Stripe Criou um Agente de Conhecimento de Toda Empresa em Uma Semana

O time de plataforma de IA da Stripe lançou Kai, um agente de conhecimento de toda empresa, em uma semana. O engenheiro Anupam Upadhyay construiu a versão inicial tratando Deep Agents—o harness de agente open-source do LangChain—como infraestrutura commoditizada ao invés de código customizado. Kai agora atende todos os funcionários da Stripe e hospeda mais de 1.000 habilidades de 100+ times internos.

O problema de negócio era simples: após o Claude Code ser lançado no final de 2024, cada funcionário da Stripe queria um agente. Não-engenheiros enfrentaram obstáculos com o terminal, controles de acesso a dados e configuração de segurança. Sharadh Krishnamurthy, Gerente de Engenharia do time Agent Foundation, e Upadhyay inverteram a abordagem. Ao invés de ensinar ferramentas de desenvolvedor aos funcionários, eles construíram infraestrutura que encontrou os funcionários em seu habitat nativo: Slack, Google Suite e o data warehouse interno da Stripe.

A arquitetura de Kai é executada em quatro camadas explícitas. Deep Agents fica na base, gerenciando requisições LLM, loops de chamada de ferramentas, streaming e composição de middleware. O próprio harness da Stripe fica acima, conectando a postura de segurança e serviços internos da Stripe. Uma camada de configuração permite que times individuais implantem agentes Kai customizados com conjuntos distintos de habilidades, comportamentos e personas sem tocar no harness subjacente. A UI de Kai expõe a pilha completa através de uma interface de chat baseada em sessão onde artefatos—relatórios, dashboards, documentos—evoluem ao lado da conversa.

Três componentes de middleware do Deep Agents permitiram a construção em uma semana. Middleware de filesystem fornece um filesystem virtual apoiado por S3; Stripe envolve cada execução de sandbox em um padrão "sync in / sync out", materializando arquivos para o sandbox antes da execução e sincronizando arquivos modificados de volta. Isso dá ao LLM um ambiente de arquivo coerente e persistente durante toda a vida da sessão—o contexto não é resetado entre turnos. Middleware de sandbox gerencia duas categorias de execução: Python analytics (queries de dados e geração de gráficos) e processamento arbitrário de arquivos (PDFs, apresentações, documentos). O sandbox é exposto como uma ferramenta chamável; o agente em si é executado fora do sandbox e o chama. Esse limite mantém a execução limpa e evita uma classe de problemas de segurança com código gerado por LLM. Middleware de summarização comprime o contexto acumulado em sessões longas multi-turno antes de degradação de desempenho.

Krishnamurthy disse: "A camada Deep Agents resolve todos os problemas não-Stripe, então podemos focar nos problemas de agente Stripe. Você pode pegar middleware pronto. Os padrões de habilidade compostos, o backend composto, fornece a estrutura certa com flexibilidade suficiente."

O que Deep Agents não resolve é o conhecimento de domínio. Kai é entregue pré-carregado com contexto específico da Stripe através de ferramentas e habilidades—mais de 1.000 habilidades representando expertise codificada de 100+ times. Usuários não precisam re-explicar sua função de trabalho ou empresa para Kai a cada sessão. Esse contexto ambiente distingue Kai de um assistente LLM genérico. Vem de investimento sustentado por especialistas de domínio construindo habilidades ao longo do tempo, não do próprio harness.

A lição para times de plataforma: harnesses de agentes agora são commodities para comprar, não construir. O que diferencia um agente de conhecimento de produção é a biblioteca de habilidades de domínio que você acumula no topo.