OpenWorker: os Agentes de IA de Código Aberto de Andrew Ng

Se você quer um sistema de IA que conclua o trabalho em vez de apenas responder a prompts, a ideia central do OpenWorker cabe em uma linha: ele planeja tarefas, usa ferramentas e pede aprovação antes de ações de alto risco.

Eu resumiria assim: o OpenWorker é um framework de agentes local-first e de código aberto que roda por meio de um aplicativo de desktop e um servidor Python local, distribui tarefas entre modelos na nuvem e locais e usa 4 níveis de permissão para controlar o acesso a arquivos, a execução de comandos e as mensagens externas. Ele serve a equipes que querem controle mais rígido sobre os dados, menos atrito na configuração entre modelos e uma verificação humana clara antes que algo arriscado aconteça.

Aqui está a versão resumida:

• O que ele faz: transforma um objetivo em um fluxo de trabalho de várias etapas
• Como ele roda: aplicativo de desktop Tauri 2 + interface React 18 + servidor local FastAPI/Uvicorn
• Acesso a modelos: provedores na nuvem e modelos locais via aisuite, além de Ollama para uso local
• Modelo de segurança: read, write_local, exec e external
• Revisão humana: cada etapa exec e external aguarda aprovação
• Ferramentas conectadas: arquivos, calendários, Slack e outros sistemas de equipe
• Opção de endpoint de modelo: APIMart por meio de uma única API compatível com OpenAI
• Trabalho mais adequado: relatórios, pesquisa, pacotes de conteúdo, tarefas de suporte e pipelines de mídia
• Necessidades de produção: rastreamento, avaliações, versionamento de prompts, controle de gastos e um fluxo de revisão de caixa de saída

Alguns fatos se destacam. O OpenWorker usa 4 tipos de ação, bloqueia 100% das ações exec e external até que uma pessoa as aprove e pode alternar entre modelos como GPT-5, Claude Sonnet 4.6 e Gemini 3 Pro Preview sem alterar a lógica do fluxo de trabalho.

Se eu estivesse decidindo se ele serve para minha equipe, olharia primeiro para uma coisa: eu tenho trabalho repetível com etapas claras e a necessidade de aprovação humana em ações arriscadas? Se sim, o OpenWorker faz sentido.

Andrew Ng: State of AI Agents | LangChain Interrupt

Como o OpenWorker Funciona: Arquitetura, Modelos e Permissões

A confiabilidade do OpenWorker vem de três camadas: execução local, roteamento de modelos e portões de aprovação.

Aplicativo de desktop e servidor de agente local

O OpenWorker roda como um aplicativo de desktop Tauri 2 com interface React 18, junto a um servidor Python 3.10+ local que usa FastAPI e Uvicorn. Em português claro, o aplicativo que você vê no seu desktop trabalha lado a lado com um servidor local rodando na sua máquina.

Essa configuração mantém o agente próximo tanto dos dados quanto do usuário. Também ajuda a manter as coisas mais rígidas do ponto de vista de controle, já que o servidor escuta em localhost por padrão.

Roteamento de modelos entre LLMs na nuvem e locais

O OpenWorker usa aisuite para rotear requisições entre provedores de modelos na nuvem e runtimes locais como o Ollama. Isso dá às equipes margem para decidir para onde cada tarefa deve ir, em vez de enviar tudo por um único caminho.

Por exemplo, as equipes podem manter tarefas privadas localmente e rotear trabalho de menor risco para outro lugar. Se os dados forem sensíveis, as tarefas podem ser enviadas a um modelo local por meio do Ollama.

Planejamento de tarefas, ações tipadas e portões de aprovação

Quando você dá um objetivo ao OpenWorker, ele divide esse objetivo em etapas discretas e atribui um tipo de permissão a cada ação antes que algo seja executado. Assim, em vez de uma grande caixa-preta, você obtém uma série de etapas que podem ser verificadas e revisadas.

Os quatro tipos de permissão mapeiam diretamente para o nível de risco:

Os portões de aprovação bloqueiam toda ação exec e external até que um humano a aprove. Esse modelo de controle é o que torna prática a próxima camada de integrações.

Ferramentas, Integrações e Acesso a Modelos Impulsionado pelo APIMart

Trabalhando entre arquivos, calendários, Slack e sistemas de equipe

O OpenWorker se conecta a arquivos locais, calendários, Slack e outros sistemas de equipe por meio de ferramentas integradas, integrações hospedadas e conectores.^[4] Isso o torna útil para automatizar trabalho conectado, não apenas tarefas pontuais.

Veja como isso funciona na prática. Uma equipe de operações pede ao OpenWorker para preparar o relatório semanal de desempenho e compartilhá-lo com a equipe. O agente lê exportações de análises locais, monta um documento bem acabado em uma pasta compartilhada, redige um resumo no Slack com as métricas principais e então para para pedir aprovação antes de enviar qualquer coisa para fora da equipe.^[4] O OpenWorker faz a coordenação. As pessoas ainda decidem o que sai.

Equipes de conteúdo e marketing podem usar a mesma configuração para pacotes de conteúdo. O OpenWorker pode extrair pesquisa de origem de arquivos locais, redigir um briefing ou documento de blog e marcar prazos de revisão no calendário da equipe - tudo sem tocar em sistemas externos até que alguém aprove.^[4]

Usando o APIMart como um endpoint de modelo unificado

Uma vez que as ferramentas estão conectadas, o próximo passo é o acesso aos modelos. O OpenWorker pode usar o APIMart como seu endpoint de modelo unificado por meio de uma única URL base compatível com OpenAI.^[2][3]

A configuração é bem simples:

• Crie uma chave de API do APIMart
• Envie payloads JSON padrão compatíveis com OpenAI para requisições de chat, completions e mídia

Do ponto de vista do OpenWorker, o APIMart parece um único provedor estável. Mas por trás desse endpoint único, as equipes podem alternar entre modelos como GPT-5, Claude Sonnet 4.6 ou Gemini 3 Pro Preview sem alterar em nada o fluxo de trabalho do agente. Isso significa uma única camada de roteamento e menos manutenção entre os modelos que uma equipe usa.

Fluxos de trabalho multimodais para equipes de conteúdo e mídia

Essa mesma configuração de roteamento também dá suporte a trabalho multimodal além do texto. Com o APIMart, o OpenWorker pode ir da pesquisa ao roteiro e à geração de vídeo por meio de um único endpoint.^[1]

Para uma equipe que produz conteúdo de vídeo semanal, o OpenWorker pode coordenar todo o pipeline - pesquisa, roteiro, geração de ativos e preparação de revisão - enquanto o APIMart cuida da seleção de modelos em segundo plano. O fluxo de trabalho permanece o mesmo. Apenas o modelo muda.

Executando o OpenWorker de Forma Confiável em Produção

O uso em produção exige rastreamento, controles e visibilidade de custos entre modelos, tarefas e equipes. Construída sobre as permissões e o roteamento de modelos já existentes, esta seção cobre a camada operacional que faz esses fundamentos funcionarem na prática. O próximo passo é transformar essa configuração em algo que você possa observar, auditar e controlar em produção.

Rastreamento, avaliações e versionamento de prompts

A confiabilidade em produção começa com visibilidade em cada etapa de cada execução.

Toda execução de agente deve registrar o estado completo da execução: estado da conversa, entradas e saídas de ferramentas, qual modelo foi usado, contagens de tokens e latência por etapa. Sem isso, a depuração vira adivinhação. Com isso, você pode ver exatamente onde um fluxo de trabalho falhou e corrigir essa parte sem perturbar o resto.

O versionamento de prompts importa tanto quanto. Quando uma equipe atualiza um prompt de sistema para melhorar a qualidade da saída, há sempre a chance de que isso quebre algo que já funcionava. Rodar testes golden - um pequeno conjunto de entradas conhecidas como boas com saídas esperadas - contra cada mudança de prompt ajuda a pegar regressões antes que elas cheguem à produção. Os testes golden pegam regressões de prompt antes da implantação.

Controles de risco e supervisão humana para ações sensíveis

Quando um agente pode afetar sistemas compartilhados, a execução precisa de uma transferência revisável.

Para ações sensíveis, use um padrão de caixa de saída: o agente registra as ações pretendidas para revisão antes da execução.^[5] Isso é o ideal para sistemas compartilhados, onde a revisão humana deve acontecer antes da execução, não depois que o dano já foi feito.

Isso se liga diretamente aos tipos de permissão exec e external configurados anteriormente - o padrão de caixa de saída governa a transferência final dessas ações de maior risco. Em configurações multiagente mais complexas, uma estrutura de pastas construída em torno dos diretórios inbox/, outbox/ e workspace/ mantém as fronteiras de dados limpas e as transferências previsíveis.^[5] Cada agente sabe de onde ler e onde escrever, o que torna o pipeline mais fácil de auditar.

Gestão de custos e modelos com o roteamento do APIMart

Uma vez que os fluxos de trabalho estão rodando, o controle de custos se torna um requisito operacional.

Com o APIMart como endpoint central, as equipes podem acompanhar os gastos, definir tetos de preço e monitorar a latência em um só lugar. Se você já roda fluxos de trabalho multimodelo, o roteamento centralizado corta a sobrecarga de gerenciar chaves, SDKs e dashboards separados para cada provedor.

Com chaves diretas, picos de custo muitas vezes só são descobertos no fim de um ciclo de faturamento. Com o roteamento do APIMart, as equipes podem definir tetos de preço e regras de roteamento antes que um fluxo de trabalho se torne um problema caro.

Casos de Uso Práticos e Conclusão

Pesquisa, operações de conteúdo e fluxos de trabalho de mídia

Uma vez que os controles de fluxo de trabalho estão configurados, o OpenWorker tende a brilhar em trabalho repetitivo e de alto volume. Ele funciona melhor quando uma tarefa segue o mesmo conjunto de etapas repetidamente.

É por isso que ele se encaixa tão bem em fluxos de trabalho de marketing, pesquisa e mídia. As equipes podem automatizar a montagem de conteúdo coordenando diferentes partes do processo e verificando a saída final em relação aos padrões da marca. Em um pipeline, uma equipe pode redigir texto, gerar imagens e criar vídeos curtos por meio de um único endpoint.

Essa configuração torna muito mais suave o salto da pesquisa para a geração de texto, imagem e vídeo. Em vez de costurar ferramentas manualmente, as equipes podem rodar todo o fluxo em um só lugar.

Suporte, operações e automação de operações internas

A mesma ideia se estende ao suporte interno e às operações. O OpenWorker pode fazer mais do que enviar respostas simples. Ele pode responder, verificar e agir em tarefas rotineiras como verificações de status de pedidos, redefinições de senha e solicitações de faturamento.

Para as equipes, isso importa porque grande parte do trabalho interno não é difícil. É apenas repetitivo. O OpenWorker ajuda a fazer esse trabalho andar enquanto mantém as ações sensíveis atrás de portões de aprovação.

Conclusão: O que as equipes podem construir hoje

Juntos, esses fluxos de trabalho mostram onde o OpenWorker é mais forte agora. Seu design de código aberto dá às equipes controle direto sobre customização, dados e custo. Essa configuração é construída em torno da execução local-first e de uma automação prática que conclui o trabalho em vez de apenas começá-lo.

Uma maneira inteligente de começar é simples: comece com um fluxo de trabalho repetitivo e de alto volume, prove o valor e depois expanda.

Perguntas Frequentes

Para quem o OpenWorker é mais indicado?

O OpenWorker funciona melhor para equipes multifuncionais, desenvolvedores e unidades de negócio que querem levar a IA de demonstrações para uma automação confiável e pronta para produção.

Ele é uma boa opção para equipes que escalam fluxos de trabalho de várias etapas em pesquisa, operações de conteúdo, suporte ao cliente e automação de processos de negócio - especialmente quando querem manter o controle sobre customização, integrações e custos.

O OpenWorker consegue manter dados sensíveis localmente?

Sim. Frameworks de agentes de código aberto frequentemente dão suporte a implantação local, para que os desenvolvedores possam construir e testar agentes enquanto mantêm dados sensíveis dentro de seus próprios sistemas.

Com modelos de implantação local e protocolos de comunicação baseados em arquivos, as equipes podem manter fronteiras de dados rígidas em vigor e manter as operações internas.

Quais tarefas as equipes devem automatizar primeiro?

Comece com fluxos de trabalho de alto volume e baseados em regras. Os melhores alvos iniciais são tarefas repetitivas, fáceis de medir e já ligadas a sistemas como CRMs, ERPs ou help desks.

Bons primeiros casos de uso incluem triagem de suporte ao cliente e processamento de faturas. Por que esses primeiro? Eles podem reduzir o trabalho manual rapidamente e baixar os custos de serviço sem uma grande reformulação de processo.

A partir daí, as equipes podem se ramificar para processamento de documentos, extração de dados e geração de conteúdo.