso ajuda a deslocar a geração de código em formato livre em direção a uma montagem de componentes mais determinística e em conformidade com a produção, reduzindo as iterações de revisão de código e o risco de desvio arquitetural (architectural drift).
Em nossa experiência com sistemas de design para dispositivos móveis, usamos esse fluxo de trabalho para mapear componentes entre iOS e Android, publicando automaticamente no Figma após lançamentos na branch principal e usando integração contínua (CI) para detectar desvios. No entanto, a geração de Figma para código é tão confiável quanto o sistema de design subjacente. Os resultados gerados ainda exigem guardrails, como verificações de lint para bloquear cores programadas diretamente (hardcoded) e baselines de snapshot em cada pull request. Manter mapeamentos para cada variante também exige esforço contínuo, e atualmente a ferramenta opera no nível de componente, em vez de validar telas completas do produto. Portanto, a lógica de layout, o estado e a navegação ainda exigem supervisão humana.
-
78. FluxMarkdown
O FluxMarkdown é um plugin do Quick Look para macOS que renderiza arquivos Markdown diretamente no painel de pré-visualização do Finder. Embora existam outras opções, como o QLMarkdown, o FluxMarkdown oferece suporte abrangente para destaque de sintaxe, notações matemáticas via KaTeX e diagramas complexos usando Mermaid, Graphviz e Vega.
Achamos o FluxMarkdown útil para inspecionar documentação porque ele elimina a necessidade de abrir um editor dedicado apenas para visualizar um diagrama ou equação renderizada. Conforme as pessoas desenvolvedoras dependem cada vez mais de interfaces de linha de comando e agentes autônomos em seus fluxos de trabalho, a visualização de arquivos Markdown renderizados ainda pode exigir a abertura de uma IDE. O FluxMarkdown oferece uma alternativa leve que permite às desenvolvedoras pré-visualizar esses arquivos sem sair do Finder.
-
79. Git AI
Git AI é uma extensão de código aberto do Git projetada para rastrear código gerado por IA em repositórios. Ela vincula linhas escritas por IA aos agentes, modelos e prompts que as geraram. Usando checkpoints e hooks, a ferramenta rastreia alterações incrementais de código ao longo do desenvolvimento. Cada checkpoint contém um diff entre o estado atual e o anterior, marcando as linhas como de autoria humana ou de IA. Essa abordagem oferece uma atribuição mais detalhada das contribuições de IA do que simplesmente contar linhas de código no momento em que são adicionadas.
A extensão utiliza um padrão aberto baseado no Git Notes para rastrear código gerado por IA. À medida que o código gerado por IA se torna mais comum no desenvolvimento do dia a dia, manter a responsabilidade e entender a intenção original por trás do código torna-se cada vez mais importante. Tanto pessoas desenvolvedoras quanto agentes de IA podem consultar sessões arquivadas para recuperar o contexto original e as decisões de design. Dado o seu valor potencial para responsabilidade e manutenibilidade em fluxos de trabalho agênticos, movemos o Git AI para “Avalie”.
-
80. Linear
O Linear é um rastreador de tarefas que combina a fácil configuração do Trello com os recursos de planejamento pelos quais as equipes costumam recorrer ao Jira. Muitas startups o utilizam no lugar do Jira há anos, e seu apelo recente vem de como ele funciona bem com agentes de programação. Agentes entram em um espaço de trabalho do Linear como membros, de modo que as equipes podem atribuir tarefas a eles, mencioná-los em comentários e ver o raciocínio por trás de cada alteração. O Cursor, o OpenAI Codex e o Devin podem assumir trabalhos dessa forma, enquanto o servidor MCP remoto do Linear permite que ferramentas como o Claude Code leiam e atualizem tarefas. O Linear armazena o trabalho que uma equipe planeja e prioriza. O Beads fica um nível abaixo dele, rastreando as tarefas menores que os agentes criam à medida que avançam. Frequentemente usamos o Linear com clientes cujas equipes trabalham intensamente com agentes de programação. Equipes que escolhem suas próprias ferramentas devem considerar experimentá-lo se quiserem que os agentes peguem tarefas diretamente do backlog.
-
81. mattpocock/skills
O mattpocock/skills ("Skills For Real Engineers") é uma coleção de skills de agente para engenharia de software agêntica. As habilidades fornecem um fluxo de trabalho sugerido, mas são explicitamente projetadas para serem pequenas, fáceis de adaptar e com alta capacidade de composição. Nós as achamos valiosas para ajudar equipes a aplicar boas práticas de engenharia de software à programação agêntica, bem como para análise auxiliada por IA de requisitos e premissas, como grilling de requisitos. Embora façamos um alerta contra a adoção de bibliotecas inteiras de habilidades sem avaliá-las (a rendição cognitiva a skills prontas), vale a pena dar uma olhada nessas habilidades leves se você deseja mais estrutura nos seus fluxos de trabalho de desenvolvimento de software agêntico.
-
82. OpenSpec
OpenSpec é um framework leve de desenvolvimento orientado por especificação que funciona com qualquer agente de programação. Desde que o destacamos na categoria “Avalie” do Tech Radar de abril, várias de nossas equipes relataram sucesso com ele, o suficiente para movê-lo para “Experimente”. Apreciamos especialmente sua proposta para bases de código legadas (brownfield), adaptando especificações ao código existente. As equipes relatam resultados de agentes mais previsíveis e menos alterações não intencionais em comparação com o uso direto de prompts. O principal diferencial do OpenSpec em relação a concorrentes como GitHub Spec Kit e Kiro é focar em um fluxo de trabalho ancorado em especificações. As alterações são deltas em relação a uma especificação que serve como fonte da verdade persistente, de modo que os agentes podem confiar nela como uma referência atual. A cautela habitual se aplica: arquivos de especificação são markdown que os agentes geram prolificamente. O arquivamento de deltas de alterações do OpenSpec mitiga isso, mas manter a especificação persistente ainda exige disciplina.
-
83. OpenWiki
O OpenWiki é uma interface de linha de comando que escreve e mantém automaticamente uma wiki para uma base de código ou repositório pessoal de conhecimento. Ele sintetiza materiais de origem em uma wiki em Markdown com links que outros agentes podem usar como contexto. O OpenWiki está atualmente em nosso anel “Experimente” enquanto avaliamos seu impacto em projetos ativos. Nossa experiência reforçou um desafio familiar: documentação de alta qualidade é essencial, mas mantê-la atualizada é notoriamente difícil. O OpenWiki aborda isso usando pipelines automatizadas para atualizar o conteúdo à medida que o material de origem muda, com checkpointing para rastrear quando cada trecho de documentação foi gerado pela última vez.
O OpenWiki também suporta modelos locais para geração privada e o formato OKF para documentação estruturada. Para humanos, inclui um visualizador interativo que apresenta a wiki subjacente como um grafo interativo, ajudando a navegar e entender as relações entre tópicos interconectados e documentos da base de código.
-
84. Pi
O Pi é um agent harness minimalista e de código aberto escrito em TypeScript. Este blip cobre todo o kit de ferramentas: a API LLM multiprovedor (pi-ai), o runtime do agente (pi-agent-core) e o agente de programação via terminal construído sobre eles (pi-coding-agent). O Pi intencionalmente deixa de fora MCP, subagentes, modo de planejamento e prompts de permissão. Você adiciona o que precisa por meio de extensões, habilidades do agente (agent skills) e templates de prompt. O Pi pode até escrever suas próprias extensões. Estamos movendo o Pi para “Experimente” porque a adoção cresceu desde o último Radar, principalmente como base para outras ferramentas. Scanners de segurança e harnesses de orquestração agora rodam no Pi, frequentemente como uma dependência subjacente em vez de uma ferramenta usada diretamente, enquanto seus modos SDK e RPC permitem embuti-lo em outros sistemas de agentes.
Como um agente de programação usado diretamente, o Pi não é a escolha mais forte, e o OpenCode é mais adequado como um harness de programação empresarial. O Oh My Pi, um fork popular, adiciona integração com servidores de linguagem, subagentes e MCP para criar um agente de programação completo, mas divergiu o suficiente para ser avaliado como uma ferramenta separada. Nossa preocupação da última vez era a dependência do Pi de apenas um mantenedor; em abril de 2026, seu criador se juntou à Earendil, que agora é proprietária do Pi e se comprometeu a manter o núcleo sob licença MIT, enquanto planeja add-ons comerciais.
-
85. Sourcebot
Assim como as pessoas desenvolvedoras precisam de um contexto amplo em bases de código empresariais grandes e multi repositório, os agentes de engenharia de software precisam do mesmo contexto para realizar refatorações em grande escala e navegar por ecossistemas legados. O Sourcebot é uma plataforma auto-hospedada de busca e compreensão de código que atua como uma camada de contexto para atender a ambos. Ele indexa milhares de repositórios para oferecer busca rápida e consciente de símbolos, além de navegação no nível de IDE. Com o servidor MCP do Sourcebot, os agentes podem pesquisar em toda a base de código de uma organização. Nossas equipes também acharam a funcionalidade do plano pago, Ask Sourcebot, útil para a colaboração entre equipes. Essa ferramenta de chat com IA permite que funções de fora do desenvolvimento consultem a base de código usando linguagem natural, reduzindo a dependência de desenvolvedoras para responder a dúvidas sobre o código.
-
86. Timefold Solver
O Timefold Solver é um mecanismo de código aberto de otimização de restrições para Java e Kotlin e o sucessor moderno do OptaPlanner. Ele resolve problemas de planejamento logístico, como roteamento de veículos, escala de funcionários, atribuição de tarefas e agendamento de manutenção, nos quais o espaço de possibilidades é grande demais para ser pesquisado de forma exaustiva. Embora comercializado sob o guarda-chuva mais amplo da IA, ele não envolve dados de treinamento nem modelos aprendidos, confiando em vez disso em uma busca heurística com base em restrições que você define. Ele modela regras de negócios absolutas como restrições rígidas (hard constraints) que um plano retornado não pode violar e metas operacionais como restrições flexíveis (soft constraints) que ele otimiza dentro desse espaço viável. Utilizamos o Timefold Solver com sucesso em produção no domínio de cadeia de suprimentos para modelar rapidamente cenários de negócios complexos.
Avalie
-
87. AgentsView
À medida que a programação assistida por IA se torna convencional, o AgentsView oferece às pessoas desenvolvedoras observabilidade sobre as sessões de programação para que eles possam analisar padrões e melhorar o uso de harnesses. O AgentsView permite que as desenvolvedoras naveguem, pesquisem e realizem perfilamento de contexto em sessões passadas de programação com IA. Ele pode se conectar automaticamente a harnesses de programação populares, como Claude Code, OpenAI Codex, OpenCode ou Pi e recuperar sessões históricas. Ele inclui ferramentas de análise de sessões de programação para métricas como prompt-cache e eficiência de custos, além de recomendações para aprimorar o uso de harnesses. Algo que gostamos no AgentsView é seu design local-first, o que torna a adoção simples até mesmo para organizações preocupadas com a segurança, enquanto a sincronização entre equipes e as revisões colaborativas de sessões podem ser adicionadas posteriormente.
-
88. Apple container
O Apple container é uma ferramenta de código aberto para executar contêineres Linux nativamente em Apple silicon. Escrito em Swift, ele usa o pacote Containerization da Apple para executar uma VM leve para cada contêiner em vez de uma VM Linux monolítica. Essa arquitetura oferece isolamento a nível de hipervisor e alocação dinâmica de memória, devolvendo a memória RAM ao macOS quando um contêiner é encerrado. Ele oferece uma alternativa leve e nativa a gerenciadores de VM compartilhada, como o Colima, e evita os requisitos de licenciamento associados ao Docker Desktop. Quando combinado com pontes da comunidade (community bridges) como o Socktainer para compatibilidade com a API do Docker, o Apple container é particularmente eficaz para configurações locais de Testcontainers que exigem inicializações frias rápidas e limites rígidos de recursos. O projeto também inclui o Container Machine para executar ambientes Linux persistentes e integrados ao host.
-
89. Deepsec
O Deepsec é um scanner de vulnerabilidades impulsionado por agentes que primeiro analisa uma base de código para entender sua arquitetura e, em seguida, lança revisões de IA direcionadas a áreas de alto risco para produzir relatórios de vulnerabilidade. O que se destaca é sua arquitetura híbrida: ele combina correspondência determinística para identificar arquivos de alto risco com subagentes dedicados que os inspecionam. Ao estreitar o foco do modelo para onde é mais importante, o Deepsec pode reduzir o consumo de tokens e os custos em comparação com ferramentas semelhantes.
-
90. DeepSeek Harness (DSH)
O DeepSeek Harness (DSH) é um runtime de código aberto desenvolvido pela DeepSeek AI para a construção de agentes personalizados de programação e de uso geral. Em vez de oferecer um assistente monolítico, o DSH utiliza uma arquitetura modular em que "tudo é um plugin", impulsionada pelo Cordis kernel. O adaptador de modelo, o registro de ferramentas, o log de sessão e o loop do agente são todos plugins, organizados em perfis: listas nomeadas de plugins que a equipe estende e sobrescreve em arquivos YAML próprios.
O Cordis é um meta framework construído em torno da composabilidade espaço-temporal: os plugins registram suas operações como efeitos reversíveis. Por isso, o recarregamento (reload) e a desmontagem (teardown) os revertem de forma previsível, sem deixar estados órfãos no sistema.
A junção dessa arquitetura de plugins com a composabilidade espaço-temporal estabelece uma base sólida para criar enterprise harnesses específicos de domínio e viabilizar o autoaperfeiçoamento de agentes.
O DSH também define a observabilidade como uma preocupação de primeira classe em tempo de execução (runtime). Todas as etapas processadas pelo modelo, incluindo prompts, injeções de contexto, acionamentos de ferramentas e colaborações entre subagentes, são salvas em um log de sessão do tipo append-only (somente anexação). Isso permite que as execuções sejam inspecionadas, retomadas, ramificadas (fork), pesquisadas e reproduzidas (replay), fornecendo um registro auditável do que o sistema recomposto realmente executou.
-
91. Entire CLI
O Entire CLI conecta-se via hooks ao Git para capturar sessões de agentes de programação, incluindo prompts, transcrições, chamadas de ferramentas e arquivos modificados, armazenando esses dados diretamente no repositório, junto aos commits gerados, mas fora do histórico do branch. A ferramenta oferece suporte a Claude Code, Codex, Cursor, OpenCode, Pi e outros.
Desde a última vez em que incluímos o Entire CLI no Radar, uma de nossas equipes internas que trabalha intensamente com agentes de programação utilizou a ferramenta para compartilhar as sessões entre todos os seus membros. A equipe considerou o processo útil para observar como as pessoas estruturam seus comandos (prompts), como os agentes processam essas entradas e de que forma essa interação afeta a qualidade do resultado final. Isso também pode ajudar pessoas desenvolvedoras experientes a demonstrarem como trabalham com agentes.
Essa transparência tem um custo. O Entire CLI mantém um registro permanente das interações, acessível a qualquer pessoa com permissão no repositório. Ao tentar introduzir a ferramenta em outras equipes, houve resistência de pessoas desenvolvedoras que enxergam o agente de programação como um assistente pessoal e não se sentiram confortáveis em expor todo o conteúdo das conversas. Para esses cenários, o AgentsView funciona como alternativa local, permitindo que as pessoas desenvolvedoras analisem suas próprias sessões sem compartilhamento externo.
Recomendamos experimentar o Entire CLI em equipes colaborativas e com alta cultura de confiança mútua. A ferramenta permanece em “Avalie” porque a validação ocorreu apenas em uma equipe interna, e ainda não temos dados sobre como outras equipes podem adotá-la com tranquilidade.
-
92. FreeToken
O FreeToken é um motor de inferência de código aberto projetado para executar modelos open-weight grandes baseados em Mixture-of-Experts (MoE) em hardware de consumo comum. Conforme esses modelos se tornam mais capazes, o tamanho total de seus pesos pode exceder os limites de memória das GPUs domésticas.
Diferente de executores de modelos locais de uso geral, o FreeToken é especializado em modelos MoE sobredimensionados (oversized). Ele combina, de forma adaptativa, a memória da GPU, o processamento na CPU, a memória do host e a largura de banda do barramento PCIe. O sistema faz cache dinâmico dos especialistas ativos na GPU e os alterna com base em quais especialistas são ativados.
Isso permite que as pessoas desenvolvedoras executem modelos significativamente maiores em hardwares existentes ou mais antigos. Já estamos começando a ver técnicas de offloading de MoE incorporadas a ferramentas mais amplas, como o llama.cpp (usado pelo Ollama), mas o FreeToken oferece uma abordagem especializada que vale a pena avaliar.
-
93. GLM
À medida que a diferença de capacidade entre modelos de IA abertos e fechados diminui, a família de modelos GLM da Z.ai se destaca pelo seu desempenho em cargas de trabalho de engenharia de software. Utilizando uma arquitetura Mixture-of-Experts (MoE) de aproximadamente 700 bilhões de parâmetros, modelos como o GLM-5.3 alcançam resultados sólidos em benchmarks de programação, raciocínio e tarefas de agentes, impulsionados principalmente por um pós-treinamento especializado em vez de apenas pela escala de pré-treinamento. Isso torna o GLM-5.3 um dos melhores modelos de pesos abertos disponíveis atualmente para programação e engenharia de software.
Gostamos do GLM porque ele fornece às equipes uma alternativa open-weight que compete com modelos de ponta proprietários e tarefas de raciocínio complexas. No entanto, em nossa experiência, o modelo às vezes pode "pensar" demais, analisando excessivamente prompts simples. Aconselhamos as equipes a configurar o esforço de raciocínio com base na complexidade da carga de trabalho.
-
94. Habit Hooks
O Habit Hooks é uma ferramenta open-source de coaching de qualidade de código para agentes de programação por IA. Ele executa ferramentas existentes de análise estática e linting, como Ruff, ESLint, Knip, PMD, deptry e jscpd. Em vez de retornar erros brutos de linter, ele traduz violações de regras específicas das ferramentas em orientações proativas de design e contexto de code smells. Uma violação simples de linter informa ao agente de IA que uma verificação falhou, mas pode incentivar uma alteração superficial que apenas satisfaz a regra. O Habit Hooks mapeia o problema apontado ao respectivo code smell e injeta de forma determinística orientações explícitas no prompt do modelo. Esse contexto ajuda o agente a abordar o problema real de design e se autocorrigir imediatamente sem depender de um LLM para gerar a recomendação. A ferramenta oferece uma implementação prática de sensores de feedback para agentes de programação, integrando verificações determinísticas no loop de implementação para que os agentes possam responder a falhas antes da revisão humana.
-
95. Herdr
O Herdr é um multiplexador de terminal e runtime de código aberto projetado para gerenciar múltiplas sessões de agentes de programação. Ele oferece recursos familiares de multiplexadores, como painéis, navegação por teclado, desanexação e reanexação, facilitando a migração das pessoas desenvolvedoras a partir de ferramentas como o tmux. O Herdr mantém os agentes em execução em sessões de terminal persistentes enquanto expõe estados conscientes do agente, como trabalhando (working), bloqueado (blocked), concluído (done) e ocioso (idle). Integrações via CLI permitem que os agentes criem painéis, troquem prompts e coordenem o trabalho.
À medida que as desenvolvedoras executam cada vez mais agentes de programação paralelos em múltiplos espaços de trabalho, acompanhar quais sessões exigem atenção e como retomar o trabalho interrompido tornou-se um novo desafio de fluxo de trabalho. Ferramentas como T3 Code, Orca e Paseo oferecem experiências alternativas para desenvolvedoras que preferem uma interface gráfica (GUI). Equipes que gerenciam agentes paralelos devem avaliar o Herdr se quiserem sessões persistentes e status visível dos agentes em seu fluxo de trabalho de terminal.
-
96. Hunk
Hunk é um visualizador de diff de código aberto no terminal para revisar alterações feitas por agentes de programação. Ele exibe um pull request do GitHub ou um conjunto de alterações do Git, Jujutsu ou Sapling como uma revisão de múltiplos arquivos, com uma barra lateral de arquivos e layouts divididos ou unificados. Um modo de observação (watch mode) atualiza a visualização à medida que um agente edita a árvore de trabalho (working tree). Um agente pode carregar a habilidade de agente do Hunk para conduzir uma sessão de revisão ao vivo, saltando para um arquivo ou trecho (hunk) e adicionando notas ao lado das linhas que alterou. Os revisores podem, então, ler o raciocínio do agente ao lado do código relevante. Essas notas diferenciam o Hunk de ferramentas de diff conscientes de sintaxe, como o Difftastic.
Não temos certeza se a revisão humana linha por linha dos resultados de agentes continuará sendo a norma, mas muitas equipes ainda precisam dela hoje: economizar nessa revisão pode levar à complacência com código gerado por IA. O projeto começou em março de 2026 e não atingiu a versão 1.0. Equipes que revisam alterações de agentes no terminal devem experimentar o Hunk e avaliar se as notas do agente tornam as revisões mais rápidas ou se simplesmente dão aos revisores mais conteúdo para ler.
-
97. nono.sh
O nono.sh é um shell voltado à segurança de código aberto e sandbox leve projetado para executar agentes de IA sem a sobrecarga das máquinas virtuais tradicionais ou contêineres Docker. Ele aborda uma lacuna comum: embora o uso de ambientes isolados (sandboxing) seja amplamente recomendado, a complexidade e custo de configuração pode desestimular as equipes a implementá-lo. O nono.sh isola processos de agentes diretamente no nível do sistema operacional usando mecanismos nativos do kernel, como Landlock no Linux e Seatbelt no macOS. Ele opera in-process como processos nativos do host sem daemons em segundo plano, bloqueando por padrão o acesso a recursos sensíveis do host, como chaves SSH.
Acreditamos que vale a pena avaliar o nono.sh porque ele reduz a barreira para o isolamento de processos. Seu design minimalista facilita a configuração, o teste e a integração em fluxos de trabalho existentes no macOS, Linux e Windows via WSL2. Perfis de segurança podem ser ajustados, criados a partir de versões existentes (forks) e compartilhados entre equipes ou com a comunidade por meio do registro de perfis do nono, oferecendo uma camada de defesa de baixa sobrecarga para pessoas desenvolvedoras que estejam adotando ferramentas de execução autônomas como o Claude Code ou o OpenAI Codex.
-
98. OpenResearch CLI (orx)
O OpenResearch CLI (orx) é um harness de código aberto que transforma agentes de programação, como o Claude Code, em agentes de pesquisa capazes de executar experimentos em paralelo. Cada experimento fica isolado em seu próprio worktree do Git, garantindo que as execuções não interfiram entre si. Todos os experimentos usam o mesmo comando de execução, permitindo a comparação direta dos resultados. Além disso, cada execução é vinculada a um snapshot imutável do código, o que assegura a reprodutibilidade.
O orx pode ser executado na infraestrutura de computação que a equipe escolher (local, Slurm, Kubernetes ou Modal). As equipes podem implementar um método descrito em um artigo acadêmico, reproduzir seus experimentos e testar se os resultados se mantêm no contexto corporativo. Isso ajuda a identificar a lacuna entre a teoria acadêmica e a prática corporativa. Acreditamos que vale a pena avaliar o orx como um harness promissor e específico de domínio para diminuir essa lacuna.
-
99. Safe Chain
O Safe Chain é uma ferramenta gratuita da Aikido que atua como um wrapper para os gerenciadores de pacotes de Node.js e Python, como npm, pnpm, Bun, pip e uv. Ele encaminha os downloads de pacotes por meio de um proxy local que bloqueia versões publicadas nas últimas 48 horas e qualquer pacote listado como malicioso na base aberta de ameaças da Aikido.
Worms como o Shai-Hulud mostraram a rapidez com que um pacote comprometido pode se propagar. Um atraso controlado dá tempo para que os scanners detectem versões maliciosas. A maioria dos gerenciadores de pacotes atuais possui configuração nativa de idade mínima de publicação, e as equipes devem ativá-la em seus projetos. O Safe Chain cobre o que essas configurações deixam passar, como um comando npx pontual executado fora de qualquer projeto ou pacotes maliciosos mais antigos do que o limite de idade definido.
O Safe Chain abrange apenas dois ecossistemas, mas ambos são alvos recorrentes de ataques à cadeia de suprimentos (supply chain attacks). Uma versão retida pela restrição de idade gera apenas um aviso genérico de supressão de pacotes. Equipes que baixam dependências por meio de espelhos (mirrors) privados com políticas próprias de tempo têm pouco benefício prático, e o bloqueio de ameaças depende exclusivamente do catálogo de um único fornecedor. Além disso, o Safe Chain é distribuído sob licença AGPL ou comercial, o que exige revisão jurídica prévia antes de ser embutido em qualquer solução distribuída comercialmente.
-
100. Swamp
O Swamp é uma ferramenta de automação construída para ser usada por agentes de programação baseados em IA. Quando um agente realiza uma tarefa operacional diretamente, ele pode executá-la de forma diferente a cada vez e deixar pouca rastreabilidade sobre o que fez. Com o Swamp, em vez disso, o agente escreve a automação na forma de modelos TypeScript de sistemas externos e fluxos de trabalho YAML que encadeiam os métodos desses modelos. Os fluxos de trabalho seguem o mesmo processo definido todas as vezes, suas definições residem em um repositório Git e a saída de cada execução é mantida como dados versionados que o agente pode consultar posteriormente. As credenciais são injetadas a partir de um cofre de segredos no momento da execução, garantindo que permaneçam fora dos prompts. Os modelos também podem ser empacotados como extensões e compartilhados por meio de um registro de módulos. Um agente instruído a escrever e fazer commit de scripts sem o Swamp pode produzir algo semelhante, mas sem interfaces tipadas integradas, histórico de execuções ou módulos reutilizáveis.
O Swamp substitui o System Initiative, que destacamos em “Avalie” em uma edição anterior. O Swamp surgiu do gerenciamento de infraestrutura, mas é voltado para fluxos de trabalho operacionais de forma mais ampla, desde a resposta a incidentes até pipelines de dados. O código-fonte é aberto sob a licença AGPLv3, embora a distribuição oficial utilize uma licença comercial que exige uma assinatura para uso no trabalho. O projeto é novo e evolui rapidamente, com uma nova versão lançada a cada commit, portanto as equipes devem testá-lo em automações internas de baixo risco antes de depender dele.
-
101. Vale
O Vale é um linter para textos. Ele analisa Markdown, AsciiDoc e reStructuredText, ignora blocos de código e verifica o texto em relação a regras de estilo armazenadas como YAML no repositório, permitindo que as convenções de escrita sejam aplicadas no editor e no CI, de forma semelhante ao estilo de código. Os estilos inclusos abrangem os guias de documentação da Google, Microsoft e Red Hat; outros verificam a linguagem inclusiva ou a legibilidade, e você também pode criar os seus próprios. O Vale faz parte de toolchains de docs-as-code há anos, mas o volume de documentações, ADRs e descrições de PRs rascunhadas por LLMs o torna ainda mais relevante hoje. Pacotes como o vail-ai-tells sinalizam o fraseado típico de textos gerados, e o Vale funciona bem como um dos sensores de feedback para agentes de programação, permitindo que um agente revise um rascunho antes que qualquer pessoa o leia.
As verificações do Vale são correspondências determinísticas de palavras e padrões, capazes de identificar vícios superficiais, mas que podem deixar passar raciocínios fracos ou detalhes inventados. O Vale também depende em grande parte de um único mantenedor, e nosso uso até agora tem sido feito por indivíduos trabalhando em seus próprios textos, e não por equipes de clientes.
-
102. Varlock
O Varlock é uma camada de configuração de ambiente e gerenciamento de segredos de código aberto projetada para evitar a exposição de segredos a agentes de programação via texto simples (plaintext). Em vez de confiar em convenções informais do tipo
.env.example, o Varlock introduz um arquivo.env.schemaversionado que descreve nomes de variáveis, tipos, regras de validação e documentação. Ele separa o contrato de configuração dos valores reais. Os segredos são resolvidos e injetados em tempo de execução a partir de cofres externos, como 1Password, AWS Secrets Manager ou Azure Key Vault. Para cargas de trabalho nas quais um agente deve chamar um serviço autenticado, o Varlock também oferece um proxy de credenciais que fornece um placeholder para o agente e substitui pelo valor real apenas no limite da rede. Achamos esse um padrão útil que substitui scripts auxiliares ad hoc e estende a injeção de segredos em múltiplos ambientes sem expor credenciais. -
103. zizmor
O zizmor é uma ferramenta de análise estática para fluxos de trabalho do GitHub Actions que também verifica configurações do Dependabot e do pre-commit. Ele sinaliza falhas de configuração que atacantes podem explorar, incluindo injeção de template, permissões excessivamente amplas e ações fixadas em tags mutáveis, além do uso de gatilhos arriscados como o
pull_request_target. Ele também pode corrigir alguns dos problemas identificados automaticamente.Este ano, atacantes exploraram um
pull_request_targetworkflow no repositório do Trivy e, em seguida, reescreveram as tags de sua GitHub Action para que as pipelines que referenciavam essas tags executassem o código dos atacantes. Nossas equipes usaram o zizmor em projetos de clientes, executando-o a partir da linha de comando e como um hook de pré-commit enquanto escreviam workflows. Agentes de programação também podem executá-lo, fornecendo feedback rápido sobre as pipelines que escrevem.Em meio à atenção voltada para a varredura de segurança impulsionada por IA, gostamos de ter uma ferramenta determinística para esse trabalho. O Snyk e o Wiz cobrem parte do mesmo terreno comercialmente e linters genéricos detectam alguns desses problemas, mas o zizmor é gratuito e de código aberto. Sua desvantagem é o escopo: ele não cobre nenhuma outra plataforma de CI além do GitHub Actions. Equipes que usam o GitHub Actions devem avaliar o zizmor juntamente com a confiança zero para pipelines de CI/CD.
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.
