Anthropic transforma o Claude Code em plataforma: Claude Mods invertem a lógica do harness do agente

A Anthropic está transformando o harness do Claude Code em uma camada programável. Os mods (Claude Mods) são plugins em TypeScript ou JavaScript executados dentro do Claude Code, tanto no CLI quanto no Desktop. Eles se inscrevem em eventos (prompt, chamada de ferramenta, renderização da interface) e podem observá-los, alterar a exibição ou substituir por completo o comportamento padrão. Na Latent Space, Dan McAteer chama isso de uma forma inicial de Attention Interface: a camada que decide quando o agente interrompe você, o que mostra e quais decisões espera especificamente de você. Durante algumas semanas, o autor ajustou o Claude Code ao seu próprio processo de engenharia e apresentou números concretos sobre benefícios e custos.

Seis mods que já vêm dentro do Claude Code

A própria Anthropic montou parte do produto com mods. Eles aparecem em /plugin, na seção Installed → Built-in:

• agents-md — carrega o AGENTS.md como instruções do projeto;
• diff — assume o comando /diff e desenha o painel dele;
• plugin-authoring — dá ao Claude uma skill com a qual ele escreve mods a partir de uma descrição em linguagem natural;
• sec-default — protege as configurações da organização contra mods instalados pelo usuário;
• telemetry — envia a análise de uso do Claude Code e dos mods integrados;
• you-should-know — um agente secundário que mostra uma nota acima da linha de entrada quando percebe algo que você pode ter deixado passar. É o único dos seis que vem desativado por padrão.

O caso do You Should Know é ilustrativo. O autor pediu para simplificar textos ruidosos da interface em um projeto pessoal. O agente principal enxugou os textos da tela Compare, gerou o build e tirou screenshots de "antes e depois". O agente secundário notou que havia alterações não commitadas em CompareView.swift e em cerca de outros 45 arquivos. Reverter as mudanças da demonstração apagaria também trabalho antigo e inacabado. O conselho foi: primeiro fazer commit ou mandar tudo para o stash.

O segundo mod o autor escreveu por conta própria. O Next Steps Supervisor roda depois de um turno em que o agente editou arquivos, executou comandos ou fez 8 ou mais chamadas de ferramentas. Ele emite um veredicto com uma lista de ressalvas, como atalhos que foram tomados, e sugere o próximo passo em um botão que envia a instrução ao Claude Code. O mod faz parte do ModSmith, plugin aberto do autor que reúne um conjunto de mods e um template para criar novos.

Três formas de distribuir a atenção

McAteer compara os Claude Mods com dois produtos que resolvem o mesmo problema:

• ChatGPT Intelligent UI. Em 7 de outubro, a OpenAI lançou o GPT-6 no ChatGPT junto com essa interface. O modelo gera gráficos, mapas, checklists, formulários e miniferramentas, como uma calculadora de poupança, direto na resposta. A interface é escolhida pelo modelo a partir de uma biblioteca de componentes da OpenAI, e, entre as configurações, no lançamento só foi citada a redução de elementos visuais. As configurações são mínimas, e o usuário-alvo não é o engenheiro.
• Cursor PR Routing & Approval. Ele designa revisores com base na propriedade do código e no histórico de commits e pode aprovar automaticamente PRs de baixo risco. A decisão se apoia em um risk score comparado a um limite definido, nos achados do Bugbot e dos Security reviewers e em arquivos de política no repositório. Se o PR altera a política, o agente a lê da branch base, então não é possível reescrever as regras para obter a própria aprovação. A documentação do Cursor diz explicitamente que o recurso "não substitui uma revisão completa". A equipe escreve as regras, mas o fluxo de interação é fixo.
• Claude Mods. A pessoa e o agente constroem a própria interface em código e se conectam a qualquer ponto do ciclo, do envio do prompt ao fim do turno.

A fórmula do autor: ChatGPT e Cursor entregam uma Attention Interface projetada por outra pessoa, enquanto os Claude Mods permitem projetar a sua. Mas a responsabilidade de torná-la útil recai sobre o usuário.

Ruído, tokens e confiança

O autor lista três desvantagens de forma direta:

• Ruído. Desde a instalação, em 15 de outubro, 99 de 111 turnos atenderam às condições de disparo do Next Steps Supervisor. Quando um mod fala quase sempre, os veredictos passam a ser ignorados e perdem o sentido. Em uma sessão, ele marcou a tarefa como "Solved" e, logo em seguida, listou duas lacunas e três atalhos.
• Custo. Cada verificação faz um fork da conversa e a relê. A maior parte vem do cache de prompts, mas o README do mod estima a verificação em 5–6 mil tokens equivalentes de entrada em uma sessão de 50 mil tokens, e o custo sobe quando o cache expira.
• Confiança. Um mod é código executado com as suas permissões: ele lê e escreve arquivos, vê cada prompt e gasta o seu limite de uso. A documentação da Anthropic avisa que os mods não são isolados em sandbox, e os integrados continuam funcionando mesmo com a execução em --safe-mode.

Há ainda uma vantagem: um mod próprio pode ser consertado. Se o supervisor incomoda com ruído, /supervisor off o desativa, e as condições de disparo podem ser reescritas.

Por onde começar

McAteer propõe um teste simples para qualquer mod: ele mostrou algo que você teria deixado passar, facilitou uma decisão ou permitiu agir sem uma saída desnecessária? Se não, é enfeite. A ordem prática é esta: identificar o atrito no trabalho com o Claude Code, descrever em linguagem natural o mod desejado e deixar a skill integrada plugin-authoring escrevê-lo. Mods de terceiros devem ser lidos antes da instalação, e as condições de disparo devem ser restritas para que os tokens sejam gastos em riscos reais. O próximo passo, na visão do autor: o próprio harness lerá as transcrições das sessões, encontrará os pontos em que você corrige o agente o tempo todo e proporá um mod para eles.