PulseFlow Tecnologia
← Insights
·8 min de leitura·analise-de-mercado·ai-stack·mcp·langgraph
PulseFlow Tecnologia

A nova stack de IA corporativa

Em 2024, a stack de agentes de IA cabia em poucas camadas óbvias. A versão 2026, mapeada pela O'Reilly, tem seis camadas distintas - e pelo menos três delas simplesmente não existiam como categoria separada dois anos atrás. Isso sozinho já diz algo sobre a velocidade com que a infraestrutura de agentes amadureceu.

O que mudou entre 2024 e 2026

Três forças redesenharam o mapa. O MCP padronizou conectividade de ferramentas, criando uma camada de "Protocolos e Ferramentas" inteiramente nova - hoje com 97 milhões de downloads mensais do SDK e adoção por OpenAI, Google e Microsoft. Modelos de raciocínio (o1, o3, DeepSeek R1, Claude com extended thinking) permitiram que agentes resolvessem problemas numa única chamada, eliminando cadeias multietapas que antes eram obrigatórias. E memória deixou de ser "um subconjunto de banco de dados vetorial" e virou primitiva arquitetural de primeira classe - o próprio conceito de "context engineering" substituiu "prompt engineering" como disciplina central.

As seis camadas, com seus próprios riscos

Modelos e inferência: modelos open-weight (Llama 3.3, DeepSeek V3, Qwen 2.5) já fecharam boa parte da lacuna de qualidade com modelos fechados, criando um padrão comum de prototipar fechado e implantar em open-weight.

Protocolos e ferramentas: a mesma camada que MCP tornou possível também trouxe risco novo - uma análise da Endor Labs sobre 2.614 servidores MCP encontrou 82% propensos a path traversal e 67% a injeção de código.

Memória e conhecimento: com três tiers - estado in-context (janelas de até 1M+ tokens no Gemini), busca vetorial (pgvector como padrão) e memória persistente entre sessões (GraphRAG) —, essa é a camada de maior complexidade de estado da stack, e também a que mais quebra na transição de protótipo para produção.

Frameworks e SDKs: LangGraph (v1.0 em outubro de 2025) já roda em produção em empresas como Uber, JPMorgan, LinkedIn e Klarna - mas essa é a camada de maior risco de lock-in de toda a stack, porque código de orquestração não é portável entre frameworks.

Avaliação e observabilidade: o dado mais revelador de todo o relatório vem do State of Agent Engineering da LangChain (dezembro de 2025): 89% dos times com agentes em produção já implementaram observabilidade, mas só 52% implementaram evals - um gap de 37 pontos exatamente onde a qualidade em produção falha silenciosamente.

Guardrails e segurança: a camada menos madura da stack, sem framework dominante. O padrão que emergiu é "guardrails antes da ação" - autorização na camada de execução da ferramenta, não no output, porque filtrar a resposta depois que o e-mail já foi enviado não adianta nada.

A stack vai colapsar, segundo a própria O'Reilly

A conclusão do relatório é direta: "a stack vai colapsar" - SDKs de provedor já estão absorvendo memória, chamada de ferramentas e eval básico numa única API. A previsão é que, até 2027, a maioria dos times terá uma stack cada vez mais opinativa do próprio provedor de modelo, suficiente para 80% dos casos de uso - enquanto os 20% restantes, agentes em escala onde os padrões quebram, continuarão exigindo customização camada por camada.

Fontes