DeepSeek propõe superagente de IA para coordenar vários agentes de código

A DeepSeek propôs um sistema de IA chamado de superagente para coordenar vários agentes de IA ao mesmo tempo, com foco em programação. A proposta foi apresentada em um artigo técnico publicado no sábado pela equipe DeepSeek Harness, em meio à disputa com o Claude Code, da Anthropic, e o Codex, da OpenAI.

A ideia central é reduzir a necessidade de humanos para distribuir tarefas entre agentes e acompanhar o progresso de cada um. Segundo a empresa, esse gerenciamento ainda exige muita atenção humana, o que limita o ganho de produtividade mesmo quando vários assistentes estão disponíveis.

Como o superagente funciona

No modelo proposto, um agente coordenador central divide as tarefas entre vários agentes independentes. Esses agentes executam o trabalho em paralelo e reportam o andamento ao agente central, o que diminui a necessidade de supervisão direta pela pessoa.

O sistema também foi desenhado para responder de forma proativa a eventos como mensagens e atualizações de código, sem instrução explícita para cada tarefa. Na prática, isso significa que os agentes podem agir por conta própria diante de algo novo, em vez de esperar um comando detalhado.

Em um exemplo citado pela equipe, um agente poderia detectar um bug de software relatado em um chat em grupo e tentar reproduzir e corrigir o problema mesmo sem ter sido instruído diretamente. Se encontrasse uma solução viável, enviaria uma proposta de mudança no código para revisão humana. Caso contrário, permaneceria em silêncio para evitar interrupções desnecessárias.

Single-task limits depend on model capabilities, while multitask limits depend on human attention,

equipe DeepSeek Harness, em artigo técnico

Limite humano e teste de velocidade

A DeepSeek estima que uma pessoa normalmente consegue supervisionar apenas de três a cinco sessões ativas de agentes de IA ao mesmo tempo. A proposta do superagente tenta superar esse gargalo ao automatizar a distribuição e a coordenação, deixando para o humano as decisões e a revisão dos resultados.

A empresa diz que os avanços nos modelos alimentaram agentes capazes de automatizar tarefas como gerenciar calendários, redigir e-mails, preparar relatórios de trabalho e escrever código. O problema, segundo a equipe, é que usar vários desses agentes em paralelo continua exigindo atenção considerável.

Em testes experimentais, a abordagem permitiu concluir uma tarefa em pouco menos de 16 minutos, contra mais de 29 minutos da abordagem convencional. A DeepSeek também publicou um protótipo de pesquisa de código aberto na plataforma GitHub, mas ressaltou que se trata de uma exploração de arquitetura, e não de um produto maduro.

Riscos e reação

A própria DeepSeek reconheceu desafios potenciais de segurança e privacidade, incluindo o risco de que instruções maliciosas comprometam os agentes conectados a outros serviços e sistemas. Alguns especialistas do setor reconheceram o avanço, mas questionaram se a proposta traz ganhos relevantes em relação aos sistemas existentes.

The challenge in AI software development today is ensuring reliability … rather than completing tasks faster,

Liu Ming, empreendedor de IA de Pequim, no Zhihu