Engenharia de Loop: Transformando Clipes de Navegador em Trabalho de Agente

"--- title: "Engenharia de Loop: Transformando Clipes do Navegador em Trabalho de Agente" tags: [ai, agentes, mcp, cloudflare, produtividade, opensource] platform: dev.to status: draft date: 2026-06-23 canonical_url: https://0xkaz.com/writing/agentclip-loop-engineering/ --- O aspecto mais interessante dos agentes de IA não é o modelo. É o loop. Um prompt te dá uma resposta. Um loop te dá trabalho contínuo: ler algo novo, comparar com tudo que você já sabe, decidir se isso importa e apresentá-lo quando importa. Sem o loop, um agente é apenas um chatbot com uma memória mais longa. Com o loop, ele se torna algo que observa enquanto você faz outras coisas. Essa ideia — engenharia de loop — se tornou um dos temas dominantes nas ferramentas de agentes este ano. A conversa mudou de "qual modelo é o melhor?" para "o que o loop realmente faz?" As pessoas estão menos interessadas em uma resposta única e mais interessadas em um agente que continua funcionando. Eu construí AgentClip como a caixa de entrada que aciona esse loop. ## O que o AgentClip Faz O AgentClip tem três partes: - Extensão do navegador — selecione texto em qualquer página e recorte-o. - Aplicativo móvel — compartilhe um link ou cole texto no AgentClip a partir do iOS/Android. - Interface do agente — tanto MCP quanto REST, para que agentes de IA locais possam ler, pesquisar e processar tudo que eu recorto. Os clipes vão para os Cloudflare Workers, são armazenados no D1 e são indexados para pesquisa. O agente não precisa saber nada disso. Ele chama search_clips ou GET /clips/search e recebe o que precisa. O objetivo não é construir um gerenciador de favoritos melhor. O objetivo é construir uma caixa de entrada que os agentes percorrem. ## Do Armazenamento à Caixa de Entrada A maioria das ferramentas de recorte pergunta: "Como podemos ajudar o usuário a organizar o que ele salvou?" Esse nunca foi meu problema. Meu problema era o oposto: eu salvava coisas e esquecia de fazer algo com elas. Filas de leitura se tornaram cemitérios. Favoritos se tornaram pastas que eu nunca abri. O gargalo não era o armazenamento. Era o processamento. O AgentClip trata cada clipe como um gatilho. Um clipe não é "algo que eu posso querer depois." É "algo sobre o qual eu quero que algo seja feito." Isso pode significar resumir, comparar, encontrar ideias relacionadas ou apenas me dizer se isso entra em conflito com algo que eu já acredito. A caixa de entrada é a interface. O agente é o trabalhador. O loop é onde está o valor. ## O que o Loop Realmente Faz Aqui está como um loop típico do AgentClip se parece na minha máquina. É um script que roda todas as manhãs e faz quatro perguntas concretas: 1. O que eu recortei nas últimas 24 horas? 2. Para cada novo clipe, quais clipes mais antigos parecem relacionados? 3. Algum novo clipe muda ou contradiz algo que eu salvei antes? 4. Escreva um breve resumo e salve-o como um arquivo Markdown. A saída vai para o meu diretório de notas local como algo como 2026-06-23-agentclip-ideas.md com algumas seções: - Resumo do novo clipe - Clipes mais antigos que parecem relacionados - Uma conclusão provisória ou uma pergunta em aberto - Sugestões de próximas pesquisas Esse arquivo Markdown se torna o gatilho para o próximo loop. Eu direciono outro agente local para ele — muitas vezes Claude Code ou um LLM local — e peço para expandir a pesquisa, encontrar lacunas ou esboçar uma implementação. O primeiro loop transforma um clipe bruto em uma nota estruturada. O segundo loop transforma a nota em um design ou um rascunho. Eu mantenho cada loop pequeno de propósito. O primeiro agente não escreve código. O segundo agente não navega na web. Cada um tem um trabalho específico, e o AgentClip é a caixa de entrada compartilhada que ambos leem. ## MCP e REST MCP é a camada de conveniência. Claude Code, Cursor ou qualquer cliente MCP pode descobrir o AgentClip e chamá-lo como uma ferramenta nativa. É assim que eu faço exploração ad-hoc. REST é a camada de controle. Quando eu escrevo meu próprio script de monitoramento, ele busca clipes através de GET /clips e os passa para um LLM nos meus próprios termos. O LLM não precisa saber que o AgentClip existe. Ele apenas recebe os dados e raciocina sobre eles. Eu uso ambos. MCP para trabalho interativo. REST para loops programados. ## Como o Loop Termina Se você não projetar a condição de término, o loop roda para sempre e cobra para sempre. Meus loops terminam de uma das três maneiras: - Limite de tempo — roda por 15 minutos, depois para. - Limite de tarefas — processa os cinco clipes mais recentes, depois para. - Orçamento de tokens — gasta até N tokens, depois para e espera por mim. A condição exata depende da tarefa. Um loop de resumo diário recebe um orçamento pequeno. Um loop de pesquisa profunda recebe um maior. O importante é que o loop nunca rode indefinidamente. Um loop infinito não é engenharia. É um bug. ## Vários Agentes, Uma Caixa de Entrada Eu não rodo um loop. Eu rodo vários, cada um com um modelo e propósito diferentes. - Kimi lida com pesquisa ampla e expansão de ideias. - Codex pega clipes que envolvem código, APIs ou infraestrutura. - Claude Code faz trabalho local profundo, lendo meu código e extraindo contexto relevante do AgentClip. - LLM Local via llamafile roda os loops baratos: sumarização, verificações de redundância e qualquer coisa que eu não queira enviar para a nuvem. Todos eles leem da mesma caixa de entrada. Cada um pega os clipes que é bom em lidar e ignora o resto. ## O que Eu Tentei Antes Disso Eu queria processamento automático de pesquisa e ideias, então tentei agentes mais autônomos — aqueles que observam, aprendem e agem por conta própria. A premissa é atraente. Na prática, eu os achei difíceis de depurar e mais difíceis de confiar. Quando um agente decide por conta própria o que lembrar e o que fazer, você gasta tanto tempo gerenciando o agente quanto teria gasto fazendo o trabalho você mesmo. Agentes de codificação locais com MCP — Claude Code, em particular — acabaram sendo uma opção melhor. Eles são transparentes, controláveis e se integram bem. É por isso que o AgentClip permanece simples. O loop não é o cérebro. O loop é a tubulação. ## Experimente O AgentClip é open source: - github.com/0xkaz/agentclip — Extensão do Chrome + Cloudflare Workers + servidor MCP + API REST - github.com/0xkaz/agentclip-mobile — Cliente Expo + React Native Ambos estão em estágios iniciais, mas utilizáveis. Eu os rodo em sessões diárias com vários agentes. Se você também quer que seus agentes continuem trabalhando enquanto você não está digitando neles, o padrão vale a pena ser copiado. "