Ferramentas de AI Agents: a stack necessária para concluir trabalho real
Um guia prático para execução, contexto, procedimentos reutilizáveis, permissões e revisão humana em AI agents.
Ferramentas de AI Agents: a stack necessária para concluir trabalho real
Um AI agent não se torna útil porque tem o maior menu de ferramentas. Ele se torna útil quando as ferramentas formam um ciclo controlado: observar a situação, agir no ambiente certo, preservar contexto, reutilizar um procedimento conhecido e parar para revisão antes que o resultado tenha consequência.
Esse é o significado prático de ferramentas de AI agents. Browser, Terminal, Git, Drive, Skills, conectores, Automations, permissões e revisão humana não são selos independentes. Juntos, eles determinam se o agente sai de um pedido e chega a um artifact visível e revisável.
A resposta curta: a maioria das equipes precisa de quatro camadas. Execução para navegar e rodar trabalho. Contexto para preservar arquivos e estado. Procedimentos para repetir o que funcionou. Controle para limitar acesso e permitir que uma pessoa aceite o resultado.
Pare de avaliar ferramentas como checklist
Contar integrações ignora as perguntas operacionais: o agente verifica a fonte ou recebe texto copiado? Consegue executar um comando determinístico ou apenas sugeri-lo? A próxima session recebe os arquivos e decisões anteriores? Uma execução bem-sucedida vira procedimento reutilizável? O acesso está limitado ao trabalho? A pessoa revisa uma tool call, um diff ou o artifact final?
Anthropic distingue workflows, nos quais o código define o caminho, de agents, nos quais o modelo direciona dinamicamente o uso de ferramentas. Sua orientação sobre tools reforça o ponto: poucas ferramentas claras e de alto impacto são melhores do que uma caixa grande e ambígua.
Por isso a stack começa pelo trabalho e pelo critério de aceitação. “Pesquisar cinco concorrentes, guardar evidências, atualizar a comparação e perguntar antes de publicar” é toolável. “Cuidar do marketing” não é.
Camada 1: Browser para observar o mundo externo
Browser é a superfície de observação. O agente abre páginas atuais, segue links, verifica interfaces e coleta evidência ausente do prompt.
Serve para pesquisa de produto, verificação de fonte, operações em formulários, coleta pública e validação de uma página publicada. Também é uma superfície de risco: sessões autenticadas, formulários, downloads e envios externos podem produzir ações sensíveis.
É preciso saber quais sites e sessões o agente alcança, se leitura e escrita externa são separadas, e se o reviewer vê fonte e artifact. O agente também deve guardar URL, data, trecho relevante e limite da evidência.
Camada 2: Terminal e Git para execução determinística
Modelos são bons em interpretação. Terminais são bons em operações exatas.
Com Terminal, o agente roda parsers, testes, transformações, builds, ferramentas de imagem e validadores. O ganho é deixar exit codes, arquivos, resultados de teste e comandos repetíveis, não só descrever o que alguém deveria executar.
Git cria histórico revisável para código e projetos textuais. Branches e diffs mostram exatamente o que mudou. Nem todo workflow precisa de Git, mas quando o output pertence a um repository, esse handoff é melhor do que código colado no chat.
O Agent Workspace atual do Buda mostra Files, Local Browser, Terminal, AI Browser e Git ao lado da mesma tarefa. A captura abaixo é oficial e não esconde a execução dentro de uma resposta de chat.
Camada 3: Drive transforma contexto em material verificável
Contexto não é uma conversa longa. Um agente durável precisa de arquivos que pessoas possam abrir, renomear, comparar e reutilizar.
Drive guarda documentos fonte, regras, snapshots, dados intermediários, outputs aceitos e a próxima ação. Outra pessoa pode inspecionar o mesmo material sem reconstruir o prompt ou confiar em um resumo antigo.
Separe source material, working material e accepted material. “O agente lembra” não informa se a memória é atual, tem fonte ou foi aceita.
Camada 4: Skills e conectores tornam o trabalho repetível
Uma tool executa uma operação. Uma Skill combina operações em um trabalho recorrente.
“Abrir uma página” é ação do Browser. “Auditar uma landing page, capturar canonical, verificar mobile, registrar links quebrados e gerar relatório” é procedimento reutilizável. A Skill deve declarar inputs, outputs, evidência e condições de parada.
Conectores e MCP ampliam o alcance, mas não devem conceder acesso genérico. Cada conexão precisa de conta, scope, credential owner e caminho de revogação. No Marketplace do Buda, a equipe pode buscar e instalar Skills em vez de reconstruir tudo.
Camada 5: Automations fornecem tempo, não julgamento
Automation responde “quando rodar”. Pode iniciar relatório diário, verificação semanal ou follow-up, mas não prova que o resultado está certo.
O trabalho agendado ainda precisa de Agent nomeado, persistent workspace, prompt/Skill limitado, fontes claras, output visível, relatório de falha e reviewer. Sem isso, o schedule só repete ambiguidade mais rápido.
Camada 6: Permissões definem o raio de impacto
Permissões devem corresponder ao trabalho, não à ferramenta mais poderosa da plataforma.
Um research agent pode precisar de Browser público e arquivos read-only. Um coding agent precisa de um repository e ambiente de teste. Um finance agent pode ler invoices, mas não deve liberar pagamento sem approval independente.
Separe Spaces/Agents por cliente ou domínio, use integrations por Agent, limite repository/folder, separe read/write, confirme ações sensíveis e mantenha a opção de remover membro ou desconectar conta.
A documentação do Buda descreve cada Agent em seu próprio cloud computer, com Files, Browser, Terminal e Git. Space e Drive limitam material compartilhado. A disponibilidade varia por plano, então confirme a stack antes da compra.
Camada 7: revisão humana fecha o ciclo
Review é onde a responsabilidade volta para uma pessoa.
Tool confirmation pergunta se a ação pode rodar. Artifact review pergunta se o resultado está correto para uso. Brief, relatório, code diff, planilha ou resposta ao cliente precisam de um ponto de aceitação adequado à consequência.
A interface atual do Buda pausa quando precisa de decisão humana. O reviewer não precisa assistir a todas as tool calls; concentra-se na escolha ou no artifact que muda o estado do negócio.
Use este teste de stack ao escolher uma plataforma
| Camada | A plataforma deve responder | Sinal de falha |
|---|---|---|
| Browser | O que o agente observa e opera? | Fontes e ações externas invisíveis |
| Terminal | Roda ferramentas e validações determinísticas? | Para em comandos sugeridos |
| Git | Mudanças podem ser revisadas por diff? | Código sem histórico |
| Drive | Onde fontes, estado e artifacts persistem? | Continuidade depende do chat |
| Skills/conectores | Como uma boa execução se repete? | Método reconstruído toda vez |
| Automations | O que dispara e reporta falha? | Output silencioso |
| Permissões/review | Quem acessa, age e aceita? | Credenciais amplas, sem responsável |
Não compre tudo de uma vez. Escolha um workflow cujo resultado possa ser inspecionado, dê apenas as ferramentas necessárias, rode manualmente e registre contexto ausente e decisões arriscadas. Adicione Skill e schedule depois que o review funcionar.
Um workflow concreto no Buda
Em uma atualização semanal de concorrentes, Browser abre release notes oficiais; Drive guarda snapshots e o brief; Terminal extrai mudanças e checa links; Git registra edits quando o artifact vive em repository; Skill define evidência, formato e deduplicação; Automation inicia a execução; o Agent pausa em claims disputados e uma pessoa aceita o brief final.
O valor não vem de uma tool isolada. Vem de preservar evidência e responsabilidade entre elas.
Perguntas frequentes
Quais ferramentas um AI agent precisa?
Normalmente: Browser para observar, Terminal para executar, arquivos persistentes, Skills reutilizáveis, integrations com scope e revisão humana. Workflows de código adicionam Git; trabalhos recorrentes adicionam Automations.
Como controlar permissões de tools para AI agents?
Dê a cada Agent apenas dados e ferramentas necessários. Separe read/write, limite repository/folder, isole dados de clientes, confirme ações sensíveis e atribua um human owner ao artifact final.
Quais plataformas juntam Browser, Terminal, Git e arquivos compartilhados?
Buda reúne Browser, Terminal, Git, Files/Drive, Skills, Automations e review em um Agent Workspace persistente. A equipe ainda deve verificar plano, scope das integrações e se o workflow precisa de todas as ferramentas. Outras plataformas podem montar as mesmas camadas com runtimes e integrações separados.
Mais ferramentas é sempre melhor?
Não. Cada tool adiciona ambiguidade, permissões, falhas e manutenção. Só adicione quando fechar um gap medido em um workflow real.
Um workflow fixo é melhor que um agent?
Quando o caminho é conhecido, workflow determinístico é mais testável. Use Agent quando o sistema precisa interpretar contexto variável e escolher tools. Sistemas confiáveis combinam os dois.
Comece por uma tarefa revisável
Escolha uma tarefa que exija fonte atual, comando, arquivo salvo e uma decisão humana. Rode no Buda AI Agent Workspace. A camada ausente vai aparecer: execução, contexto, procedimento, permissões ou review.
Crie um Agent a partir de um papel comprovado ou instale uma Skill reutilizável no Marketplace.