Fichamento · arXiv 2603.16021 · 17 de março de 2026

Um agente, lendo os arquivos certos

Enquanto o mercado monta exércitos de robôs de IA, dois pesquisadores publicaram a prova formal do contrário: para a maior parte do trabalho real, o que decide o resultado é a estrutura de pastas, com uma única IA que sabe onde olhar.

↓ role para continuar

Um paper acadêmico com cara de heresia

Em 17 de março de 2026, Jake Van Clief e David McDermott publicaram um estudo com um título que traduz assim: a estrutura de pastas como arquitetura de agentes.

A tese soa simples demais para ser ciência: organize as pastas direito, escreva o contexto em arquivos de texto, e uma única IA faz o trabalho que hoje se tenta resolver com sistemas inteiros de robôs coordenados.

O método é aberto (licença MIT). Qualquer pessoa pode implementar. Hoje.

O mercado estava complicando demais

A moda em IA é montar "frameworks multi-agente": vários agentes conversando entre si, com código coordenando quem faz o quê, quem lembra do quê, quem corrige o quê. Isso funciona para sistemas gigantes, com muita coisa acontecendo ao mesmo tempo.

Mas o paper aponta o elefante na sala: a maior parte do trabalho real é sequencial. Uma etapa de cada vez, com um humano revisando o resultado antes da próxima. Para esse tipo de trabalho, o framework vira peso morto: "sobrecarga de engenharia que o problema não pede".

Se você revisa cada etapa do trabalho, coordenação automática entre robôs resolve um problema que você não tem.

Pastas numeradas, arquivos de texto, um agente

O protocolo proposto, MWP (Model Workspace Protocol), troca o código de coordenação por algo que você já sabe usar: pastas e arquivos. Pastas numeradas são as etapas do fluxo. Arquivos markdown (texto simples, que qualquer editor abre) dizem à IA que papel cumprir em cada etapa. Scripts cuidam do trabalho mecânico que nem precisa de IA.

"Você não precisa de um framework de coordenação. Precisa de um agente orquestrador que lê os arquivos certos no momento certo. A estrutura de pastas diz a ele o que fazer em cada etapa." — trecho central do paper

Ideias de 50 anos que continuam de pé

O paper não inventa do zero. Ele aplica quatro ideias clássicas da computação ao problema novo de dar contexto para a IA. Os pipelines do Unix: cada programa faz uma coisa bem, e a saída de um vira a entrada do outro. A decomposição modular: cada parte esconde a própria complexidade. A compilação em múltiplos passes: trabalhar em etapas, com resultado inspecionável em cada uma. E a programação literada de Knuth: instrução para a máquina e documentação para o humano no mesmo arquivo.

Nas palavras dos autores: "essas ideias têm mais de cinquenta anos e continuam de pé".

Cinco camadas de contexto

O método organiza o contexto em cinco camadas: identidade (quem o agente é e que espaço ocupa), roteamento (que etapa atende cada pedido), contrato da etapa (entradas, processo, saídas), referências permanentes (guias de voz, padrões, convenções que você configura uma vez) e material de trabalho (o insumo daquela execução).

A distinção mais fina do paper está nas duas últimas: referência permanente a IA internaliza como regra; material da vez ela processa como entrada. Separar os dois na estrutura de pastas evita que ela se perca no meio de contexto irrelevante.

É a diferença entre entregar um manual ao funcionário e despejar todos os e-mails da empresa na mesa dele.

O padrão em U: o humano decide nas pontas

O paper observou 33 profissionais usando workspaces desse tipo em produção. 92% editam a primeira etapa, onde mora a direção criativa e o julgamento estratégico. Nas etapas do meio, a edição cai para cerca de 30%: a IA executa entre âncoras bem definidas. Na etapa final, sobe para 78%, o ajuste fino antes de assinar.

Tradução: você decide o rumo e assina o resultado. A máquina carrega o meio.

Onde funciona (e onde não)

Honestidade científica: o método serve para fluxos sequenciais, revisáveis e repetíveis. Produção de conteúdo, material de treinamento, pesquisa, análise. O fio comum: um humano revisa cada passo, e o mesmo fluxo roda de novo com insumos diferentes.

Não serve para agentes colaborando em tempo real, sistemas com muitos usuários simultâneos ou fluxos que se ramificam sozinhos no meio do caminho. O paper não reivindica superioridade universal: ele delimita o território.

E o território dele é exatamente onde a maioria dos negócios trabalha todos os dias.

É exatamente isso que você monta no CCP

Pastas com propósito. Arquivos de contexto que dizem à IA quem ela é e o que fazer. Você revisando cada etapa. O que esse paper formalizou com 54 referências acadêmicas é o que você constrói, na prática, no seu negócio, sem precisar ler uma linha de código.

E repare na data: março de 2026. Isso tem semanas de idade. Quem implementa agora sai na frente.