The Agent SDK

Artigo original ↗ Discussão no Hacker News ↗

Os “agent SDKs” que se proliferam rapidamente, como o do Cursor, estão sendo comparados à rotatividade de frameworks JavaScript, com muitos engenheiros céticos de que fluxos de trabalho de agentes cada vez mais elaborados superem prompts bem construídos e ferramentas mais simples. Os comentaristas ponderam os trade-offs entre harnesses proprietários como Claude Code, Cursor e as ofertas da OpenAI — muitas vezes fortemente ajustados aos seus próprios modelos e subsidiados via assinaturas — e harnesses open source ou personalizados, que prometem flexibilidade mas podem carecer de integração profunda e de uma economia estável. Por trás do branding e das siglas, as tensões centrais são o lock-in de fornecedor, a ausência de benchmarks ou padrões claros, e se arquiteturas multiagente complexas entregam ganhos reais de produtividade ou apenas teatro de produtividade.

Ecossistema, Padrões e Lock-In de Fornecedor

  • Vários comentários querem um padrão comum (por exemplo, OpenResponses) para que os apps não fiquem presos a fornecedores específicos (OpenAI, Anthropic, Cursor, etc.).
  • Outros observam que estamos numa fase “pré-padrões”: muitas tentativas paralelas porque ninguém ainda sabe qual é o “design certo”.

SDKs de Agentes, Harnesses e Níveis de Abstração

  • Alguns argumentam que um “agent SDK” pode ser tão simples quanto PROMPT.md + runtime + tools; frameworks complexos como LangChain parecem exagerados.
  • Contra-argumento: runtimes adicionam o controle necessário — ferramentas, modelos, permissões, guardrails, quotas e auditabilidade diferentes entre fluxos de trabalho, especialmente para empresas.
  • Várias pessoas descrevem o uso de Temporal, gRPC, k8s ou o ADK do Google como espinhas dorsais de orquestração em vez de frameworks de agentes pesados.

Ceticismo: Teatro de Produtividade e Rotatividade

  • Muitos veem fluxos de trabalho infinitos de “agentes” como hype, com pouca evidência empírica de que superem bons prompts únicos.
  • São feitas comparações com a rotatividade de frameworks JS, a mania de diagramas OOP/UML e o ajuste interminável de ambientes de desenvolvimento (por exemplo, configs do neovim).
  • Alguns criticam “fábricas de software” multiagente que geram PRs enormes sem revisão, alertando que isso degrada os padrões de engenharia e aumenta o risco.

Open Source vs. Harnesses Proprietários

  • Um grupo considerável continua com harnesses proprietários (especialmente Claude Code e Cursor) devido a:
    • Integração profunda com modelos de fronteira e preço de assinatura subsidiado.
    • Crença de que os modelos performam melhor em seu harness “nativo”.
    • UX familiar, baixa pressão para trocar e percepção de falta de recursos de destaque em harnesses OSS.
  • Outros defendem harnesses abertos (Pi, OpenCode, os personalizados), enfatizando:
    • Portabilidade entre modelos/provedores.
    • Capacidade de rotear entre assinaturas e APIs.
    • Nenhum lock-in real, já que os harnesses podem chamar as CLIs uns dos outros.
  • Há confusão e discordância sobre os termos da Anthropic, cobrança e se harnesses de terceiros usam assinaturas do Claude vs créditos de API separados; a documentação e o comportamento são descritos como ambíguos, mas recentemente atualizados.

Cursor, “Agent SDK” e Alternativas

  • Alguns acham que a UX do Cursor piorou à medida que ele perseguiu fluxos de trabalho agentic, preferindo seu modelo anterior e mais simples de “tabs + cmd-K”.
  • Outros gostam da história de cloud/deploy agentic do Cursor e veem “agentes” como cargas de trabalho para hospedar e monetizar.
  • As comparações mencionam ferramentas concorrentes (Anthropic Agent SDK, OpenAI Agents, Vercel AI/Eve, Devin), mas o fio não encontra nada obviamente único no pitch do Agent SDK do Cursor.

UI/UX e Necessidades Reais de Negócio

  • Um praticante diz que a parte mais difícil são UIs de chat específicas do domínio e fluxos de aprovação; interfaces genéricas de chat e MCP/tooling não resolvem isso, forçando muitos a reconstruir frontends por conta própria.
  • Várias bibliotecas/frameworks (TanStack AI, ChatGPT Apps, TUIs customizadas) são mencionados como tentativas de lidar com fluxos de UI mais ricos em cima de agentes.