DIYgod lança o Pinky: ponte open source para um agente de IA controlar iPhone e Android

Os agentes aprenderam a programar, navegar por sites e trabalhar com arquivos. Mas, assim que a tarefa depende do celular, tudo quebra: mensagens em um mensageiro, um pedido em um app de entrega, um pagamento no aplicativo do banco. Boa parte disso não existe na web, e um agente de navegador comum não chega lá. O desenvolvedor chinês DIYgod publicou o projeto Pinky, que tenta fechar essa lacuna.

O que é

Segundo o autor, o Pinky permite que qualquer agente de IA use o seu iPhone ou Android. A ferramenta roda em Mac, Windows e Linux, ou seja, o celular é conectado ao computador e o agente trabalha por meio dele. O projeto é gratuito e de código aberto. É um aplicativo nativo, não um invólucro pesado: o pacote de instalação tem cerca de dez megabytes.

A expressão-chave aqui é «qualquer agente». O Pinky não foi pensado como mais um assistente isolado, mas como uma camada entre o agente e o dispositivo. Você escolhe o modelo ou framework de que gosta, e o Pinky lhe dá mãos para trabalhar com o celular. O autor não revela no post os protocolos de conexão específicos nem a lista de agentes compatíveis; é preciso consultar o repositório.

Por que a ênfase no controle

Entregar o celular a um agente é mais assustador do que entregar um navegador: ali estão dinheiro, conversas e dados pessoais. Por isso metade do anúncio é dedicada aos freios. Antes de um pagamento, o Pinky para e espera a sua confirmação. As mesmas confirmações podem ser ativadas para envio de mensagens e para exclusão. É o esquema conhecido de human-in-the-loop, aplicado a ações realmente perigosas e não a tudo indiscriminadamente.

O segundo mecanismo é a possibilidade de assumir o controle a qualquer momento. Se o agente for pelo caminho errado, basta pegar o celular de volta. O terceiro é a gravação de tela a cada passo. Para depuração isso é útil: você vê não um log abstrato, mas o que o agente de fato tocou. E, se algo der errado, você tem a prova de onde exatamente.

Limitações e dúvidas

Por enquanto é um post de anúncio, não uma análise. Não sabemos com que estabilidade o agente lida com aplicativos complexos, como o projeto se comporta diante das proteções de aplicativos bancários nem quais limitações o iOS impõe. Também não está claro como funcionam as permissões e onde o vídeo é armazenado, questão importante para uma gravação de tela com dados pessoais. O alcance do post (cerca de 72 mil visualizações) indica interesse, mas não maturidade do produto.

Um risco à parte são as injeções de prompt. Se o agente lê na tela mensagens de terceiros, elas podem conter texto com instruções. A confirmação antes do pagamento atenua as consequências, mas não elimina o problema para ações que você não colocou sob confirmação.

O que fazer com isso

Desenvolvedores de agentes devem olhar o repositório e ver como foram construídas as confirmações e a gravação: essas técnicas serão úteis em outros projetos. Gestores de produto podem anotar o padrão «pausa em ações irreversíveis mais auditoria em vídeo» como um padrão básico de confiança. O melhor é testar em um dispositivo de teste ou em uma conta reserva, e ativar as confirmações para tudo que envolva dinheiro, mensagens e exclusão. Se o Pinky se mostrar estável, os agentes open source ganharão a camada móvel que lhes faltava, sem dependência de um único fornecedor.