Framework zymi propõe construir agentes de AI como um projeto dbt com YAML e event sourcing

No Habr, houve uma análise de zymi — um framework experimental para construir sistemas multi-agentes no espírito do dbt. Em vez de orquestração manual e estado mutável compartilhado, o autor propõe configurações YAML declarativas e um barramento event-sourced, onde cada etapa de um agente é registrada como um evento separado.

Como o zymi Funciona

A ideia do zymi surgiu de uma dor bem prática. O autor veio ao desenvolvimento de agentes a partir de data engineering e tentou montar padrões típicos em LangGraph, mas rapidamente esbarrou no problema do estado mutável compartilhado: ele precisa ser constantemente atualizado, depurado e analisado através de logs. Em resposta, surgiu uma abordagem diferente — descrever não como os agentes se movem por etapas, mas o que o sistema deveria realizar. Esta é uma referência direta ao dbt, onde um desenvolvedor declara transformações e o mecanismo as executa na ordem correta.

No zymi, um projeto básico se divide em entidades familiares: agentes, ferramentas, memória, pipelines e um arquivo project.yml comum. No exemplo de demonstração, há dois agentes — um pesquisador e um escritor, e o pipeline em si é estruturado como um DAG: um par de etapas pode começar em paralelo, e as subsequentes dependem de depends_on. As ferramentas também são descritas declarativamente, por exemplo como chamadas HTTP com parâmetros e chaves de variáveis de ambiente. O autor argumenta que isso é precisamente o que torna o sistema mais conveniente para LLMs: os modelos são significativamente mais simples para gerar YAML de acordo com um esquema rigoroso do que escrever código de orquestração frágil.

• Agentes são descritos por arquivos YAML
• Ferramentas podem ser conectadas como chamadas HTTP
• Pipelines são montados em um DAG com etapas paralelas
• Execução e monitoramento acontecem via CLI

"Gerar yaml de acordo com um esquema json-schema rigoroso para modelos

é ordens de magnitude mais simples".

Por Que Event Sourcing É Necessário

A diferença chave do zymi de frameworks de agentes mais familiares — não apenas configurações, mas a arquitetura por baixo. Em vez de memória compartilhada que agentes mutam conforme trabalham, um barramento de dados unificado é usado. Cada ação é registrada como um evento imutável em um banco de dados, completo com verificação hash-chain.

O resultado é não apenas um log, mas um histórico de execução reproduzível: você pode ver qual etapa começou, qual ferramenta foi chamada, o que o agente tentou escrever na memória e onde o sistema solicitou aprovação de um humano. Essa abordagem é fundamentada no artigo recente ESAA: Event Sourcing for Autonomous Agents in LLM-Based Software Engineering, que o autor chama de uma das principais fontes de inspiração. A lógica é assim: um agente não muda o estado diretamente, mas primeiro expressa uma intenção de fazer algo.

Então essa intenção passa por um monitor, que pode aprovar a ação, rejeitá-la ou solicitar aprovação. No exemplo do artigo, é exatamente assim que a tentativa de escrever o relatório final em um diretório fora da lista permitida é tratada. Essa abordagem torna o comportamento do agente muito mais transparente: o time vê não apenas o resultado, mas a razão de cada etapa.

O Que Vem a Seguir para o Projeto

O autor afirma diretamente que o zymi está atualmente em alpha e é percebido como uma ferramenta para prototipagem e experimentação. Ao mesmo tempo, o projeto já tem um grande backlog: migração para libsql com memória vetorial e réplicas edge, suporte a PostgreSQL como barramento de dados, conexão declarativa de ferramentas Python, refinamento de projeções de diálogo para reinicializações idempotentes e streaming de respostas de LLM. Separadamente, o autor quer comparar o mesmo pipeline de agentes em LangGraph e zymi para verificar onde menos iterações e tokens serão necessários.

Se esse experimento confirmar a hipótese, zymi pode ser não apenas outro "framework de agentes", mas uma tentativa de trazer a disciplina de data engineering para IA agêntica: dependências explícitas, reprodutibilidade, eventos verificáveis e menos magia manual. Por enquanto, isto é mais de um manifesto de engenharia do que uma plataforma madura, mas tais projetos frequentemente estabelecem uma nova linguagem para discutir como sistemas de agentes confiáveis devem parecer quando os experimentos começam a fazer a transição para produção.

O Que Isso Significa

O mercado de agentes de IA está gradualmente se afastando de scripts improvisados em direção a sistemas de orquestração mais rigorosos. zymi é interessante porque propõe ver agentes como pipelines de dados: com montagem declarativa, auditoria de ações e controle de operações perigosas. Para equipes que valorizam reprodutibilidade e observabilidade, isso pode se tornar uma alternativa notável para abordagens stateful familiares.