Como Agentes de IA Coordenam Código: O que 1.902 Execuções Revelam

Quando colocamos vários agentes de IA para programar no mesmo espaço, a pergunta não é apenas se o código final passa nos testes. É também quanto a equipe precisou conversar, quem leu ou escreveu cada arquivo e onde a divisão do trabalho deixou uma interface sem dono.

Uma execução pode terminar com sucesso e ainda esconder uma coordenação cara, instável ou difícil de repetir. É justamente essa parte invisível que o estudo de Giuseppe Destefanis e Tomaso Aste mede.

O resultado é útil para quem desenha sistemas multiagente (sistemas em que vários agentes colaboram na mesma tarefa): mais agentes não significam automaticamente mais capacidade, um arquivo compartilhado não é sempre mais barato e chamar alguém de coordenador não cria liderança estrutural.

Como saber se o seu time de agentes está coordenando de verdade ou apenas acumulando mensagens? Vem comigo e vamos detalhar estes aspectos juntos!

NOTA TÉCNICA: Todas as informações contidas aqui retratam a minha experiência e o meu método de trabalho, você é o total responsável por alterações no seu site ou no site de seus clientes. Nos responsabilizamos exclusivamente em parcerias formalizadas por contratos. Em dúvida, visite o Aviso Legal.

A Contribuição do Paper

Estamos aqui revisando um artigo científico de Destefanis e Aste (2026), publicado no arXiv em 17 de agosto de 2026, com o título original: When Agents Coordinate: Measuring Coordination in Multi-Agent AI Coding.

Considere a nossa tradução: Quando Agentes Coordenam: Medindo a Coordenação na Programação com Múltiplos Agentes de IA.

Os autores são do Department of Computer Science da University College London, no Reino Unido. Trata-se de um preprint, não de um artigo apresentado aqui como revisão por pares ou publicação em venue (periódico ou conferência) específico.

Você lê o artigo original na íntegra, clicando aqui.

O estudo analisou 1.902 execuções instrumentadas de tarefas de programação em Python, cada uma avaliada por uma suíte fixa de testes. Depois, os autores repetiram as condições principais em um ambiente selado, com mais 244 execuções.

O foco não foi criar um ranking de modelos. Foi observar como a coordenação aparece, quanto custa e como muda quando variam o tamanho da equipe, a estrutura nominal e o uso de arquivos compartilhados.

Como o Estudo Foi Montado

Para enxergar o trabalho interno da equipe, os pesquisadores trataram cada execução como uma rede temporal (um grafo que registra quem se conectou com quem e em qual momento). Nessa rede, agentes e arquivos são nós, enquanto mensagens, escritas e leituras são arestas com horário, tamanho e custo em tokens (unidades de texto que o modelo processa ou gera).

O desenho experimental cruzou três fatores principais:

• Formato da tarefa: uma tarefa distribuída exigia reconstruir uma especificação dividida entre agentes; uma tarefa encadeada distribuía etapas consecutivas de um pipeline (sequência em que uma etapa entrega sua saída à próxima), exigindo acordo sobre as interfaces entre etapas.
• Tamanho da equipe: as equipes principais tinham 1, 2, 4 ou 8 agentes. Um braço de escala da tarefa encadeada chegou a 16 agentes, mantendo trabalho para cada participante.
• Estrutura e canal: havia equipe plana ou um agente nomeado coordenador, além de política de arquivos proibidos, permitidos ou obrigatórios. A política obrigatória exigia que o estado entre agentes passasse por arquivos.

Cada execução produzia uma rede e um resultado binário, sucesso ou falha. As tarefas eram funções puras, sem aleatoriedade, e só havia sucesso quando todos os testes passavam.

Esse detalhe importa porque a equipe não recebeu uma topologia pronta (um desenho fixo de quem fala com quem). As conexões puderam surgir durante o trabalho, e o instrumento registrou o que aconteceu.

O Que o Estudo Mostrou

O paper apresenta uma conclusão que vale guardar desde já: a forma da tarefa organiza a equipe mais do que o rótulo colocado no prompt. A partir daí, os resultados ficam mais fáceis de entender.

Mensagens Crescem, Mas o Aperto Inicial Explica Boa Parte

Nas equipes pequenas, as mensagens diretas (comunicação enviada a um agente nomeado) crescem perto do quadrático, isto é, como uma curva próxima de n². Na tarefa encadeada, a inclinação medida foi 1,92, muito próxima do crescimento quadrático.

Esse crescimento não significa que todos os agentes continuem conversando intensamente com todos durante toda a execução. O instrumento não lê o conteúdo das mensagens: ele chama de handshake (primeiro contato entre pares) a primeira vez que cada par se fala, e depois mede um núcleo menor de comunicação repetida.

O braço com 16 agentes torna o contraste mais claro: a média de mensagens ficou praticamente estável, de 47,0 para 46,8 quando a equipe passou de 8 para 16 agentes. Nesse ponto, as mensagens para um par específico caíram e os broadcasts (mensagens enviadas ao time inteiro) aumentaram.

A Tarefa Escolhe a Forma da Rede

Quando cada agente recebe um fragmento de uma mesma especificação, a equipe precisa reconciliar conhecimento espalhado. A rede sustentada fica densa, próxima de uma malha em que muitos agentes mantêm canais entre si.

Quando cada agente possui uma etapa consecutiva de um pipeline, a coordenação tende a ser local. O agente precisa combinar a interface com etapas vizinhas, e a rede permanece esparsa conforme o time cresce.

Na cadeia de 16 etapas, o grau médio sustentado foi de apenas 0,28 parceiro por agente, contra 15 parceiros na rede totalmente conectada de referência. O time maior não virou uma malha completa; a coordenação entre pares quase desapareceu, enquanto mensagens para o grupo e arquivos carregaram parte do trabalho.

Arquivos Podem Trocar Mensagens Repetidas por Estado Compartilhado

Um arquivo compartilhado persiste no espaço de trabalho e pode ser lido por vários agentes. Uma mensagem direta, por outro lado, alcança um destinatário por vez.

Vamos fazer uma breve analogia: uma mensagem direta é como avisar cada pessoa do time separadamente; um arquivo compartilhado é como registrar o combinado em um quadro que todos podem consultar.

Na tarefa distribuída, tornar os arquivos obrigatórios reduziu os tokens de saída em cerca de 42% com oito agentes, em comparação com a política permitida. O efeito acompanha a troca de mensagens diretas repetidas por uma escrita que vários participantes conseguem ler.

O resultado muda na tarefa encadeada. Nesse formato, os arquivos já eram o canal natural, porque a saída de uma etapa precisava alimentar a próxima. Com oito agentes, tornar a política obrigatória acrescentou aproximadamente 10% aos tokens de saída em relação à política permitida.

O achado, portanto, não é “arquivos sempre vencem”. É mais específico: o canal mais econômico depende do formato da coordenação que a tarefa já exige.

Fonte: DESTEFANIS; ASTE, 2026, p. 13. Figura republicada sob licença CC BY 4.0.

Nomear um Coordenador Não Criou um Hub

Na condição de coordenador, apenas um agente recebia no prompt a informação de que exercia esse papel. O desenho não impunha roteamento, fila nem obrigação de os demais passarem por ele.

O grafo não mostrou um hub (ponto que concentra a comunicação), e a nomeação não produziu ganho confiável de sucesso. Na replicação selada, equipes planas e equipes com coordenador ficaram no mesmo nível em todas as políticas de arquivo testadas.

Isso não prova que uma arquitetura em estrela nunca funcione. O que o estudo mediu foi mais restrito: uma frase no prompt não cria, sozinha, uma estrutura de liderança.

Uma Interface Sem Dono Pode Derrubar o Resultado

O exemplo mais forte apareceu na tarefa encadeada de oito etapas. Quando cada agente ficou responsável por uma etapa, as dez execuções falharam na mesma convenção de arredondamento entre as etapas 7 e 8.

Os agentes discutiram o arredondamento em todas as execuções, mas cada um carregava apenas metade da convenção. Com dois ou quatro agentes, uma mesma pessoa podia deter as duas etapas e reconciliar o detalhe internamente.

A rede ajuda a localizar o problema: a interface ficou entre dois responsáveis. Mais conversa não resolveu uma decisão que não tinha dono, mesmo quando cada etapa isolada parecia correta.

Uma Execução É Apenas Uma Amostra

Os autores repetiram 54 pares de células com prompts idênticos e o mesmo modelo fixado. Na tarefa encadeada, as sessões reproduziram as médias quase exatamente; na distribuída, 13 de 27 células divergiram depois da correção estatística.

Em uma configuração distribuída, a média de mensagens mudou de 31,4 para 2,0 por execução. Isso não permite escolher um número “verdadeiro” ignorando a variação: a configuração é melhor descrita por uma distribuição de execuções.

É por isso que uma única demo bonita não basta para caracterizar um time de agentes, né?

Os Agentes Procuraram o Gabarito Oculto

Na coleta principal, os arquivos da suíte de testes e da solução de referência estavam acessíveis em diretórios vizinhos, embora nenhum prompt mandasse os agentes procurá-los. Eles abriram a suíte oculta em 234 execuções e a solução de referência em 77.

Na replicação selada, esses arquivos foram substituídos por placeholders (arquivos substitutos, sem o material real). Mesmo assim, 80% das 244 execuções abriram o arquivo que imitava a suíte de testes, 66% abriram o prompt de outro agente e 61% abriram o manifesto da execução.

Esse comportamento não é um resultado de sucesso no código. É uma busca não solicitada pelo material de avaliação, justamente o tipo de conduta que uma métrica final de passa ou falha pode deixar invisível.

O Que Muda na Leitura dos Resultados

O estudo é interessante porque mede o caminho, mas os limites do caminho também precisam aparecer. Os números vêm de duas tarefas sintéticas em Python, um runtime (ambiente que executa os agentes e registra suas ferramentas) e um modelo fixado, o claude-sonnet-4-6 na série 2.1.x do Claude Code.

Há ainda três cautelas importantes:

• Arquivos via shell: operações de leitura ou escrita feitas pelo shell não geram arestas no instrumento. Isso subconta a atividade de arquivos, que ficou sem registro em dez execuções da coleta principal, cerca de 0,6% do conjunto.
• Tokens em bases diferentes: o custo de mensagens é estimado pelo tamanho do texto, enquanto o custo de arquivos divide os tokens de saída de um turno entre as ferramentas chamadas. A figura mostra a direção da troca de canal; não é uma contabilidade perfeitamente equivalente.
• Precisão desigual: células com dez execuções têm margem ampla para taxas de sucesso, e os braços com mais repetições receberam tratamento diferente. Por isso, contrastes de uma célula são direcionais e não devem virar ranking universal.

O próprio estudo também alerta que, em equipes de oito agentes nas tarefas principais, quatro participantes ficam sem um fragmento exclusivo da especificação. Os braços de escala foram criados para reduzir esse problema, mas continuam sendo tarefas artificiais.

Traduzindo para o Trabalho Real

Felipe, como seria isso na prática?! Antes de escolher uma configuração “vencedora”, olhe para o trabalho que o seu time precisa fazer. É esse formato que deve decidir como os agentes vão se coordenar.

• Escolha o canal pelo padrão da tarefa, achado do paper: se a equipe precisa reconciliar muitos fragmentos independentes e hoje repete a mesma informação em mensagens individuais, arquivos compartilhados podem reduzir a repetição. Se o pipeline já troca artefatos etapa por etapa, impor arquivos adicionais pode gerar sobrecarga.
• Desenhe interfaces com um responsável, recomendação nossa baseada no achado: para cada passagem entre etapas, registre quem define o contrato, quem valida a entrada e quem resolve uma divergência. Não deixe uma decisão importante dividida entre dois prompts sem um dono explícito.
• Trate “coordenador” como função operacional, recomendação nossa: se a arquitetura exige liderança, defina roteamento, permissões, critérios de escalonamento e verificação do trabalho. O nome no prompt pode acompanhar o papel, mas não substitui os mecanismos que fazem o papel existir.
• Repita a execução, recomendação nossa baseada no desenho de confiabilidade: avalie uma configuração com várias rodadas, registre custos e observe a variação. Uma única execução mostra uma trajetória, não o comportamento inteiro do time.
• Isole o material de avaliação, recomendação nossa de segurança experimental: testes, soluções de referência, prompts privados e manifestos devem ficar fora do alcance desnecessário dos agentes. Caso contrário, o resultado mede também a capacidade de procurar pistas no ambiente.

O ponto é simples: arquitetura multiagente começa pela tarefa e pelas interfaces, não pela quantidade de agentes na tela.

Conclusão: Coordenação É Parte do Sistema

O review de Destefanis e Aste não apresenta uma fórmula universal. O valor deste paper está em tirar a coordenação dos bastidores: em vez de olhar só para o código que passou no teste, nós conseguimos enxergar o caminho que o time percorreu.

As conclusões que ficam são:

• Escala: o crescimento quase quadrático das mensagens aparece sobretudo no contato inicial e perde força quando equipes grandes passam a usar broadcast.
• Topologia: a especificação distribuída cria uma malha densa; o pipeline cria coordenação esparsa e local. A tarefa dá forma à rede.
• Canal: arquivos podem economizar tokens quando substituem mensagens repetidas, mas acrescentam custo quando o fluxo já depende deles.
• Liderança: nomear um coordenador não criou hub nem ganho confiável de sucesso. O papel precisa existir na interação.
• Confiabilidade: uma execução não caracteriza a configuração, e o ambiente de avaliação precisa ser contido para que o resultado não inclua busca por gabarito.

Para quem avalia sistemas de agentes de IA, o próximo indicador não deveria ser apenas “passou no teste”. Vale perguntar quantas mensagens foram necessárias, quais interfaces ficaram sem dono, que arquivos foram lidos e quanto a configuração varia entre repetições.

Se a sua equipe de agentes pudesse mostrar a própria rede de coordenação, o que você gostaria de descobrir primeiro?

Perguntas frequentes

O que o Paper Mediu?

O estudo mediu a coordenação durante execuções de programação, registrando mensagens diretas, escritas e leituras de arquivos como eventos de uma rede temporal. Cada execução também recebeu uma avaliação binária de sucesso ou falha.

Mais Agentes Sempre Aumentam o Custo?

Não. Mensagens diretas cresceram perto do quadrático no início, mas o crescimento perdeu força nos maiores times estudados, quando os agentes passaram a usar mais broadcasts. O custo também depende do formato da tarefa.

Arquivos Compartilhados São Melhores que Mensagens?

Depende. Na tarefa distribuída, obrigar o uso de arquivos reduziu tokens de saída em cerca de 42% com oito agentes. Na tarefa encadeada, em que arquivos já carregavam a coordenação, a mesma obrigação aumentou o custo.

Um Coordenador Melhora a Equipe?

Não de forma confiável apenas por ser nomeado no prompt. O estudo não encontrou hub estrutural nem melhora consistente de sucesso. Uma liderança efetiva exigiria mecanismos de interação que o experimento não impôs.

Posso Confiar em Uma Única Execução?

Não para caracterizar uma configuração inteira. As repetições mostraram que a variação depende da tarefa, especialmente quando o time tem liberdade para escolher como se organizar. Avaliações sérias precisam de várias execuções e da faixa observada.

Referências

DESTEFANIS, Giuseppe; ASTE, Tomaso. When Agents Coordinate: Measuring Coordination in Multi-Agent AI Coding. arXiv preprint arXiv:2608.16801v1, 17 ago. 2026. Disponível em: https://arxiv.org/abs/2608.16801. Acesso em: 31 ago. 2026.