21 ferramentas open-source gratuitas para montar uma stack de agentes de IA
O autor do canal @replay_0x reuniu 21 repositórios abertos que permitem montar uma stack completa para agentes de IA, da orquestração à verificação antes do lançamento. A lista segue a ordem da cadeia: orquestração, ferramentas, navegador, memória, observabilidade e execução segura de código. Entre os itens estão LangGraph, CrewAI, MCP, browser-use, mem0, Langfuse e E2B. Para as equipes, isso funciona como um mapa pronto: um candidato para cada camada, em vez de começar a busca do zero.
Processado por IA de X: @replay_0x; editado por Hamidun News
Quando uma equipe decide "vamos fazer um agente", a primeira semana costuma ser gasta não com o produto, mas com a escolha de ferramentas: o que vai controlar os passos, como conectar serviços, onde guardar a memória e como entender por que o agente de repente respondeu bobagem. A seleção de 21 repositórios abertos publicada pelo autor do canal @replay_0x tenta resolver esse problema. Ela está organizada como uma cadeia: definir a tarefa, organizar o trabalho dos agentes, conectar ferramentas, dar a eles um navegador, adicionar memória e colocar em produção. Não é um ranking nem um benchmark, e sim um mapa de camadas, mas serve bem como ponto de partida.
Camada 1.
Orquestração: quem executa os passos e em que ordem
São oito itens, e vários deles competem entre si.
Claude Agent SDK é a estrutura sobre a qual roda o Claude Code, empacotada como biblioteca. LangGraph descreve o agente como um grafo com estado: cada passo é um nó, e as transições entre eles são definidas explicitamente. CrewAI monta uma "equipe" de agentes, cada um com seu papel, como funcionários de um pequeno departamento.
AutoGen, da Microsoft, aposta em agentes que trocam mensagens entre si. OpenAI Agents SDK foca na passagem de tarefas de um agente para outro. Mastra faz o mesmo para quem escreve em TypeScript.
Pydantic AI exige do agente uma resposta tipada e validada: em vez de texto livre, você recebe uma estrutura que pode ser entregue direto ao código. smolagents, da Hugging Face, propõe agentes que raciocinam diretamente em código.
Camada 2.
Ferramentas, navegador e memória
Para fazer algo útil, o agente precisa de "mãos". MCP Servers é um conjunto de servidores prontos do protocolo Model Context Protocol: a ideia é conectar qualquer ferramenta a qualquer agente da mesma forma. FastMCP permite escrever em poucos minutos um servidor MCP próprio para um serviço interno.
Se a tarefa não tem API, sobra o navegador. browser-use permite que agentes cliquem em sites reais. Stagehand reduz o trabalho com a página aos comandos act() e extract(): executar uma ação e extrair dados. Playwright MCP controla o navegador pelo mesmo protocolo MCP.
A memória resolve um problema cotidiano: o agente não deveria ter que se reapresentar a você a cada conversa. mem0 guarda memória de longo prazo. Letta constrói agentes com estado, que lembram de sessões anteriores. Graphiti armazena conhecimento na forma de grafo e acompanha o tempo, ou seja, entende que o endereço de um cliente em março e em novembro pode ser diferente.
Camada 3.
Montagem, observação e segurança
O último grupo serve para levar o protótipo até o lançamento. n8n é uma ferramenta de automação com mais de 400 integrações, prática quando o agente está embutido em processos de negócio comuns. Dify permite montar aplicações com LLM sem código, um caminho rápido para gerentes de produto e protótipos. Langfuse mostra rastreamentos e o custo das requisições, e ajuda a depurar as cadeias. promptfoo executa avaliações de qualidade e ataques de red teaming antes da publicação. E2B oferece sandboxes protegidas, onde é possível executar o código gerado pelo agente sem arriscar o próprio servidor.
O que fazer com isso e onde está a pegadinha
Uma forma prática de usar a lista é escolher uma ferramenta por camada, sem adotar tudo de uma vez. Por exemplo, para um agente interno típico bastam um orquestrador como o LangGraph, alguns servidores MCP, o Langfuse para observação e o promptfoo para as verificações antes do deploy.
Há também limitações a considerar. Primeiro, o "100% gratuito" vale para o código. Tokens de modelos, hospedagem, sessões de navegador e sandboxes custam dinheiro. Segundo, os orquestradores se sobrepõem: LangGraph, CrewAI, AutoGen e OpenAI Agents SDK resolvem problemas próximos, e não faz sentido instalá-los juntos. Terceiro, uma seleção em rede social não diz nada sobre a maturidade dos projetos, as licenças e a qualidade do suporte; isso precisa ser verificado por conta própria antes da adoção. Por fim, não há dados sobre como essas ferramentas funcionam em conjunto: as integrações terão de ser testadas nas suas próprias tarefas.
Ainda assim, como checklist de arquitetura, a lista é boa: ela lembra que um agente não é só o modelo. Sem memória, observabilidade, testes e isolamento de código, ele continua sendo uma demo. Se o seu projeto não tem pelo menos três das últimas camadas, é por elas que vale começar.
- 19 de nov. de 2026AG2 1.0 substitui o gerente LLM por canais Network e limita as chamadas de ferramentas a 8
- 19 de nov. de 2026Google AI Studio vende domínios a partir de US$ 12 por ano e instala apps Android direto no celular
- 19 de nov. de 2026OpenAI mostra como a sandbox do Codex limita os comandos do agente no seu computador
- 19 de nov. de 2026A palavra “videogame” elevou a disposição do GPT-6 Astra de escolher alvos de 6% para 92%
Perguntas frequentes sobre a notícia
O que se sabe sobre Camada 1. Orquestração: quem executa os passos e em que ordem?
São oito itens, e vários deles competem entre si. Claude Agent SDK é a estrutura sobre a qual roda o Claude Code, empacotada como biblioteca. LangGraph descreve o agente como um grafo com estado: cada passo é um nó, e as transições entre eles são definidas explicitamente. CrewAI monta uma "equipe" de agentes, cada um com seu papel, como funcionários de um pequeno departamento. AutoGen, da Microsoft, aposta em agentes que trocam mensagens entre si.
O que se sabe sobre Camada 2. Ferramentas, navegador e memória?
Para fazer algo útil, o agente precisa de "mãos". MCP Servers é um conjunto de servidores prontos do protocolo Model Context Protocol: a ideia é conectar qualquer ferramenta a qualquer agente da mesma forma. FastMCP permite escrever em poucos minutos um servidor MCP próprio para um serviço interno. Se a tarefa não tem API, sobra o navegador. browser-use permite que agentes cliquem em sites reais. Stagehand reduz o trabalho com a página aos comandos act() e extract(): executar uma ação e extrair dados.
O que se sabe sobre Camada 3. Montagem, observação e segurança?
O último grupo serve para levar o protótipo até o lançamento. n8n é uma ferramenta de automação com mais de 400 integrações, prática quando o agente está embutido em processos de negócio comuns. Dify permite montar aplicações com LLM sem código, um caminho rápido para gerentes de produto e protótipos. Langfuse mostra rastreamentos e o custo das requisições, e ajuda a depurar as cadeias. promptfoo executa avaliações de qualidade e ataques de red teaming antes da publicação.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.