Um agente de programação é um agente de IA cujas ferramentas são o seu editor, o sistema de arquivos e o terminal.
Como funciona
O agente recebe uma tarefa em linguagem natural e trabalha em ciclo. A cada turno, o modelo responde ou devolve tool calls como “leia este arquivo”, “aplique esta edição” ou “rode os testes”. O host das ferramentas executa as chamadas, anexa a saída e chama o modelo de novo.
A documentação do Claude Code o descreve como “an agentic coding tool that reads your codebase, edits files, runs commands, and integrates with your development tools.” (tradução: uma ferramenta de agentic coding que lê a sua codebase, edita arquivos, roda comandos e se integra às suas ferramentas de desenvolvimento.) Aider, Cline e ferramentas parecidas seguem o mesmo ciclo, com interfaces e modelos de permissão diferentes.
O artigo do SWE-agent (Yang et al., 2024) defende que agentes são um novo tipo de usuário que precisa de uma interface própria, uma “agent-computer interface” (interface agente-computador), assim como as pessoas precisam de uma IDE. Com essa interface, os autores relatam uma taxa pass@1 de 12,5% no benchmark SWE-bench, que eles descrevem como estado da arte na época.
Uma execução típica, vista como requisições ao modelo:
| Passo | Saída do modelo | Tokens enviados como entrada |
|---|---|---|
| 1 | run_tests() |
system prompt + ferramentas + tarefa |
| 2 | read_file("src/parse.py") |
passo 1 + saída dos testes |
| 3 | edit_file(...) |
passo 2 + conteúdo do arquivo |
| 4 | run_tests() |
passo 3 + diff |
| 5 | “Corrigido; os testes passam.” | passo 4 + saída dos testes |
A entrada cresce a cada passo, porque o histórico inteiro é reenviado.
Por que isso importa
- Custo. Tarefas longas significam muitas requisições com entradas grandes e quase sempre repetidas. O post sobre o custo de uma execução faz as contas com números reais, e como reduzir o custo de agentes de programação lista as alavancas.
- Contexto. Sessões longas enchem a janela de contexto. Os agentes usam context compaction e subagentes para manter isso sob controle.
- Adequação do modelo. O modelo precisa seguir os schemas das ferramentas de forma confiável por muitos turnos. Veja o melhor modelo aberto para agentes de programação.
- Segurança. Um agente que roda comandos pode causar estragos. Mantenha a aprovação ativa para ações destrutivas e trate o conteúdo do repositório como entrada não confiável (prompt injection).
Na BroadNet Inference
Agentes de programação que aceitam uma base URL compatível com a OpenAI podem chamar a BroadNet em https://inference.broadnet.ai/v1. Há guias de configuração para o Aider, o Cline e outros. A documentação da BroadNet lista tool calling para o GLM 5.3 e o Qwen3.8 27B.
No pagamento por uso, uma chave permite 30 requisições por minuto e 4 em andamento. Os planos de preço fixo (Full Moon, Orbit, Meteor) cobrem o DeepSeek V4.1 Flash sem medidor de tokens. Uma sessão roda uma requisição por vez, o que serve para um agente. Se você roda agentes em paralelo, ou um agente que inicia subagentes, compre uma sessão para cada requisição que roda ao mesmo tempo. O guia de sessões mostra a conta.