Blank white background with no objects or features visible.

Olá, EMEA! A TrueFoundry está expandindo sua presença pela Europa, Oriente Médio e África. Leia mais. →

Configuração de ambiente — por quê, o quê e como?

By TrueFoundry

Updated: novembro 3, 2026

Published: maio 20, 2026

A gestão de configuração é um aspecto importante da engenharia de software. Este artigo destacará o porquê e o quê desse problema e analisará as diferentes soluções existentes.

A abordagem para gerenciar configurações muda à medida que a aplicação ganha escala — tanto em termos de tráfego quanto em tamanho da equipe de desenvolvedores. Para ilustrar essa jornada, vamos começar com uma aplicação simples.

Este é um servidor simples que se conecta ao MongoDB e retorna a lista de usuários. O código é apenas um pseudocódigo e não pretende se ater a nenhuma linguagem específica.

Connecting to MongoDB server
Um servidor simples que se conecta ao MongoDB

Hardcode de configuração na aplicação: um NÃO gigante!

Don't Hardcode MongoDB URI
Não faça hardcode de variáveis dentro da aplicação

Inserir a URI do MongoDB diretamente no código da aplicação tornará muito difícil executá-la em qualquer outro ambiente — como nos notebooks dos colegas de equipe ou em produção. Devemos seguir a metodologia do 12 factor app aqui para separar a configuração do código.

“ SEPARE A CONFIGURAÇÃO DO CÓDIGO “

Agora a pergunta é: o que compõe a configuração de uma aplicação? Citando de https://12factor.net/config

A configuração de uma aplicação é tudo o que pode variar entre deploys (staging, produção, ambientes de desenvolvimento, etc). Isso inclui:

1. Identificadores de recursos para o banco de dados, Memcached e outros backing services

2. Credenciais para serviços externos como Amazon S3 ou Twitter

3. Valores por deploy, como o nome de host canônico para a implantação

A maneira mais fácil e comum de separar a configuração do código é colocar as variáveis em um arquivo .env.

Feito isso, precisamos carregar as variáveis no código a partir do arquivo .env. Existem vários pacotes para fazer isso, como dotenv e dotenv-expand. O arquivo .env não é enviado para o Git neste caso e cada desenvolvedor sobrescreve a variável de acordo com seu próprio ambiente. Para dar a todos os desenvolvedores uma ideia de quais variáveis de ambiente precisam ser adicionadas, geralmente enviamos um arquivo como .env.example para o Git.

Example of .env file commit to GIT
fazer commit do .env.example

Também precisaremos fornecer os valores dessas variáveis nos ambientes de staging e produção. Quase todos os sistemas de deployment fornecem uma maneira de armazenar e fornecer variáveis de ambiente, como ConfigMap e Secrets no Kubernetes, ou S3 para o Elastic Container Service.

Precisaremos copiar essas variáveis para esses ambientes e mantê-las sincronizadas sempre que os desenvolvedores adicionarem ou removerem variáveis de ambiente. Uma abordagem possível é ter um arquivo .env separado para os ambientes de staging, produção, etc.

arquivos .env diferentes para ambientes diferentes

Como e onde armazenamos os arquivos .env específicos de cada ambiente?

Alguém pode sugerir armazenar esses arquivos no Git, mas há um grande problema de segurança nesse caso — especialmente para algumas das credenciais sensíveis nos arquivos env.

  1. Provavelmente não queremos que todos os desenvolvedores tenham acesso às credenciais do banco de dados e a outras informações sensíveis à segurança.
  2. Armazenar todas as credenciais em texto puro no repositório do Github também é um grande risco de segurança sob a perspectiva de vazamento de dados.

As pessoas usam abordagens diferentes aqui — no entanto, alguns dos métodos mais conhecidos são:

  1. Armazenar valores criptografados no repositório Git e os valores só podem ser descriptografados por alguém que possua as chaves. Uma boa biblioteca para alcançar isso é https://github.com/StackExchange/blackbox
  2. Usar armazenamento externo: Esta abordagem baseia-se no armazenamento das variáveis de ambiente para staging, produção, etc., em uma camada de armazenamento diferente, como S3 ou AWS Parameter Store. Apenas os ambientes de produção e staging têm permissão para ler esses valores e, portanto, eles podem ser protegidos dos desenvolvedores. Os SecretManagers também entram aqui, podendo armazenar os segredos criptografados, fornecer controle de acesso e girar os segredos automaticamente. Alguns exemplos desses secret managers / parameter stores são:
Secret managers examples or paramater stores examples
Diferentes alternativas para Parameter Store / SecretsManager

Ao usar qualquer um desses sistemas externos, agora dividimos a configuração entre os arquivos .env e os secretmanagers. Alguns dos parâmetros não sensíveis virão dos arquivos .env e alguns virão do armazenamento remoto de credenciais. Podemos argumentar que podemos armazenar todos os parâmetros no armazenamento remoto — mas isso pode ser um exagero às vezes. Então, agora o que temos é:

Configuração dividida entre arquivos .env e secretmanagers

Nossa aplicação agora precisa ter código para ler de ambas as fontes de configuração. A leitura dos arquivos .env pode ser feita usando o pacote dotenv, no entanto, obter as variáveis de ambiente dos secretmanagers exige o uso de suas APIs correspondentes para obter os valores.

Reading from configuration sources
Código do servidor para ler de ambas as fontes de configuração

Isso resolve a questão de manter nossa configuração segura e também segue a metodologia 12-factor.

No entanto, escrever código de aplicação para buscar segredos acaba sendo uma prática repetitiva, em que cada aplicação agora precisa adicionar código específico de secretmanager para obter os valores da API. Isso também significa que, se algum dia mudarmos nosso provedor de secretsmanager, o código em todas as aplicações precisará mudar. Para resolver esse problema, pode haver algumas abordagens:

  1. Abstrair o código para buscar segredos como uma biblioteca padrão a ser compartilhada entre todas as suas aplicações. Isso pode simplificar o problema até certo ponto.
  2. Sincronizar valores dos secretmanagers para o ambiente de hospedagem de forma assíncrona — isso requer um sistema externo que pode dificultar a sincronização de lançamentos de código e alterações de configuração. Por exemplo, o vault-k8s permite sincronizar segredos do Vault com ambientes Kubernetes.
  3. Usar soluções pagas como Doppler (doppler.com)
  4. Usar soluções open source como o SecretsFoundry — isso permite que você se comunique com diferentes secretmanagers sem adicionar nenhum código em suas aplicações. Escreverei mais sobre o SecretsFoundry em meu próximo artigo.

A gestão de configuração é complexa e deve ser feita corretamente desde o início para garantir que a velocidade de desenvolvimento permaneça alta sem sacrificar os aspectos de segurança. O Kubernetes, que é o mais amplamente utilizado hoje para implantar aplicações, vem com seu próprio gerenciamento de configuração e segredos, o qual abordarei em outro artigo. Além disso, se você estiver usando alguma outra forma de gestão de configuração, mencione nos comentários — adoraria saber mais e aprender com você!

A TrueFoundry é um AI gateway de nível empresarial que abrange gateways de LLM, MCP e agentes, permitindo que empresas conectem, observem e governem com segurança o acesso a modelos, ferramentas, guardrails e agentes a partir de um único plano de controle. O AI Gateway viabiliza fluxos de trabalho baseados em agentes que são:
a) Seguros — resolvendo gestão de chaves, autenticação e autorização
b) Eficientes — otimizando custos, latência e failovers entre múltiplas regiões
c) À prova de futuro — permitindo conexões unificadas e composíveis entre LLMs, MCPs e guardrails de qualquer provedor

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

outubro 5, 2023
|
5 min read

<Webinar> Vitrine de GenAI para Empresas

Best Fine Tuning Tools for Model Training
maio 3, 2024
|
5 min read

As 6 Principais Ferramentas de Ajuste Fino (Fine-Tuning) para Treinamento de Modelos em 2026

maio 25, 2023
|
5 min read

LLMs Open Source: Adote ou Desapareça

agosto 24, 2023
|
5 min read

Machine Learning Deployments em 2023

novembro 18, 2026
|
5 min read

Limites do Claude Code Explicados (Edição 2026)

No items found.
Analyzing how Cloudflare detects MCP traffic
novembro 18, 2026
|
5 min read

How Cloudflare Detects MCP Traffic and Helps Secure It

No items found.
novembro 18, 2026
|
5 min read

What Is AI Search? How It Works, Architecture, and Enterprise Use Cases

No items found.
Explaining LLM fine-tuning for enterprise AI teams
novembro 18, 2026
|
5 min read

A Practical Guide to LLM Fine-Tuning: Methods, Data, Costs, and Deployment

No items found.
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Take a quick product tour
Start Product Tour
Product Tour