API de Agentes Genkit do Google Traga Fluxos de Trabalho de Longa Duração para Servidores de Aplicação

O Google introduziu a API de Agentes Genkit em versão prévia no dia 1º de julho, integrando recursos de agente de primeira classe em sua estrutura de pilha completa de código aberto, apoiada por SDKs para TypeScript e Go. Essa iniciativa une a lacuna entre agentes protótipo e fluxos de trabalho implantáveis de longa duração. A API é projetada para operar dentro de um servidor de aplicação existente, oferecendo uma única interface `chat()` que funciona uniformemente, seja o agente executado em processo ou acessado por meio de um endpoint HTTP.

A estrutura é ancorada em um modelo de estado unificado, que abrange o estado da aplicação personalizado — como dados tipados como listas de tarefas ou entidades selecionadas — e artefatos como relatórios gerados ou patches de código que os usuários podem inspecionar e versionar independentemente. A persistência é flexível, com opções que incluem snapshots gerenciados pelo servidor usando Firestore para ambientes de produção multi-instância, armazenamentos em memória para desenvolvimento e armazenamento baseado em arquivo para testes locais. Equipes também podem optar por estado gerenciado pelo cliente, onde o servidor retorna a carga completa da conversa com cada turno, e o cliente a reenvia em solicitações subsequentes, atendendo a requisitos de residência de dados rigorosos, mas aumentando a sobrecarga de rede à medida que o contexto se alonga. O Blog dos Desenvolvedores do Google destaca que cada agente é uma ação servível; `genkitx.AllAgentRoutes(g)` conecta endpoints de turno, snapshot e aborto a um padrão `http.ServeMux` com a configuração mínima, e um adaptador de SDK da Vercel AI está disponível para integração com Next.js.

Um recurso arquitetural chave é a capacidade de turnos desvinculados, permitindo que um cliente inicie uma tarefa, como a geração de um relatório trimestral, desconecte-se e mais tarde consulte snapshots usando um ID de sessão, sem depender de WebSockets, filas de trabalho ou conexões mantidas. O código de exemplo demonstra um intervalo de sondagem de 1000 ms para verificar o progresso a partir de snapshots do lado do servidor até a conclusão. Para cenários com humano no loop, ferramentas interrompíveis pausam a execução, apresentam uma ação pendente ao cliente e só retomam após aprovação explícita. O runtime valida a carga de resumo contra o histórico da sessão, garantindo proteção contra falsificação contra chamadas de ferramentas injetadas. Middleware introduzido em maio inclui repetições com backoff exponencial — os padrões são 3 tentativas máximas, atraso inicial de 1000 ms e fator de backoff de 2x — além de fallbacks de modelo entre provedores, portões de aprovação de ferramentas e um sistema de habilidades que carrega arquivos `SKILL.md` no prompt do sistema. Sub-agentes são injetados como ferramentas de delegação pela mesma camada de middleware e podem operar localmente ou sobre HTTP usando o contrato `chat()`. Plugins de modelo suportam Google AI Gemini, Vertex AI, Anthropic, OpenAI e Ollama.

O status de pré-visualização da API de Agentes significa restrições operacionais, pois o Google adverte que mudanças significativas podem ocorrer em versões secundárias, com SDKs para Python e Dart planejados, mas sem cronograma comprometido. A estrutura inclui uma interface do usuário para desenvolvedores para testar snapshots sem escrever código do cliente, mas o Google recomenda seu Kit de Desenvolvimento de Agentes para organizações que construem sistemas altamente sofisticados, indicando que os Agentes Genkit são voltados para fluxos de trabalho incorporados em aplicativos em vez de orquestração em larga escala. O estado gerenciado pelo cliente evita a persistência do lado do servidor, mas desloca a carga de grandes payloads para o cliente, tornando-se dispendioso em contextos longos. Ebenezer Don, como citado na cobertura do InfoQ, identifica a manutenção de um contexto confiável como o principal desafio ao adicionar memória aos agentes — um desafio agravado quando o estado atravessa a rede a cada turno.

Arquetos devem considerar a adoção do padrão de snapshot de turno desvinculado, que substitui a infraestrutura de trabalho assíncrono por uma interface de sondagem semelhante a máquina de estado sobre HTTP padrão. Essa abordagem torna as tarefas de agente de longa duração e pesadas em ferramentas implantáveis em plataformas padrão sem servidor ou de container sem maquinário adicional de fila ou soquete.