Manus e agentes de AI mudam o desenvolvimento: código para MVP agora surge em 20 minutos

Agentes de IA chegaram àquela parte do desenvolvimento onde antes desapareciam dias: inicialização de projeto, integração frontend-backend, arquitetura aproximada e primeira tela de demonstração funcional. Em um artigo no Habr AI, o autor testou isso com Manus e mostrou como uma ideia de startup se transforma em código funcional em cerca de 20 minutos.

Por que o código ficou mais rápido

A programação se mostrou um dos ambientes mais adequados para modelos generativos. Linguagens de programação têm sintaxe rigorosa, padrões repetidos e um formato de resultado claro: ou o código compila e faz o necessário, ou não faz. Por isso, LLMs já assumiram uma grande parcela do trabalho rotineiro — desde encontrar exemplos e escrever boilerplate até consultas SQL, índices, integração de API e correções entre frontend e backend. Onde um desenvolvedor costumava gastar horas em documentação, fóruns e colagem de fragmentos, agora o primeiro rascunho aparece quase instantaneamente.

Mas um chatbot comum logo atinge seu limite. Quanto mais complexa a tarefa, mais cópia-cola, sincronização manual e luta contra perda de contexto. A mesma pessoa é forçada a ficar re-explicando ao modelo quais endpoints já existem no backend, como o componente do frontend é estruturado e o que exatamente quebrou após a última correção. Como resultado, há aceleração, mas ela esbarra em gerenciamento mecânico: você não está mais tanto escrevendo código quanto transferindo contexto entre janelas e mensagens.

Experimento com Manus

Nesse contexto, o autor pegou Manus — uma ferramenta orientada a agentes que não apenas responde em chat, mas decompõe a tarefa em uma sequência de ações e executa muitos passos através do modelo seguidos. Em vez de fragmentos espalhados, ela deve retornar um resultado mais coeso: conceito de produto, estrutura de projeto, arquivos prontos e uma demonstração funcional. Para testar isso, o autor deu a ela uma ideia de startup e pediu para montar um MVP praticamente do zero.

Segundo sua descrição, a geração levou cerca de 20 minutos e custou algumas centenas de rublos. O resultado foi não apenas um conjunto de arquivos, mas um rascunho de produto tangível que pode ser baixado, aberto em um IDE, refinado e mostrado a outros. O mais importante para o autor foi que o agente retornou não fragmentos de lógica, mas um framework conectado com o qual se pode trabalhar como um MVP normal, em vez de como uma pilha de sugestões de chat.

• Conceito de MVP bem pensado sem folha em branco
• Backend e frontend ligados em um sistema
• Versão de demonstração que você pode clicar imediatamente
• Capacidade de fazer perguntas sobre o código gerado

"Não é 100% pronto — mas funciona."

O efeito principal aqui não é magia, mas compressão de tempo. O que costumava levar dias de montagem inicial, arquitetura básica e integração manual, o agente empacota em uma única execução longa. Para um fundador solo ou pequena equipe, isso reduz o preço de entrada de um MVP: há uma chance de testar a ideia mais rapidamente sem começar de um repositório vazio e uma lista interminável de pequenas tarefas técnicas. Isso muda o ritmo dos primeiros lançamentos e permite mostrar o conceito a parceiros, primeiros usuários ou investidores mais rapidamente.

Onde o agente atinge seus limites

Ao mesmo tempo, o autor não conclui que desenvolvedores não são mais necessários. Pelo contrário: quanto mais experiente um engenheiro ou fundador de startup, mais evidentes são as limitações dessa abordagem. O agente se sai bem em preencher uma folha em branco, mas tem dificuldade em sentir as prioridades de produto, compromissos e consequências de longo prazo das decisões.

Ele consegue montar uma base funcional, mas não entende verdadeiramente onde colocar um núcleo forte, onde cortar caminho pela velocidade e onde a dívida técnica depois atingirá o projeto inteiro. Há também um segundo problema — a ilusão de produtividade. Quando uma ferramenta gera a interface, o lado do servidor e a demonstração por conta própria, parece que o produto está quase pronto.

Mas então começa a fase mais cara: decifrar lógica de terceiros, revisar arquitetura, verificar gargalos, segurança, manutenção e desenvolvimento. Se a pessoa não controlou o sistema durante a montagem, ela pagará depois — com tempo gasto para entender como este código vive e o que quebrará primeiro.

O que isso significa

Agentes de IA como Manus já estão tornando a criação de software em rascunho notavelmente mais barata e rápida, mas isso ainda não é um substituto para desenvolvedores fortes, mas um amplificador para aqueles que sabem como estabelecer uma tarefa e tomar decisões de engenharia. O mercado está se deslocando da escrita manual de código para a capacidade de formular requisitos, verificar resultados, ver riscos arquitetônicos e assumir responsabilidade pelo sistema depois que o efeito "uau" inicial da geração acaba e o trabalho de engenharia comum começa.