Como Executar uma Orquestra de Agentes de IA em um Chat Comum

Quando você passa de um único assistente de IA no seu editor de código para múltiplos agentes autônomos, rapidamente encontra um problema de controle. Os agentes começam a gerar processos em segundo plano, consumindo tokens, e quando algo dá errado, eles silenciosamente quebram o ambiente em algum lugar nas profundezas do Docker. É ainda pior quando você precisa dar a eles acesso a chaves de API ou GitHub: entregar um token pessoal para um script que gera e executa código por conta própria é, para dizer o mínimo, estressante.

Recentemente encontrei o projeto AgentTeams da equipe AgentScope. É uma plataforma de runtime que empacota agentes de rede neural em um ambiente de equipe unificado baseado no protocolo Matrix. Em vez de daemons abstratos em segundo plano, você obtém um mensageiro comum onde você, um agente gerente e agentes workers especializados estão todos na mesma sala de chat.

Qual é a Ideia da Arquitetura

O AgentTeams não tenta inventar seu próprio motor para executar LLMs ou escrever outro wrapper sobre prompts. O projeto funciona como um orquestrador de containers. Todo o sistema é construído em torno do conceito Gerente-Workers:

1. O gerente recebe suas tarefas de alto nível, divide-as em subtarefas e as atribui a workers específicos.
2. Os workers executam tarefas em ambientes isolados.
3. O mensageiro Matrix serve como barramento unificado para todas as mensagens.

Como resultado, você vê absolutamente toda a correspondência entre os agentes. Se um worker sair do caminho, basta escrever para ele no chat @alice измени логику валидации e ajustar o curso em tempo real, sem reiniciar toda a cadeia.

Sem Acesso às Chaves Reais

O principal problema com a maioria dos agentes autônomos é a segurança. Para um agente fazer um Pull Request no GitHub ou chamar uma API de terceiros, você geralmente passa os segredos correspondentes diretamente nas variáveis de ambiente.

Os desenvolvedores do AgentTeams resolveram isso através de um Higress AI Gateway integrado. O esquema de interação fica assim:

• O worker recebe apenas um token de consumidor temporário.
• Todas as requisições externas para APIs de LLM, GitHub ou servidores MCP passam pelo gateway.
• As chaves de API reais e tokens pessoais são armazenados dentro do gateway e nunca chegam aos containers dos workers.

Mesmo que o código dentro de um worker tente ler variáveis de ambiente e enviá-las, ele encontrará apenas o token de acesso ao gateway local.

Runtimes Diferentes em Uma Sala

Um recurso interessante da plataforma é a capacidade de combinar diferentes tipos de agentes em uma sala. Atualmente, três runtimes são suportados nos bastidores:

• OpenClaw em Node.js para tool calling e coordenação de tarefas.
• QwenPaw em Python, focado em tarefas leves e automação de navegador.
• Hermes para escrita autônoma de código com um ambiente de sandbox de terminal isolado.

Isso fornece uma flexibilidade decente. Você pode atribuir um agente OpenClaw determinístico como líder do grupo e conectar o Hermes para escrever e depurar código. Os agentes se comunicam entre si através de menções integradas e um armazenamento de arquivos MinIO compartilhado. O sistema de arquivos economiza significativamente no context window: os agentes não passam grandes blocos de código ou logs diretamente nos textos das mensagens, mas depositam links para arquivos no armazenamento.

Como É Estruturado Por Dentro

Arquiteturalmente, o AgentTeams é entregue como um conjunto de serviços interconectados:

• O Controller é responsável pelo ciclo de vida dos recursos e configuração declarativa.
• O Higress AI Gateway gerencia o tráfego e armazena dados de autorização.
• O Tuwunel e o Element Web fornecem a funcionalidade de servidor Matrix e cliente web.
• O MinIO armazena artefatos gerados pelos agentes.

Docker é suficiente para executar a plataforma em modo local. Os requisitos mínimos do sistema são 2 cores de CPU e 4 GB de RAM. Se você planeja iniciar 3-4 workers de uma vez, é melhor prever 8 GB de RAM ou mais.

A instalação é iniciada com um único comando:

bash <(curl -sSL https://raw.githubusercontent.com/agentscope-ai/AgentTeams/main/install/agentteams-install.sh)

O script perguntará pela chave do provedor de LLM escolhido (qualquer endpoint compatível com OpenAI funciona), configurará os serviços locais e fornecerá um link para o Element Web em http://127.0.0.1:18088.

Para instalações mais sérias, o projeto possui um chart Helm oficialmente suportado para Kubernetes. Ao fazer deploy no K8s, você pode definir workers e equipes diretamente através de Custom Resource Definitions (CRDs) no estilo de manifestos familiares.

helm install agentteams higress.io/agentteams \
  -n agentteams-system --create-namespace \
  --set credentials.llmApiKey=<your-api-key> \
  --set credentials.adminPassword=<your-admin-password> \
  --set gateway.publicURL=http://localhost:18080

Antes de iniciar o controller, o Helm executa automaticamente uma verificação preflight: ele envia uma pequena requisição de teste para o modelo especificado para falhar a instalação imediatamente se a chave de API for inválida ou os limites estiverem esgotados.

Impressões e Veredicto

O projeto parece fresco diante de incontáveis scripts de console. O conceito de usar um mensageiro clássico em vez de mais um painel web se mostrou inesperadamente conveniente, especialmente considerando que você pode se conectar ao Matrix de qualquer cliente móvel como FluffyChat ou Element Mobile.

As desvantagens incluem requisitos de hardware: executar um monte de containers junto com MinIO e o gateway consome rapidamente a memória em uma máquina local. Se você precisa de um assistente simples para dicas no seu IDE, o AgentTeams será claramente uma solução exagerada.

Mas para equipes que estão tentando construir um pipeline completo de múltiplos desenvolvedores de IA enquanto não querem vazar chaves de API ou perder o controle sobre o que está acontecendo, a ferramenta definitivamente vale a pena experimentar.