Oito ferramentas open source para agentes de IA: Browser Use lidera com 121 mil estrelas
Um desenvolvedor de sistemas de proteção para agentes (@0xPrabalParihar) selecionou oito ferramentas abertas e verificou suas licenças. Todas são MIT ou Apache-2.0, e a liderança é do Browser Use, com 121 493 estrelas no GitHub (é assim que os desenvolvedores marcam repositórios úteis), que dá ao agente um navegador de verdade. Mas limites de gastos e permissões de acesso não são garantidos pelos frameworks: eles precisam ser construídos por quem implementa.
Processado por IA de X: @0xPrabalParihar; editado por Hamidun News
Quando uma equipe monta um agente de IA pela primeira vez, a escolha de ferramentas vira uma loteria: há dezenas de repositórios, licenças diferentes, e metade dos projetos "abertos" acaba sendo vitrine de um produto pago. O desenvolvedor de sistemas de proteção para agentes @0xPrabalParihar publicou no X uma lista curta com oito projetos. Segundo ele, no mesmo dia verificou cada repositório e sua licença, e deixou de fora as plataformas open-core, em que parte das funções é fechada.
Os números do título significam o seguinte: oito é a quantidade de ferramentas, e 121 mil é o número de "estrelas" do mais popular deles, o Browser Use. A estrela no GitHub é um marcador que o desenvolvedor usa para salvar um repositório de que gostou, por isso a quantidade indica a popularidade do projeto. Não se trata de uma pesquisa nem de um benchmark, e sim de uma cola prática.
Arcabouço: grafos, papéis e tipagem
LangGraph (45 157 estrelas, licença MIT) descreve o agente como um grafo de etapas. Ele tem estado, novas tentativas em caso de falha e pontos em que uma pessoa intervém no processo. Serve bem para cenários longos, como "coletar dados, verificar, aguardar a aprovação do gerente, enviar".
CrewAI (61 104 estrelas, MIT) divide o trabalho por papéis: pesquisador, redator, editor. A abordagem é conveniente quando a tarefa se distribui naturalmente entre especialistas.
Agno (43 239 estrelas, Apache-2.0) é um framework rápido em Python. O autor observa que, nesta semana, houve commits reais no projeto, ou seja, ele está ativo.
Smolagents (30 445 estrelas, Apache-2.0) é feito pela Hugging Face. Aqui o agente é "de código": o modelo escreve as chamadas de ferramentas como um programa, e não como um conjunto de comandos JSON. Assim, é possível executar várias ações em sequência em um único passo.
Pydantic AI (21 291 estrelas, MIT) constrói agentes em Python tipado, com respostas estruturadas. Se você precisa de um objeto válido na saída, e não de texto livre, essa opção é para você.
Conexão com o mundo externo e controle de qualidade
MCP Python SDK (24 905 estrelas, MIT) é o SDK oficial do Model Context Protocol. O autor chama o MCP de conector que a maioria dos agentes hoje utiliza. Com ele, o agente se conecta a ferramentas e dados externos por um padrão comum, sem integração separada para cada serviço.
Browser Use (121 493 estrelas, MIT) lidera em estrelas. Ele dá ao agente um navegador de verdade, para quando o serviço não tem API ou ela é incompleta. O agente abre páginas, clica e preenche formulários, como faria um usuário. O preço dessa versatilidade é o risco: um agente de navegador pode fazer mais do que você esperava.
Guardrails AI (7 627 estrelas, Apache-2.0) verifica a resposta do modelo segundo regras definidas e a corrige antes que ela chegue ao usuário. É o projeto com menos estrelas da lista, mas sua tarefa é diferente: as outras ferramentas ajudam o agente a agir, e esta verifica o resultado.
O que não está na lista e o que fazer
A última frase do post é mais importante que a própria lista: "Um framework não é limite de gastos nem sistema de permissões de acesso. Esses itens ainda precisam ser adicionados." Nenhuma das oito ferramentas, por si só, vai parar um agente que entrou em loop e consome o orçamento com chamadas ao modelo. Nenhuma decide que o agente não pode apagar registros ou pagar com o cartão corporativo. Essas restrições precisam ser construídas à parte: por meio de cotas no provedor, contas separadas com privilégios mínimos, confirmação humana para ações de risco e registro de logs.
Também vale lembrar as limitações do próprio material. É a publicação de um único autor, não uma análise independente. A contagem de estrelas mostra popularidade, mas não qualidade nem maturidade para produção. O autor desenvolve mecanismos de proteção para agentes, por isso sua ênfase em segurança é compreensível. A lista não diz nada sobre como as ferramentas se combinam entre si nem sobre os problemas que surgem em escala.
Para começar, dá para usar uma combinação simples. LangGraph ou Agno para orquestração, Pydantic AI ou Guardrails AI para verificar formato e conteúdo da resposta, e o MCP SDK para conectar ferramentas. O Browser Use só deve ser adicionado onde não há outro caminho, e em um ambiente isolado. Antes de subir o sistema, confira a licença, a atualidade dos commits e responda a duas perguntas: "Quanto esse agente pode gastar em uma hora?" e "O que ele pode fazer sem que eu saiba?". Se não houver resposta, é sinal de que a parte mais importante do sistema ainda não foi escrita.
- 21 de nov. de 2026Thinking Machines lança o Inkling 2 Mini, modelo aberto de 26,4 bilhões de parâmetros para Macs com 32 GB
- 21 de nov. de 2026MLCommons começou a medir APIs de IA sob carga real: 7 medições para agentes
- 21 de nov. de 2026Unsloth atualizou os modelos comprimidos do Qwen3.8-27B: precisão sobe 5–10% com o mesmo tamanho
- 21 de nov. de 2026Google abre pré-venda de óculos inteligentes com Gemini a partir de US$ 395 — vendas começam em 10 de dezembro
Perguntas frequentes sobre a notícia
O que se sabe sobre Arcabouço: grafos, papéis e tipagem?
LangGraph (45 157 estrelas, licença MIT) descreve o agente como um grafo de etapas. Ele tem estado, novas tentativas em caso de falha e pontos em que uma pessoa intervém no processo. Serve bem para cenários longos, como "coletar dados, verificar, aguardar a aprovação do gerente, enviar". CrewAI (61 104 estrelas, MIT) divide o trabalho por papéis: pesquisador, redator, editor. A abordagem é conveniente quando a tarefa se distribui naturalmente entre especialistas.
O que se sabe sobre Conexão com o mundo externo e controle de qualidade?
MCP Python SDK (24 905 estrelas, MIT) é o SDK oficial do Model Context Protocol. O autor chama o MCP de conector que a maioria dos agentes hoje utiliza. Com ele, o agente se conecta a ferramentas e dados externos por um padrão comum, sem integração separada para cada serviço. Browser Use (121 493 estrelas, MIT) lidera em estrelas. Ele dá ao agente um navegador de verdade, para quando o serviço não tem API ou ela é incompleta. O agente abre páginas, clica e preenche formulários, como faria um usuário.
O que não está na lista e o que fazer?
A última frase do post é mais importante que a própria lista: "Um framework não é limite de gastos nem sistema de permissões de acesso. Esses itens ainda precisam ser adicionados." Nenhuma das oito ferramentas, por si só, vai parar um agente que entrou em loop e consome o orçamento com chamadas ao modelo. Nenhuma decide que o agente não pode apagar registros ou pagar com o cartão corporativo.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.