Se você acompanha o ecossistema de agentes de IA, já deve ter sentido aquela tontura: LangChain aqui, CrewAI ali, AutoGen, Semantic Kernel, Bee Agent Framework — para cada semana surge um novo kit de orquestração prometendo ser “o padrão”. Montar um agente que realmente funcione em produção tem sido um exercício de colar frameworks, gerenciar loops de ferramentas, manter ambientes efêmeros e torcer para o sandbox não quebrar à meia-noite.
No Google I/O 2026, realizado em 19 de maio, o Google resolveu atacar o problema de frente — não com mais um framework, mas com uma plataforma.
Uma chamada de API, um agente completo
Os Managed Agents na Gemini API são exatamente o que o nome sugere: agentes de IA gerenciados integralmente pelo Google. Você não provisiona servidor, não configura ambiente, não escreve loop de execução. Uma única chamada REST para a Interactions API faz tudo:
- Provisiona um ambiente Linux isolado e efêmero
- Disponibiliza o motor do Antigravity — o mesmo agente que o Google usa internamente
- Concede acesso a execução de código, gerenciamento de arquivos e navegação web
- Retorna o resultado com todo o estado da sessão preservado
O agente padrão, chamado antigravity-preview-05-2026, roda sobre o Gemini 3.5 Flash — o novo modelo da Google que combina inteligência de fronteira com capacidade de ação, sendo quatro vezes mais rápido que outros modelos frontier.
O pulo do gato? O ambiente é stateful. Você pode enviar uma requisição, receber o resultado, e numa segunda chamada retomar exatamente de onde parou — com arquivos, histórico e estado intactos. Sessões que ficam inativas por 7 dias são removidas automaticamente.
Adeus código de orquestração, olá markdown
Aqui está o ponto que realmente muda o jogo: você não escreve código de orquestração para definir o comportamento do seu agente. Você escreve markdown.
O Google introduziu dois arquivos como contrato de definição de agentes:
AGENTS.md— define as instruções, comportamento e configuração geral do agenteSKILL.md— define habilidades e ferramentas customizadas que o agente pode usar
Isso não é só uma escolha estética. É uma declaração de intenções. Enquanto o ecossistema open source competia para ver quem criava a DSL mais complexa para orquestração, o Google apostou que o formato mais simples possível — markdown versionável, legível por humanos e por máquinas — é o suficiente para definir agentes de produção.
Para efeito de comparação: o que exigia páginas de código Python com grafos de estado, chains, tools e retrievers agora cabe em dois arquivos markdown registrados na API.
O que isso significa na prática
A verdadeira novidade não é “mais um jeito de criar agentes”. É quem pode criá-los.
Antes dos Managed Agents, colocar um agente em produção exigia um combo raro: engenheiro de IA que entende de LLMs + engenheiro de infra que sabe provisionar sandboxes seguros + alguém que domine o framework de orquestração da moda. Era um problema de bricolagem de frameworks — juntar peças que não foram feitas para funcionar juntas e esperar que não desabem.
Com a abordagem do Google, qualquer desenvolvedor que saiba escrever um arquivo markdown pode definir, registrar e escalar um agente. A infraestrutura — sandbox, loop de ferramentas, persistência de estado, segurança — é abstraída como serviço de plataforma.
O Google está vendendo agente como plataforma, não como frankenstein de frameworks.
Quem já está usando
Algumas empresas tiveram acesso antecipado ao preview e os relatos são consistentes: o valor está em poder focar no comportamento do agente, não na infraestrutura ao redor.
Ramp, ResembleAI, Klipy e Stitch estão entre os primeiros testadores. O feedback unânime é que a capacidade de definir agentes de forma declarativa e deixar o Google gerenciar o ambiente de execução reduz drasticamente o ciclo de iteração — de semanas para dias, em alguns casos.
Preços e limites durante o preview
O modelo de precificação é pay-as-you-go baseado em tokens do Gemini:
- Input: ~US$ 1,50 / milhão de tokens
- Output: ~US$ 9,00 / milhão de tokens (incluindo traces de raciocínio e código)
O compute do ambiente (CPU, memória, execução) é gratuito durante o preview. Isso é um incentivo claro para desenvolvedores experimentarem e benchmarkearem seus casos de uso antes da cobrança chegar na versão GA.
Outros limites importantes:
- Máximo de 1.000 agentes gerenciados por desenvolvedor
- Ambientes são deletados após 7 dias de inatividade
- VMs hibernam após um curto período ocioso — a próxima requisição restaura o estado com um cold start
- Ambiente base é Ubuntu com Python 3.12 e Node.js 22 pré-instalados
Segurança: sandbox real, não enfeite
Uma das maiores dores ao rodar agentes em produção é a segurança. Um agente que executa código e navega na web pode ser um vetor de ataque se não for bem isolado.
O Google trata isso em três camadas:
Isolamento em nível de SO. Cada agente roda em um sandbox Linux isolado. Nada de contêineres compartilhados ou processos lado a lado.
Allowlist de rede. Por padrão, o ambiente tem acesso de saída irrestrito, mas você pode restringir o tráfego a domínios específicos com uma network allowlist.
Injeção de credenciais via proxy de saída. As credenciais de APIs externas são injetadas por transformações de cabeçalho no proxy de egresso — nunca expostas dentro do sandbox. O agente usa o credential que você autoriza, mas o token em si não vaza para o ambiente de execução.
O contexto maior: a Google quer ser a camada de agentes do mundo
Os Managed Agents não são um produto isolado. Eles são uma peça de uma estratégia muito maior que o Google apresentou no I/O 2026.
- Gemini 3.5 Flash é o modelo que torna agentes práticos — rápido o bastante para loops de ferramentas em tempo real, barato o suficiente para execução contínua
- Antigravity 2.0 é a plataforma de desenvolvimento de agentes, agora com CLI, SDK e desktop app
- Gemini Spark é o agente pessoal 24/7 que vive no app do Gemini
- AI Mode na Pesquisa Google já ultrapassou 1 bilhão de usuários mensais
- Gemini Omni permite criar qualquer mídia a partir de qualquer entrada
A mensagem é clara: a Google está posicionando o Gemini como a camada agentica do seu ecossistema — do Search ao Workspace, do celular ao data center.
Os Managed Agents são a ponta desse iceberg para desenvolvedores. Eles permitem que qualquer pessoa — não apenas engenheiros de IA com stacks complexas de orquestração — construa agentes que rodam na mesma infraestrutura que o Google usa internamente.
O que muda para quem constrói agentes hoje
Se você está hoje usando LangChain, CrewAI, AutoGen ou qualquer framework de orquestração, os Managed Agents não tornam essas ferramentas obsoletas — mas recolocam a discussão.
Para prototipagem rápida e agentes de produção com requisitos de escala previsíveis, a abordagem gerenciada do Google elimina uma enorme quantidade de complexidade operacional. Para cenários que exigem controle total sobre o pipeline de execução, modelos híbridos ou suporte a múltiplos provedores de LLM, os frameworks tradicionais ainda fazem sentido.
O que muda é o piso mínimo de entrada. Antes, construir um agente de produção era um projeto de engenharia. Agora, é um arquivo markdown e uma chamada de API.
O veredito
O Google não lançou apenas mais uma feature na Gemini API. Ele lançou uma tese sobre como agentes devem ser construídos e consumidos: como um bloco nativo de plataforma, abstraído em markdown, executado em infraestrutura gerenciada, acessível por uma única linha de código.
A pergunta que fica para o ecossistema de frameworks é: se a definição de um agente cabe em dois arquivos .md, qual o valor real de uma camada de orquestração de 500KB?
Para os desenvolvedores brasileiros que acompanham o OpenMedeiros, a recomendação é clara: crie uma conta no Google AI Studio, teste o Antigravity agent com uma tarefa real, escreva seu primeiro AGENTS.md e veja com seus próprios olhos. O tempo dos agentes como plataforma chegou — e ele vem em markdown.
