Melhor "Agent Harness" de Código Aberto: Comparativo dos 5 Principais Projetos para 2026

Escolher o melhor framework de agentes open source é um problema diferente de escolher um framework de forma geral. Uma vez que as plataformas hospedadas são descartadas, o custo por execução deixa de ser o fator decisivo, já que tudo aqui é gratuito para download.

O que decide, na verdade, é algo mais monótono e consequente. O que a licença realmente permite que você faça. Quem pode mudar a direção do projeto. Se alguém ainda estará mantendo o projeto daqui a dois anos. E o quanto ele te leva em direção à produção antes que você precise começar a escrever sua própria infraestrutura.

Essas perguntas separam projetos que parecem idênticos em uma tabela de recursos. Um agente de codificação via terminal mantido por uma única empresa não substitui um framework que oferece uma API e uma interface de usuário incorporável, mesmo quando ambos marcam as mesmas caixas para suporte a modelos e MCP.

Abaixo estão cinco frameworks open source em execução em produção em 2026, os critérios que realmente os diferenciam e para quem cada um é indicado.

O que procurar em um framework de agentes open source

Todo projeto aqui executa um loop de agente, chama ferramentas MCP e transmite a saída. Isso é o básico. Estas seis coisas são o que importa quando você está escolhendo algo para construir uma empresa.

O que a licença realmente permite. Licenças permissivas não são intercambiáveis. A MIT é curta e generosa, mas não diz nada sobre patentes. A Apache 2.0 adiciona uma concessão expressa de patente e pede que você declare suas alterações. Alguns projetos são lançados sob termos de "código disponível" (source-available) que bloqueiam totalmente a revenda. Se você está incorporando um framework em algo que vende, envie isso para o departamento jurídico em vez de apenas olhar o selo no README.

Governança e fator de risco (bus factor). Quase tudo nesta categoria é mantido por uma única empresa, o que significa que o projeto pode mudar de rumo, mudar a licença ou simplesmente parar de ser atualizado quando as prioridades da empresa mudarem. A proteção prática não é uma promessa, é uma base de contribuidores grande o suficiente para que um fork permaneça vivo. Pergunte quem tem direitos de commit e quantos deles não trabalham para a empresa patrocinadora.

Neutralidade de modelo e se o suporte local conta. Todos são agnósticos em relação ao provedor no papel. A questão é se modelos locais via Ollama ou vLLM são um caminho suportado ou apenas uma solução alternativa da comunidade, porque é isso que decide se você pode executar o sistema em um ambiente isolado (air-gapped).

Abrangência além da CLI. Um agente de terminal é perfeito para um desenvolvedor. Distribuir um agente para uma equipe, ou colocá-lo dentro do seu produto, exige uma API HTTP, um SDK e, idealmente, uma interface que você possa personalizar. Vários frameworks excelentes param no terminal, e esse é um limite que você encontrará rapidamente se o seu caso de uso for um recurso de produto.

Como as extensões funcionam. Ferramentas, habilidades, subagentes, provedores personalizados. É aqui que sua equipe passará o tempo, então, saber se as extensões são módulos TypeScript, servidores MCP, YAML ou classes Python define quantos dos seus engenheiros podem contribuir.

O caminho para a produção. Executar localmente é a parte fácil. Executar para uma equipe exige autenticação multiusuário, persistência de sessão, escalabilidade horizontal e uma estratégia para atualizações. Procure por um caminho documentado com Docker Compose ou Helm, não apenas um comando de instalação único.

As 5 melhores estruturas de agentes de código aberto

1. TrueForge: A melhor escolha geral para equipes de produção

TrueForge é a estrutura com licença MIT que tornamos código aberto em agosto de 2026, e o mesmo runtime por trás do nosso próprio agente AskTFY. Nós a criamos porque queríamos a ergonomia de um agente gerenciado sem ter que entregar a decisão do modelo a um fornecedor, e nada em código aberto cobria toda essa superfície.

Ela é distribuída em três partes, em vez de uma só. Um servidor central executa o agente de suporte (agent harness) loop: streaming, portões de aprovação para ações sensíveis, delegação de subagentes, compactação e sessões que sobrevivem a reconexões. Uma API HTTP com um SDK para TypeScript (@truefoundry/trueforge-sdk) oferece ao seu código tudo o que a interface do usuário pode fazer. E uma interface de chat com seu próprio SDK (@truefoundry/trueforge-ui) está disponível para ser usada como está, personalizada ou incorporada. Essa terceira parte é o que a diferencia da maioria desta lista, que para no terminal.

A escolha de design que mais impacta sua fatura: o TrueForge trata o sandbox como uma ferramenta. Ele inicia um apenas quando o agente realmente precisa executar código, em vez de envolver toda a sessão em um contêiner. Um servidor lida com muitos agentes ao mesmo tempo, e tarefas que não envolvem código permanecem baratas. Em torno disso, há carregamento de ferramentas sob demanda, Modo de Código para encadear chamadas MCP dentro de um único script de sandbox, descarregamento de respostas de ferramentas grandes e uma interface generativa que responde com gráficos e formulários reais.

No Enterprise-Bench da DevRev, que consiste em 14 tarefas intersistemas em três servidores MCP com uma sessão nova a cada vez e um juiz LLM cego, o TrueForge no Opus 4.8 resolveu as mesmas tarefas que os Agentes Gerenciados da Claude em US$ 8,5 por execução contra US$ 11,8, em 3,8 milhões de tokens contra 10 milhões. Mudar para o GLM-5.2 levou a US$ 2,9 por execução. Contra deepagents no mesmo modelo, ele usou menos de um quarto dos tokens.

É licenciado sob MIT, mantido por nós e desenvolvido de forma aberta. Os pontos fortes são essas três superfícies, sandboxing sob demanda, um caminho documentado desde npx até o Helm com Postgres, Redis, réplicas e OIDC, além de números de benchmark publicados que você pode verificar. A fraqueza óbvia é a idade. É o projeto mais jovem aqui, então o ecossistema de extensões de terceiros é limitado em comparação com o que o opencode possui.

Ideal para: Equipes que colocam agentes dentro de um produto ou os executam para uma organização, especialmente quando o loop precisa permanecer em sua própria infraestrutura.

Experimente em 60 segundos: npx @truefoundry/trueforgeoudê uma estrela no GitHub.

An Open-Source Alternative to Claude Managed Agents, Up to 75% Cheaper

Run production-ready AI agents on your own infrastructure with TrueForge, using your choice of models, tools, and sandbox providers.

View on GitHub

Docs

2. opencode

O opencode é o agente de codificação de código aberto mais estrelado de 2026 e tornou-se a resposta padrão para desenvolvedores que desejam a experiência do Claude Code sem a exigência do Claude. Licenciado sob MIT, agnóstico a modelos e distribuído como um TUI de terminal, um aplicativo de desktop para macOS, Windows e Linux, e uma extensão de IDE.

É uma estrutura completa, não apenas um wrapper de chat. Loop de ferramentas, integração com LSP, gerenciamento de sessão e modos separados de planejamento e construção. Aponte-o para Claude, GPT, Gemini, GLM ou um modelo local Ollama, ou use o OpenCode Zen para uma lista selecionada que alguém já testou.

A comunidade é o verdadeiro ativo. Com 900 colaboradores, qualquer integração que você precise geralmente já existe antes mesmo de você pensar em construí-la.

Vamos dizer o óbvio: em termos de adoção, o opencode está muito à nossa frente e não chega nem perto. Onde ele para é na incorporação. Ele é construído em torno de fluxos de trabalho de codificação, em vez de agentes de negócios gerais, e não há um SDK de interface para colocá-lo dentro do seu próprio produto.

Ideal para: Trabalho de codificação voltado para desenvolvedores, onde a amplitude e o polimento do ecossistema superam a capacidade de incorporação.

3. Pi

O Pi, da Earendil Works, iniciou a escola de núcleo minimalista em 2026 e, desde então, cresceu mais rápido do que qualquer outra coisa na categoria. Sua CLI oferece quatro ferramentas: Ler, Escrever, Editar, Bash. Todo o resto vive em camadas que você mesmo adiciona: extensões TypeScript, ferramentas personalizadas, provedores personalizados, modelos de prompt, habilidades, temas, pacotes.

Um sistema de habilidades com carregamento preguiçoso (lazy-loading) injeta instruções apenas quando uma tarefa precisa delas, o que mantém o contexto enxuto sem depender de compactação. Ele é BYOK (traga sua própria chave), agnóstico a provedores, lida com modelos locais e personalizados, e vem com compactação, modos JSON/RPC e um SDK.

O Pi é a escolha certa se você prefere construir a partir de um núcleo pequeno em vez de aparar as opiniões de outra pessoa. Ele é a escolha errada se você quer algo pronto para uso, e não pede desculpas por isso.

Licenciado sob MIT, mantido pela Earendil Works. O núcleo é o menor e mais auditável desta lista, o modelo de extensão TypeScript é um prazer de trabalhar e é eficiente em tokens por design. Ele também é focado no terminal, sem interface incorporável, e definitivamente não vem pronto para uso.

Ideal para: Equipes que desejam moldar uma estrutura em torno de seu próprio fluxo de trabalho e têm a capacidade em TypeScript para fazê-lo.

4. OpenHands

O OpenHands, anteriormente OpenDevin, é o agente de codificação autônomo mais maduro em código aberto. Sua arquitetura de fluxo de eventos passa por quatro estados por ciclo. O agente raciocina, emite uma ação, o ambiente a executa e o ambiente retorna uma observação. Cada sessão recebe seu próprio sandbox Docker.

O Docker sempre ativo custa mais por sessão do que o provisionamento sob demanda, e ainda assim é a decisão certa para o que o OpenHands faz. Quando um agente está trabalhando em um repositório sem ninguém observando, o isolamento não é uma sobrecarga a ser otimizada. É o objetivo principal.

No entanto, ele é limitado. Trabalho de negócios entre sistemas que abrange um CRM, um rastreador e um armazenamento de documentos não é para o que ele foi ajustado.

Com apoio de capital de risco e uma grande base de colaboradores. Possui o histórico mais profundo para trabalho autônomo em repositórios e o sandboxing mais rigoroso desta lista, ao custo de despesas com Docker por sessão e um escopo limitado fora da engenharia de software.

Ideal para: Equipes que apontam um agente para uma base de código e o deixam rodar.

5. deepagents

O deepagents é a estrutura opinativa da LangChain sobre o LangGraph. Onde create_agent é um ciclo minimalista, o deepagents é a versão com tudo incluído: ferramentas de planejamento, um sistema de arquivos virtual, delegação de subagentes, engenharia de contexto, memória persistente, habilidades, execução em sandbox, humano no ciclo. Agnóstico a modelos e pronto para produção com streaming, persistência e checkpointing.

Se o LangChain já faz parte da sua stack, essa integração economiza dinheiro de verdade, porque as ferramentas de observabilidade, avaliação e implantação se conectam sem a necessidade de código de adaptação. Isso não é pouca coisa e não vamos fingir o contrário.

O custo é o peso. Toda essa maquinaria integrada acompanha cada turno, e o deepagents relê seu contexto acumulado passo a passo em vez de compactá-lo. No Enterprise-Bench com Opus 4.8, ele consumiu 16,5 milhões de tokens a US$ 21 por execução para cerca de 10 das 14 tarefas, a configuração mais cara que medimos. Gratuito para baixar, caro para operar.

Mantido pela LangChain. O ecossistema ao redor é o mais profundo desta lista e a documentação é excelente. O consumo de tokens é o mais alto de tudo o que testamos.

Ideal para: Equipes com LangGraph já operando em produção.

Tabela Comparativa

Código aberto não significa custo operacional zero

A licença não custa nada. Operar a ferramenta é onde o dinheiro é gasto, e esse é o erro que vemos com mais frequência.

Nos três frameworks que testamos em tarefas idênticas, a precisão foi um empate triplo, porque o modelo define o limite do que é possível. O framework define o preço para chegar lá, e a diferença foi grande. Com o mesmo Opus 4.8 e as mesmas tarefas: US$ 8,50 por execução em um framework, US$ 21 em outro. A diferença se resume a quanto suporte é carregado a cada turno, quantas chamadas de ferramenta o loop planeja e se o framework compacta o histórico ou o reproduz.

Portanto, compare tokens por execução, não estrelas por repositório. A metodologia está em nosso artigo sobre o Enterprise-Bench.

O outro custo é operacional e aparece mais tarde. A auto-hospedagem é simples até que você esteja executando muitos agentes. Então, as chaves de modelo e MCP ficam espalhadas por três equipes, ninguém consegue limitar os gastos, e responder a uma pergunta de auditoria significa reunir logs de cada agente que você executa. É aí que uma camada governada começa a se pagar. O TrueFoundry Agent Harness executa o mesmo runtime de código aberto TrueForge com o AI Gateway à frente: mais de 1.000 LLMs atrás de uma API compatível com OpenAI com aproximadamente ~3–4 ms de latência adicional e mais de 350 RPS em uma única vCPU, além de RBAC, orçamentos, guardrails e rastreamento unificado. O framework subjacente é o mesmo, então mudar é apenas uma alteração de implantação, não uma migração.

Perguntas frequentes

P: Qual é o melhor framework de agentes de código aberto?

‍R: Para equipes que estão colocando agentes dentro de um produto ou executando-os em toda a organização, o TrueForge é a opção mais robusta, pois possui licença MIT, é neutro em relação a modelos e oferece uma API HTTP, um SDK TypeScript e uma interface de usuário incorporável junto com o loop do agente. Para fluxos de trabalho de codificação de desenvolvedores, o opencode é a melhor escolha, e seu ecossistema e experiência de terminal são difíceis de superar.

P: O que é um framework de agentes?

‍R: Um "agent harness" é a camada de tempo de execução em torno de um LLM que o transforma em um agente confiável e de longa duração. Ele gerencia o ciclo de execução, chamadas de ferramentas, contexto, sandboxing, aprovações e estado da sessão, porque um modelo por si só consegue raciocinar, mas não consegue agir, executar ou lembrar de nada entre as interações.

P: Um "agent harness" de código aberto está pronto para produção?

‍R: Vários estão. TrueForge, opencode, OpenHands e deepagents já rodam em produção hoje. A prontidão não é o diferencial, a abrangência é. Alguns são ferramentas de terminal para um desenvolvedor; outros oferecem a API, persistência de sessão e o caminho de implantação multiusuário que uma organização precisa.

P: Quais "agent harnesses" de código aberto suportam modelos locais?

‍R: Todos os cinco são agnósticos em relação ao modelo. O opencode tem o caminho mais direto via Ollama para desenvolvimento local. O TrueForge acessa modelos locais através de qualquer endpoint compatível com OpenAI, incluindo vLLM e Ollama, portanto, uma implantação isolada (air-gapped) funciona da mesma forma que uma na nuvem.

P: Posso executar um ambiente de agente na minha própria VPC ou on-premise?

‍R: Sim, e esse é o principal motivo para escolher código aberto aqui. O TrueForge roda a partir de um único npx comando localmente, ou através de Docker Compose e Helm para implantações em equipe com Postgres, Redis, réplicas e login OIDC. A versão gerenciada do TrueFoundry também roda em auto-hospedagem, on-premise, isolada ou híbrida, para que nenhum dado saia do seu domínio.

P: Como posso governar modelos e servidores MCP em vários agentes?

‍R: Através de uma camada de gateway. O AI Gateway do TrueFoundry coloca mais de 1.000 LLMs atrás de uma única API compatível com OpenAI com RBAC, orçamentos, guardrails e rotação de credenciais, além de um MCP Gateway para controle de acesso em nível de ferramenta e rastreamento OpenTelemetry para Grafana, Datadog ou Prometheus.

Leituras relacionadas

• Melhor Estrutura de Agentes em 2026: Comparativo das 5 Principais Opções: a mesma pergunta incluindo plataformas fechadas
• Apresentando o TrueForge: o harness de agentes open-source que usamos em produçãodecisões de arquitetura e design
• TrueForge vs. Claude Managed Agents: Até 75% mais baratometodologia e resultados completos do Enterprise-Bench
• Por que os Harnesses de Agentes Devem Ser Abertospor que não alugar esta camada
• Como o AskTFY, da própria TrueFoundry, roda no TrueForgeum agente de produção construído sobre o harness

Conclusão

O melhor "agent harness" de código aberto para sua equipe depende muito menos da lista de recursos do que do que você está construindo. Ferramenta de terminal para desenvolvedores? O opencode e o Pi são excelentes e a escolha deve ser por preferência pessoal. Dependência que precisa passar por uma revisão de arquitetura? A licença e um núcleo auditável importarão mais do que a quantidade de recursos. Um produto ou um agente servindo uma organização inteira? Então você precisa de uma API, um SDK e um caminho de implantação real, e as opções diminuem rapidamente.

Esse último caso é para o qual construímos o TrueForge. Licenciado sob MIT, roda qualquer modelo na sua própria infraestrutura e npx @truefoundry/trueforge faz com que tudo funcione em cerca de um minuto. O repositório está no GitHub.