Explore o caminho visionário da Manus enquanto eles constroem Agentes de IA autônomos capazes de navegar pela web. Conheça a tecnologia dos navegadores em nuvem, a persistência de estado e como a colaboração humano-máquina está evoluindo para ampliar nossos limites cognitivos.
TL;DR
A Manus está redefinindo o conceito de Agentes de IA, indo além de chatbots simples para criar entidades digitais persistentes e autônomas. Ao alavancar a tecnologia de navegador em nuvem e focar na agência universal em vez de integrações limitadas, a equipe da Manus está construindo um futuro onde a IA atua como uma extensão perfeita da mente humana, capaz de executar tarefas complexas em toda a web.
Tudo começou com um memorando de voz. Há um ano, em uma sala repleta do zumbido de MacBooks de última geração e do cheiro de café velho, quatro engenheiros se reuniram para descobrir por que a tecnologia mais avançada da história humana ainda não conseguia reservar um voo ou organizar uma planilha sem precisar de assistência constante. Eles gravaram o debate, uma troca crua de ideias que acabaria se tornando o projeto-base da Manus. Ao revisitar essas transcrições hoje, é possível ver o momento exato em que a visão de um verdadeiro Agente de IA nasceu—não como um chatbot que fala sobre o trabalho, mas como uma entidade digital que realmente o executa.
O termo Agente de IA se tornou o novo jargão favorito da indústria de tecnologia, mas a maioria das pessoas ainda tem dificuldade para definir o que ele realmente significa. É apenas uma versão mais inteligente da Siri? É um script que roda em segundo plano? De acordo com Zhang Tao e sua equipe na Manus, um Agente de IA é algo muito mais profundo: é uma extensão da mente humana. É um software capaz de navegar pelo mundo caótico e não roteirizado da web aberta com o mesmo nível de autonomia e persistência de um estagiário humano, sem a necessidade de dormir ou de plano de saúde.
Neste mergulho profundo, exploramos a filosofia interna e os desafios técnicos discutidos naquela reunião fundamental. Analisamos como a equipe lidou com a tensão entre criar um 'generalista' versus um 'especialista', por que o 'navegador em nuvem' é a arma secreta da próxima década e como a economia da inteligência está mudando. Esta não é apenas uma história sobre uma startup; é um roteiro para a era em que cada pessoa no planeta terá um Agente de IA dedicado ao seu dispor.
A transição da IA generativa para um Agente de IA autônomo representa a mudança mais significativa na computação desde a invenção da interface gráfica. Estamos passando de um mundo em que dizemos aos computadores *como* fazer as coisas (programação) para um mundo em que dizemos a eles *o que* queremos alcançar (intenção). Mas, como a equipe da Manus percebeu rapidamente, fazer uma máquina entender a intenção é a parte fácil; fazê-la executar essa intenção na paisagem fragmentada da internet moderna é onde a guerra de verdade é vencida.
Um dos debates mais acalorados durante o pontapé inicial da Manus girou em torno de uma encruzilhada estratégica: eles deveriam criar uma ferramenta especializada para tarefas específicas ou um motor universal? Red Peak, um dos principais pensadores do projeto, usou uma brilhante analogia histórica para enquadrar o problema. Ele comparou o estado atual da IA aos primórdios da internet chinesa, especificamente à rivalidade entre Hao123 e Baidu.
Hao123 era um diretório—uma coleção de links pré-aprovados e organizados por humanos. Funcionava porque a web era pequena. Da mesma forma, muitas das primeiras ferramentas de IA são 'baseadas em links'. Elas se conectam a uma API específica para o Spotify, a outra para o Google Agenda e a outra para o Slack. Mas essa abordagem é inerentemente limitada. Você só pode fazer o que o desenvolvedor já integrou. Se você quiser que seu Agente de IA execute uma tarefa em que o desenvolvedor não pensou, não tem sorte. Esse modelo de inteligência 'do lado da oferta' é um beco sem saída para a verdadeira autonomia.
Por outro lado, o 'modelo Baidu' (ou o modelo Google) começou com um rastreador. Não pediu permissão; simplesmente aprendeu a ler e navegar por toda a web. Ao construir primeiro um mecanismo de busca universal, eles puderam otimizar consultas específicas depois. A equipe da Manus decidiu que seu Agente de IA deveria seguir esse caminho. Não deveria ser uma coleção de plugins; deveria ser uma entidade digital que sabe usar um navegador exatamente como você. Se ele vê um botão, pode clicá-lo. Se vê um formulário, pode preenchê-lo.
Essa decisão de priorizar a generalidade em vez da otimização vertical é ousada. Significa que o Agente de IA terá de lidar com o caos da web 'selvagem'—pop-ups, captchas e layouts em constante mudança. Mas a equipe argumentou que, se resolvessem o problema geral, os problemas específicos se resolveriam sozinhos. Eles não estavam apenas construindo uma ferramenta; estavam construindo uma plataforma para o trabalho digital.
Se a filosofia da Manus é sobre agência geral, o coração técnico do projeto é o 'Navegador em Nuvem'. Durante a reunião, Zhang Tao e Fan Bin se debruçaram sobre como o Agente de IA iria de fato interagir com o mundo. Você não pode simplesmente dar um terminal a um LLM e esperar que ele reserve um hotel. A maior parte do valor do mundo está escondida atrás de interfaces gráficas (GUIs) projetadas para olhos e dedos humanos.
A solução foi criar uma arquitetura de 'Navegador dentro do Navegador'. Em vez de o Agente de IA tentar 'raspar' dados em segundo plano, ele opera de fato uma instância completa de um navegador rodando em um servidor remoto. Quando você pede ao Agente de IA para encontrar uma casa no Zillow, ele não apenas chama uma API; ele literalmente 'abre' um navegador na nuvem, navega até a URL e começa a rolar a página. Isso permite que o usuário veja o agente trabalhar em tempo real, criando uma ponte de confiança que bots baseados em texto simplesmente não conseguem igualar.
No entanto, isso cria um enorme desafio técnico em relação à latência. Como transmitir uma janela de navegador em alta definição de um servidor para o laptop do usuário sem que pareça uma bagunça cheia de atrasos? Zhang Tao apontou para tecnologias como XPRA, que usam streaming inteligente de pixels. Ao enviar apenas as partes da tela que mudam, o Agente de IA pode parecer estar trabalhando bem diante dos olhos do usuário, mesmo que o trabalho pesado esteja acontecendo a milhares de quilômetros de distância, em um data center.
| Recurso | Bot de API Tradicional | Agente de IA da Manus |
|---|---|---|
| Interface | Oculto/Somente texto | Navegador em Nuvem Visual ao Vivo |
| Compatibilidade | Exige API oficial | Funciona em qualquer site |
| Controle do Usuário | Nenhum (Caixa Preta) | Modo de Controle Interativo |
| Persistência | Somente baseado em sessão | Estado completo e memória de login |
Essa abordagem visual também resolve o problema da 'alucinação'. Se um chatbot comum diz que reservou um voo, você tem de acreditar na palavra dele. Se o Agente de IA da Manus mostra a tela de confirmação em uma janela de navegador ao vivo, você tem a prova. Essa visibilidade é essencial para o engenheiro que precisa depurar o processo e para o gerente que só precisa saber que o trabalho foi concluído.
Uma das percepções mais profundas durante o pontapé inicial da Manus foi que um Agente de IA sem memória é apenas uma calculadora sofisticada. Peak apontou uma grande falha nos atuais líderes de mercado, como o Devin: eles são 'de sessão única'. Quando a sessão termina, o agente sofre efetivamente de amnésia digital. Ele esquece suas senhas, esquece os arquivos que criou e esquece como você gosta que suas planilhas sejam formatadas.
Para ser um verdadeiro representante de um humano, um Agente de IA precisa ter 'Persistência de Estado'. Isso significa que o agente precisa de sua própria identidade digital. Ele precisa de um cofre seguro para armazenar cookies e armazenamento local, para permanecer conectado à sua conta da Amazon ou do GitHub. Ele precisa de um sistema de arquivos persistente, no qual possa salvar um rascunho de relatório na segunda-feira e voltar para concluí-lo na quinta-feira. Sem isso, a 'Agência' em Agente de IA é uma ilusão.
A equipe discutiu a criação de um 'Lar' virtualizado para cada agente. Esse ambiente incluiria variáveis de ambiente, chaves seguras e um espaço de trabalho dedicado. Pense nisso como um escritório digital no qual o Agente de IA 'entra' toda vez que você o convoca. Essa persistência permite tarefas de longa duração que podem levar horas ou dias, com o agente fazendo check-in periodicamente para atualizar o usuário sobre seu progresso.
"A verdadeira agência não é apenas resolver um quebra-cabeça; é possuir o espaço de trabalho onde o quebra-cabeça é resolvido. Se o Agente de IA não consegue lembrar quem eu sou entre as sessões, ele não é um assistente—é um estranho."
Mas construir essa memória persistente é caro e complexo. Exige uma quantidade gigantesca de computação de alto desempenho e acesso sem interrupções aos melhores modelos de linguagem do mundo. É aqui que entram em cena a economia subjacente da indústria de Agentes de IA. Para executar um agente de propósito geral que possa pensar, ver e lembrar, os desenvolvedores precisam de uma infraestrutura que não custe os olhos da cara.
Conforme a discussão passou do 'o quê' para o 'como', a realidade dos custos dos modelos se tornou imensa. Executar um Agente de IA sofisticado exige um fluxo constante de interações com alto número de tokens. Cada vez que o agente 'olha' para uma página da web ou 'raciocina' sobre uma tarefa de várias etapas, ele consome créditos de API caros. Para uma startup como a Manus escalar, ela não podia se dar ao luxo de ficar presa aos preços de varejo dos principais provedores de modelos.
É aqui que plataformas de integração profunda, como a GPT Proto, mudam o jogo para os desenvolvedores que constroem um Agente de IA. Ao fornecer uma interface unificada para os modelos mais poderosos do mundo—incluindo OpenAI, Claude e Google—com até 60% de desconto em relação aos preços convencionais, a GPT Proto permite que os desenvolvedores foquem na 'Agência' em vez do 'Faturamento'. Quando um Agente de IA precisa executar uma tarefa de alto raciocínio, ele pode alternar para um modelo com foco em desempenho; quando está apenas resumindo uma página da web, pode alternar para um modo econômico.
A equipe da Manus percebeu que o 'Escalonamento Inteligente'—a capacidade de alternar dinamicamente entre modelos com base na complexidade da tarefa—é uma vantagem competitiva central. Usando um sistema como o GPT Proto, um Agente de IA pode se comportar como uma potência multimodal, acessando processamento de texto, imagem e até vídeo por meio de uma única interface padrão. Esse nível de flexibilidade é o que transforma um protótipo em um modelo de negócios sustentável.
Para o usuário, isso significa que o Agente de IA se torna mais acessível e mais capaz. É a diferença entre uma ferramenta de luxo para as elites da tecnologia e uma utilidade onipresente para o público em geral. Ao otimizar a 'cadeia de suprimentos da inteligência', a Manus pode garantir que seus assistentes digitais sejam sempre rápidos, sempre inteligentes e sempre disponíveis.
Uma das partes mais centradas no ser humano da discussão da Manus foi sobre o que acontece quando o Agente de IA falha. E não se engane: até o melhor Agente de IA vai esbarrar num obstáculo. Seja em uma solicitação de 2FA (autenticação de dois fatores), um captcha complexo ou um site com interface não padrão, há momentos em que a intuição humana ainda é necessária. A maioria das ferramentas de IA atuais simplesmente apresenta erro ou pede que o usuário corrija o código.
A Manus propôs uma solução mais elegante: o Controle Interativo. Como o Agente de IA está rodando em um navegador em nuvem que é transmitido para o usuário, a transição de 'controlado por IA' para 'controlado por humano' pode ser instantânea. Se o agente travar em uma tela de login, o usuário pode simplesmente clicar dentro da janela, digitar a senha ou resolver o captcha e, em seguida, apertar o botão 'Continuar' para devolver o controle ao Agente de IA.
Isso cria um ciclo colaborativo. O Agente de IA cuida dos 90% do trabalho que são repetitivos e entediantes, enquanto o ser humano atua como supervisor de alto nível nos 10% que exigem contribuição criativa ou segura. Isso elimina a ansiedade da 'caixa preta' que muitas pessoas sentem ao usar IA. Você não fica apenas torcendo para o bot fazer a coisa certa; você está sentado ao lado dele, pronto para intervir se necessário.
A própria interface segue uma filosofia de 'Revelação Progressiva'. A equipe criticou a abordagem de 'Parede de Texto' vista em muitas ferramentas técnicas. Para um gerente, o Agente de IA da Manus deve parecer um painel simples e limpo. Mas, para o engenheiro que quer ver as engrenagens girando, o ambiente 'tipo SO' permite abrir o terminal, os logs do navegador e o sistema de arquivos como janelas flutuantes independentes. É um sistema operacional para a era da IA.
Em uma reviravolta surpreendente durante a reunião, a equipe começou a discutir *EVE Online*, um jogo massivamente multiplayer conhecido por seus sistemas econômicos e políticos incrivelmente complexos. Por quê? Porque *EVE* representa o teto da gestão cognitiva humana. Os jogadores de *EVE* muitas vezes precisam gerenciar dezenas de planilhas, rotas comerciais e alianças diplomáticas ao mesmo tempo. É um jogo frequentemente descrito como 'planilhas no espaço'.
PanPan e Zhang Tao viram nisso o campo de testes perfeito para um Agente de IA. Se um agente pode ajudar um jogador a navegar pelas complexidades de uma economia galáctica simulada, certamente pode ajudar um pequeno empresário a navegar pelas complexidades da logística global, da conformidade fiscal e do marketing digital. O Agente de IA não é apenas um 'ajudante'; é um 'Amortecedor de Complexidade'. Ele absorve os dados caóticos e de alta entropia do mundo e apresenta ao usuário opções claras e ações executadas.
Os seres humanos são notoriamente ruins em manter um foco intenso e sustentado por longos períodos. Ficamos cansados, perdemos detalhes e somos propensos ao 'viés da experiência'—fazendo as coisas do jeito que sempre fizemos, mesmo que exista uma maneira melhor. Um Agente de IA, no entanto, pode trabalhar a partir de 'primeiros princípios'. Ele pode examinar todas as opções disponíveis na web, comparar preços entre 500 fornecedores e encontrar o 'caminho mais curto' até um objetivo sem ficar entediado ou distraído. Dessa forma, ele se torna verdadeiramente uma extensão da nossa própria força de vontade.
Uma grande preocupação levantada por Fan Bin foi se um Agente de IA generalista poderia algum dia competir com um humano especialista usando software profissional. Por exemplo, um agente consegue realmente usar o Final Cut Pro para editar um vídeo? Ou sempre será uma versão 'capenga' de um editor humano? A resposta da equipe foi ao mesmo tempo humilde e ambiciosa. Eles reconheceram que, para o 'Uso de Computador' (a capacidade da IA de ver e clicar em aplicativos que não são da web), ainda há um longo caminho a percorrer.
No entanto, eles argumentaram que a maior parte do trabalho profissional está migrando para a web. Do Figma para design ao Google Workspace para documentos e ao Salesforce para CRM, o 'Navegador' está se tornando o sistema operacional universal. Ao dominar o navegador, o Agente de IA domina 80% do trabalho moderno de escritório. A 'Lacuna de Especialização' não é sobre conhecer cada botão de um software; é sobre a capacidade do agente de aprender uma nova interface rapidamente.
Isso levou à ideia de 'Treinamento de Agente'. Assim como um ser humano aprende a usar uma nova ferramenta lendo o manual e experimentando, o Agente de IA da Manus é projetado para se 'autocorrigir'. Se ele clica em um botão e o resultado não é o esperado, ele não desiste simplesmente. Ele analisa o novo estado da tela, procura pistas e tenta uma abordagem diferente. Esse 'ciclo de raciocínio' é o que separa um script estático de um verdadeiro Agente de IA.
| Tarefa Cognitiva | Limitação Humana | Força do Agente de IA |
|---|---|---|
| Recuperação de Informação | Lenta, propensa a viés | Varredura exaustiva em tempo real |
| Capacidade de Atenção | Degrada ao longo das horas | Operação infinita, 24/7 |
| Execução de Processos | Manual, propensa a erros | Precisão programada com raciocínio |
| Tomada de Decisão | Emocional/Heurística | Orientada a dados/Primeiros princípios |
O objetivo é elevar o ser humano na cadeia de valor. Em vez de o humano ser o 'condutor' do software, ele se torna o 'arquiteto' do resultado. Você não diz ao Agente de IA como mover o mouse; você diz ao Agente de IA como deve ser o produto final e fornece o 'bom gosto' e o 'julgamento' para decidir se o resultado é bom.
Não dá para falar de um Agente de IA que tem suas credenciais de login e informações de cartão de crédito sem falar de segurança. Essa foi talvez a parte mais sóbria da reunião. Se o agente for comprometido, toda a vida digital do usuário fica em risco. A equipe da Manus passou um tempo considerável discutindo como isolar esses agentes em sandboxes para que, mesmo que uma instância seja violada, o restante do sistema permaneça seguro.
A confiança é construída por meio da transparência. A decisão de tornar visíveis as ações do Agente de IA em um navegador em nuvem não foi apenas uma escolha de UX; foi uma escolha de segurança. Ao permitir que o usuário veja exatamente o que o agente está fazendo, a Manus cria uma trilha de auditoria. Se o agente começar a navegar para um site suspeito, o usuário pode ver o que está acontecendo e encerrar a sessão. Esse modelo 'O que você vê é o que ele faz' (WYSIWID) é fundamental para a adoção em massa de agentes autônomos.
Além disso, eles discutiram o 'Encapsulamento de Credenciais'. A ideia é que o Agente de IA nunca 'veja' de fato sua senha em texto puro. Em vez disso, ele usa um token de sessão seguro ou um cofre gerenciado. Isso limita o raio de impacto de qualquer possível evento de segurança. À medida que entramos em uma era em que nosso Agente de IA cuidará do nosso dinheiro e dos nossos dados, esses detalhes de infraestrutura 'Chatos' são, na verdade, os recursos mais importantes de todos.
A reunião terminou com uma sensação de entusiasmo silencioso. As gravações capturam uma equipe que sabia estar no início de uma maratona, não de um sprint. Eles tinham saído da ideia abstrata de 'IA' para a realidade concreta de um Agente de IA funcional—um funcionário digital persistente, visual e capaz. Eles perceberam que o sucesso da Manus não seria medido por quantas pessoas conversassem com ela, mas por quantas horas de trabalho manual ela economizaria.
Estamos entrando em um período da história em que a barreira entre 'pensar' e 'fazer' está se dissolvendo. No passado, se você tivesse uma ótima ideia para um artigo de pesquisa ou um plano de negócios, ainda precisaria passar centenas de horas na 'labuta'—a busca, a formatação, os e-mails, a inserção de dados. O Agente de IA foi projetado para acabar com a labuta. Ele permite que o espírito humano permaneça no 'estado de fluxo' da criação enquanto a máquina cuida da logística da execução.
À medida que a Manus passa de um conjunto de atas de reunião para um produto vivo, ela carrega consigo a filosofia daquela primeira discussão: a tecnologia não deve ser apenas uma ferramenta que usamos, mas uma parceira que nos entende. Seja gerenciando um projeto complexo, reservando as férias dos sonhos ou navegando pelo intrincado mundo das finanças digitais, o Agente de IA está de prontidão, pronto para transformar sua intenção em realidade.
A jornada de uma gravação de voz em um escritório apertado até um Agente de IA de classe mundial é um testemunho do poder de uma filosofia de produto lúcida. Ao rejeitar o modelo 'Hao123' de integrações limitadas e abraçar o modelo 'Baidu' de capacidade geral, a Manus se colocou em um caminho para redefinir nossa relação com os computadores. Por meio do uso de navegadores em nuvem, memória persistente e um modelo de interação com 'humano no circuito', eles estão resolvendo os problemas de confiança e execução que seguraram a IA por anos.
E, à medida que os modelos subjacentes se tornam mais poderosos e a infraestrutura mais acessível por meio de plataformas como a GPT Proto, o sonho de um Agente de IA verdadeiramente autônomo se torna acessível a todos. Não estamos mais apenas conversando com máquinas; estamos colaborando com elas. A era da extensão digital da mente começou oficialmente.
Artigo Original por GPT Proto
"Nosso foco é discutir problemas reais com empreendedores de tecnologia, permitindo que alguns entrem primeiro na era GenAI."
