Como Reunir Humanos e Agentes de IA em um Único Espaço de Trabalho
Imagine que seu mensageiro de trabalho não é apenas um fluxo de mensagens de colegas, mas um ambiente vivo onde gêmeos digitais cuidam da metade das tarefas para você. Parece uma cena de um romance de ficção científica, mas a galera da Mininglamp-OSS decidiu tornar isso real em código. Eles estão construindo o OCTO — uma plataforma aberta onde humanos e agentes de IA (eles chamam de "Lobsters") trabalham lado a lado.
A peça central de toda essa ideia é o octo-server. Eu explorei o repositório e quero compartilhar por que este backend em Go merece sua atenção se você está pensando em integrar LLMs aos seus processos de negócio.
O que está sob o capô do escritório digital
Se você tirar toda a empolgação de marketing em torno de "gêmeos digitais", o octo-server é uma poderosa camada de gerenciamento. Ele conecta API REST, WebSocket para comunicação em tempo real e orquestração de agentes. O recurso principal é que a IA aqui não é encaixada na lateral como um chatbot — é uma participante completa nas conversas desde o início.
O projeto é escrito em Go, o que faz sentido para um sistema que precisa lidar com várias conexões paralelas e requisições para diferentes serviços. WuKongIM é usado como motor de mensagens instantâneas. Os desenvolvedores não reinventaram a roda e foram com uma solução de mensagens pronta, focando na lógica de interação.
O que torna este backend interessante
Na minha experiência, geralmente funciona assim: um cliente quer um "assistente inteligente", e você começa a improvisar para conectar a API do modelo com a interface do mensageiro. Os criadores do OCTO adotaram uma abordagem diferente.
A orquestração de Lobsters é construída no núcleo. O servidor gerencia sessões de agentes, roteamento de requisições e chamadas de ferramentas por conta própria. Os agentes rodam no OpenClaw, e o servidor entrelaça suas respostas no diálogo geral.
A arquitetura é bastante flexível. Enquanto MySQL e Redis são oferecidos prontos para uso, você pode trocar o armazenamento e até o motor de mensagens. O plano de controle do WuKongIM é separado por uma fronteira fina, então você pode conectar sua própria solução se necessário.
A abordagem local-first é um toque interessante. Os autores insistem que tudo que pode rodar no seu hardware — chats, embeddings, agentes — deve rodar lá. A nuvem permanece como opção, não um requisito obrigatório. Para o setor corporativo, onde enviar dados para a OpenAI pode causar problemas, isso é um grande diferencial.
Como funciona o processamento de requisições
Vamos ver o que acontece quando uma requisição entra no sistema:
- Autenticação. Tokens, cookies e até quadros Diffie-Hellman criptografados para WebSocket são suportados.
- Autorização. RBAC é implementado aqui, levando em conta organizações e direitos de acesso a canais específicos.
- Execução. A lógica de negócio roda. Se necessário, uma sessão de Lobster inicia ou retoma.
- Despacho. A mensagem vai para o WuKongIM, e se o canal está vinculado ao mundo externo — adaptadores são acionados.
- Resposta. O cliente recebe um JSON unificado com tags de rastreamento e métricas.
Estrutura do projeto
O código é bem organizado, então se orientar não será um problema:
internal/api/— os handlers vivem aqui para tudo: usuários, grupos, arquivos e webhooks.internal/service/— o "cérebro" do sistema, incluindo controle de acesso e aquela orquestração de agentes.internal/agent/— tudo relacionado aos Lobsters: armazenamento de sessões e execução de ferramentas.internal/im/— cliente para trabalhar com WuKongIM.
graph TD
subgraph Clients[Clients]
Web[octo-web<br/>Web / PC]
Android[octo-android<br/>Android]
iOS[octo-ios<br/>iOS]
end
subgraph Core[Core Services]
Server[octo-server<br/>Backend API]
Matter[octo-matter<br/>Task / Todo]
Summary[octo-smart-summary<br/>AI Summary]
Admin[octo-admin<br/>Admin Console]
end
subgraph Shared[Shared Libraries & Integrations]
Lib[octo-lib<br/>Core Go Library]
Adapters[octo-adapters<br/>Third-party Adapters]
end
Web --> Server
Android --> Server
iOS --> Server
Admin --> Server
Server --> Matter
Server --> Summary
Server --> Adapters
Server -.uses.-> Lib
Matter -.uses.-> Lib
Adapters -.uses.-> Lib
Para que usar isso
octo-server é uma boa escolha se você está construindo um portal corporativo interno de próxima geração. Em vez de alternar entre Jira, Slack e o console de gerenciamento de IA, você obtém um único ponto de entrada. Por exemplo, um desenvolvedor escreve no chat: "Crie uma tarefa para corrigir um bug em prod", e o agente não apenas entende o texto — ele vai para octo-matter e realmente cria a tarefa.
O projeto também será útil para construir assistentes de IA personalizados que precisam de acesso a todo o contexto de conversa da equipe. Graças ao código aberto e licença Apache 2.0, você pode adaptar o sistema a requisitos de segurança específicos.
Como executar e se vale a pena experimentar
O quick start é padrão para projetos Go: clone, build, rode com config.
git clone https://github.com/Mininglamp-OSS/octo-server.git
cd octo-server
go build -o octo-server .
./octo-server --config ./configs/tsdd.yaml
Porém, para funcionalidade completa, você também precisará de um banco de dados MySQL e uma instância do WuKongIM rodando. Se você não quer lidar com cada componente separadamente, eles têm um repositório octo-deployment com um Docker Compose pronto que sobe toda a stack de serviços com um único comando.
Tenha em mente que o projeto é um trabalho derivado do TangSengDaoDao. Isso deixa marcas na estrutura do código. A documentação ainda é escassa em alguns lugares, então em situações complicadas você terá que mergulhar no código fonte.
Para quem é isso? Primeiramente, para quem procura uma base pronta para criar sistemas colaborativos auto-hospedados com integração profunda de LLM. Se você só precisa de um chat, existem soluções mais simples. Mas se você precisa de "Lobsters" que vão lidar com o trabalho rotineiro para você — o OCTO vale uma noite de investimento.
Projetos relacionados