Como Domar Uma Dezena de Agentes de Codificação e Configurá-los para Trabalhar Juntos no Omnigent

Se você já tentou executar o Claude Code, o Codex ou o Cursor no terminal, provavelmente notou um problema. Cada agente CLI tem sua própria interface, seus próprios flags e seus próprios hábitos ao modificar arquivos de projeto. Um lida melhor com refatoração, outro escreve testes com mais precisão, mas fazer eles trabalharem juntos em uma única tarefa sem muita troca manual costumava ser um desafio.

Recentemente encontrei o repositório Omnigent. É um meta-framework Python de código aberto que reúne diferentes agentes de IA em um único ambiente. Você obtém uma camada de orquestração compartilhada, uma interface unificada, políticas de segurança e a capacidade de se conectar a uma sessão a partir de um laptop ou até mesmo de um telefone.

O Que o Meta-Framework Pode Fazer

A ideia central por trás do projeto é isolar os desenvolvedores das especificidades de provedores e interfaces particulares. Em vez de reescrever código para trabalhar com diferentes SDKs nos bastidores, você define agentes de forma declarativa e os combina em grupos.

Aqui está o que o Omnigent pode fazer na prática:

1. Executar múltiplos agentes diferentes em uma única sessão. Por exemplo, um lida com planejamento enquanto outros escrevem código em paralelo em branches git.
2. Conectar qualquer modelo. Funcionam chaves de API da Anthropic ou OpenAI, assim como assinaturas regulares do Claude Pro ou ChatGPT, ou gateways de terceiros como OpenRouter, Ollama ou vLLM.
3. Persistir contexto de sessão entre dispositivos. Você pode começar o trabalho no terminal, continuar pelo aplicativo desktop ou verificar o status pelo navegador no celular.
4. Compartilhar sessões com colegas. Visualização colaborativa de agentes em tempo real, modo de copiloto ou bifurcação de um diálogo em um branch separado estão todos disponíveis.
5. Isolar execução em sandboxes. Mecanismos locais como bubblewrap no Linux e seatbelt no macOS são suportados, junto com ambientes em nuvem como Modal, E2B, Daytona ou Kubernetes.

Como Funcionam o Lançamento e a Configuração

A instalação é feita com um único comando via utilitário uv ou através de um script de instalação:

curl -fsSL https://raw.githubusercontent.com/omnigent-ai/omnigent/main/scripts/install_oss.sh | sh

Após a instalação, o utilitário CLI omnigent (ou alias curto omni) fica disponível no seu sistema.

Se você executar o comando omnigent, o sistema oferecerá importar chaves de API encontradas no seu ambiente ou autorizações de clientes de console anteriores.

A seguir, você pode iniciar um ambiente específico:

omnigent claude
omnigent codex
omnigent cursor

Quando lançado, não apenas um processo de console é iniciado, mas também um servidor web local na porta 6767. Se você navegar para http://localhost:6767, uma interface web se abre que espelha a saída do terminal.

Agentes Declarativos via YAML

A parte mais interessante é a capacidade de descrever seus próprios agentes e suas interações em um único arquivo de configuração. Aqui está um exemplo de um arquivo básico de agente:

name: my_agent
prompt: Вы помогаете анализировать данные и собирать отчеты.

executor:
  harness: claude-sdk

tools:
  word_count:
    type: function
    callable: mypackage.mymodule.word_count

  docs:
    type: mcp
    url: https://example.com/mcp

O repositório contém vários exemplos prontos. O exemplo Polly (examples/polly/) é particularmente notável.

Polly é um tech lead multi-agente. Este agente não escreve código ele mesmo. Ele decompõe uma tarefa e delega subtarefas para outros agentes (Claude Code, Codex ou Pi) em branches git worktree isolados. Quando o código está pronto, Polly envia o diff para revisão para um agente de um fornecedor diferente. Você obtém pull requests prontos e revisão cruzada de código sem a complicação extra.

Outro exemplo é a Debby. Ela envia uma requisição para dois modelos (Claude e GPT) simultaneamente e exibe suas respostas lado a lado. O comando /debate faz os modelos criticarem as decisões um do outro até chegarem a um consenso.

Segurança e Limites de Orçamento

Dar aos agentes acesso total ao terminal e sistema de arquivos pode ser perigoso. O Omnigent resolve isso com políticas de segurança.

As políticas verificam cada ação do agente e podem bloqueá-la ou solicitar sua confirmação antes de executar um comando. Além disso, as regras podem ser definidas no nível do servidor, por agente individual ou para a sessão atual:

policies:
  approve_shell:
    type: function
    handler: omnigent.policies.builtins.safety.ask_on_os_tools
  budget:
    type: function
    handler: omnigent.policies.builtins.cost.cost_budget
    factory_params:
      max_cost_usd: 5.00
      ask_thresholds_usd: [3.00]

Neste exemplo, o agente solicitará confirmação antes de executar comandos shell e parará quando o limite de 5 dólares for atingido.

Para Quem o Projeto É Indicado

O Omnigent é uma boa escolha para equipes que experimentam ativamente com agentes de IA no desenvolvimento diário. Se você lacks controle sobre despesas, quer executar agentes em sandboxes em nuvem ou precisa de uma forma conveniente de compartilhar sessões com colegas, este projeto atenderá essas necessidades.

O projeto está em estágio alfa, mas já tem 8,7k estrelas no GitHub e uma comunidade ativa. Para começar, basta instalar o CLI e executar um dos exemplos prontos.