O problema que ninguém fala
Todos estamos rodando agentes de código. Claude Code, Codex, Cursor Agent, Gemini CLI — as opções não faltam. Mas existe um padrão que se repete em todos os times: o agente é poderoso, mas o workflow ao redor é um caos.
Você copia e cola prompts. Fica de babá em cada sessão. Não há forma de saber o que um agente fez ontem. E quando o agente gera código, ele pula specs, ignora testes, e toma o caminho mais curto possível.
Não é um problema do modelo. É um problema de infraestrutura. Falta a você a camada entre “tenho um agente” e “tenho um agente que trabalha como um verdadeiro companheiro de time.”
Esta semana, dois repositórios que atacam exatamente esse problema explodiram no GitHub Trending. E o interessante é que eles resolvem as duas metades da mesma lacuna.
Multica: seus agentes no quadro, como companheiros de time
Repo: github.com/multica-ai/multica
Stars: ~15K | Forks: ~1.8K | Licença: Apache-2.0 | Linguagem: TypeScript + Go
Multica é uma plataforma open-source de agentes gerenciados. A proposta é direta: em vez de interagir com seus agentes via terminal um a um, você os transforma em membros do seu time com presença em um quadro de projeto.
Como funciona
Você instala o CLI, levanta o daemon, e Multica detecta automaticamente quais agentes você tem disponíveis no PATH — Claude Code, Codex, OpenClaw, OpenCode, Hermes, Gemini, Pi, ou Cursor Agent.
# Instalação
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash
# Configurar e iniciar
multica setup
Uma vez conectado, você cria agentes pela interface web. Cada agente tem nome, perfil, e aparece no quadro como qualquer outro integrante do time. Você atribui uma issue → o agente a pega, escreve código, reporta bloqueadores, atualiza o status. Sem intervenção.
A arquitetura
┌──────────────┐ ┌──────────────┐ ┌──────────────────┐
│ Next.js │────→│ Go Backend │────→│ PostgreSQL │
│ Frontend │←────│ (Chi + WS) │←────│ (pgvector) │
└──────────────┘ └──────┬───────┘ └──────────────────┘
│
┌──────┴───────┐
│ Agent Daemon │
│ (sua máquina│
│ ou cloud) │
└──────────────┘
O daemon roda na sua máquina local e se conecta ao backend via WebSocket. Quando um agente recebe uma tarefa, o daemon cria um ambiente isolado, executa o agente, e reporta os resultados. Também existe a opção de Multica Cloud se você não quiser fazer auto-hospedagem.
O que o diferencia
Skills compostos: cada solução que um agente encontra vira um skill reutilizável para todo o time. Deployments, migrações, code reviews — os skills se acumulam com o tempo. O agente que resolveu o problema de CORS na semana passada “se lembra” da solução para a próxima vez.
Multi-workspace: isolamento a nível de workspace. Cada workspace tem seus próprios agentes, issues, e configurações. Pense nisso como ter times separados com seus próprios agentes especializados.
Agnóstico a vendor: você não fica preso a nenhum provedor. Você pode misturar Claude Code para tarefas complexas, Codex para refatorações massivas, e OpenCode para o que for — tudo coordenado do mesmo quadro.
agent-skills: a disciplina de um engenheiro sênior, empacotada em Markdown
Repo: github.com/addyosmani/agent-skills
Stars: ~16K | Forks: ~2.1K | Licença: MIT | Autor: Addy Osmani (Google)
Se Multica resolve o “onde e como os agentes se coordenam”, agent-skills resolve o “que disciplina eles seguem quando trabalham.”
Addy Osmani — Engineering Manager no Google Chrome, autor de livros clássicos de JavaScript — empacotou as práticas de engenharia de produção do Google em 20 skills estruturados que qualquer agente de código pode seguir.
O problema que ele ataca
Os agentes de código tomam o caminho mais curto. Você pede uma feature e eles a entregam sem spec, sem testes, sem security review. Funciona no momento, mas é o tipo de código que um engenheiro sênior rejeitaria em code review.
agent-skills dá ao agente um processo estruturado para cada fase do desenvolvimento:
| Fase | Skills | O que forçam |
|---|---|---|
| Definir | idea-refine, spec-driven-development | Requisitos antes de código |
| Planejar | planning-and-task-breakdown | Decompor em chunks verificáveis |
| Construir | incremental-implementation, context-engineering, frontend-ui-engineering | Fatias verticais, contexto correto |
| Verificar | test-driven-development, debugging-and-error-recovery | Provar que funciona com testes reais |
| Revisar | code-review-and-quality, security-and-hardening | Gates de qualidade antes do merge |
| Entregar | git-workflow-and-versioning, ci-cd-and-automation, shipping-and-launch | Releases seguros e documentados |
Como se usa
Com Claude Code, a instalação é direta:
# Instalar como plugin
claude plugin add agent-skills
# Ou clonar e referenciar
git clone https://github.com/addyosmani/agent-skills.git
Uma vez instalado, você tem slash commands:
/spec → Inicia desenvolvimento spec-driven
/plan → Decompõe o trabalho em tarefas
/build → Implementa incrementalmente
/test → Workflow TDD
/review → Dispara code review
/ship → Checklist pré-lançamento
Para Cursor, você copia os SKILL.md para .cursor/rules/. Para Windsurf, você os adiciona à configuração de rules. Para Copilot, eles viram agent personas. E como cada skill é simplesmente um arquivo Markdown, funciona com qualquer agente que aceite system prompts.
O que torna esses skills diferentes
Não são prompts genéricos do tipo “escreva bons testes.” Cada skill tem:
Tabelas de contra-argumentação. São as desculpas que os agentes usam para pular passos importantes, com contra-argumentos factuais. Quando seu agente acha “isso é simples, não precisa de spec”, o skill o intercepta com o raciocínio de por que precisa.
Gates de verificação. Checkpoints em cada etapa do processo. O agente não avança para a próxima fase até que a atual esteja verificada.
Red flags. Sinais observáveis de que o skill está sendo violado. Úteis tanto para o agente em modo de auto-monitoramento quanto para você quando revisa o output.
A inspiração vem direto da cultura de engenharia do Google — Lei de Hyrum para design de APIs, a Regra Beyoncé para testes, a pirâmide de testes (80/15/5).
Agent personas inclusos
Além dos skills, o repo inclui personas reutilizáveis que você pode invocar:
- code-reviewer — revisa PRs com critério de engenheiro sênior
- test-engineer — analisa cobertura e qualidade de testes
- security-auditor — audita endpoints e detecta vulnerabilidades
A história real: duas camadas do mesmo stack emergente
O interessante de Multica e agent-skills estarem em trending na mesma semana é o que isso diz sobre para onde a indústria está indo.
O stack de desenvolvimento com agentes está se estratificando:
- Camada de modelo — Claude, GPT, Gemini, etc. (resolvido)
- Camada de agente — Claude Code, Codex, Cursor Agent (resolvido)
- Camada de coordenação — Multica, similares (emergindo agora)
- Camada de disciplina — agent-skills, similares (emergindo agora)
As camadas 1 e 2 já estão maduras. As camadas 3 e 4 são exatamente o que faltava para sair de “um dev com um agente” para “um time onde os agentes são companheiros produtivos.”
Multica cuida do onde e quando os agentes trabalham. agent-skills cuida do como e com que padrão de qualidade. São complementares por design, mesmo que não tenham sido criados juntos.
Como começar
Se você trabalha sozinho ou em um time pequeno: comece com agent-skills. É zero infraestrutura — você instala o plugin ou copia o Markdown, e seu agente imediatamente produz código com mais disciplina. O impacto é instantâneo.
Se você coordena múltiplos agentes ou tem um time: Multica faz mais sentido. O investimento em setup (self-hosted ou cloud) se justifica quando você precisa que vários agentes trabalhem em paralelo com visibilidade centralizada.
Se você quer os dois: instale Multica para a coordenação, e os agent-skills são carregados em cada agente individual. Os skills do Multica (que se acumulam) e os agent-skills do Osmani (que definem o processo) são complementares.
Links
- Multica: GitHub - multica-ai/multica: The open-source managed agents platform. Turn coding agents into real teammates — assign tasks, track progress, compound skills. · GitHub
- agent-skills: GitHub - addyosmani/agent-skills: Production-grade engineering skills for AI coding agents. · GitHub
- Documentação do agent-skills: agent-skills/docs/getting-started.md at 9534f44c5448086fcc0046f9d83752c654c81930 · addyosmani/agent-skills · GitHub
Você já está usando alguma camada de gestão ou disciplina sobre seus agentes de código? Ou você ainda está no modo copy-paste de prompts? Conta pra gente nos comentários 