Coordenação assíncrona pode ser o próximo salto para agentes de IA que analisam repositórios complexos. Em um experimento com 124 tarefas, quatro agentes usando o AgentRadio resolveram 62,1% dos casos, contra 32,3% de um único agente com Opus 4.6. O resultado é promissor, mas precisa ser lido junto com o custo maior e com a necessidade de validação humana.

O AgentRadio é uma camada de passagem de mensagens que permite aos agentes compartilhar descobertas durante a execução, sem interromper a tarefa principal. A proposta aparece em um preprint submetido ao arXiv em 30 de julho de 2026. O trabalho está disponível em arxiv.org/abs/2607.28430. O projeto também mantém documentação e materiais no site agentradio.com.

1. O problema é fazer descobertas chegarem a tempo

Analisar um repositório grande não é apenas procurar trechos de código. O agente pode precisar executar o software, consultar logs, seguir chamadas entre arquivos e comparar evidências que aparecem em momentos diferentes.

Um único agente tende a seguir uma linha de investigação. Conforme o contexto cresce, fica mais difícil revisar o plano e manter todas as dependências ativas. Dividir o trabalho entre agentes ajuda, mas cria outro problema: uma descoberta importante pode não chegar aos colegas enquanto eles ainda conseguem usá-la.

É como investigar uma falha em uma empresa sem avisar a equipe responsável por outro serviço. Cada grupo pode trabalhar bastante e, ainda assim, continuar baseado em uma hipótese que já foi contrariada.

2. Como o AgentRadio mantém os agentes informados

O AgentRadio funciona como um canal compartilhado de comunicação. Os agentes continuam executando comandos, mas podem enviar mensagens e receber avisos relevantes entre uma etapa e outra.

1. create_thread abre o canal de trabalho

Essa primitiva cria uma conversa entre os agentes que participarão da investigação.

2. send_message compartilha uma descoberta

O agente acrescenta uma mensagem ao tópico e segue trabalhando. O envio não bloqueia a execução principal.

3. wait_for_mention entrega um aviso contextualizado

O processo espera até que uma mensagem mencione aquele agente. Quando isso acontece, recebe a mensagem e uma visão completa dos tópicos disponíveis. Assim, pode incorporar uma descoberta no próximo passo, sem precisar esperar o fim de uma rodada formal.

Essa combinação cria o que os pesquisadores chamam de consciência passiva. O agente não precisa parar toda a investigação para consultar uma memória compartilhada, mas pode reagir quando uma informação relevante chega.

A implementação usa um servidor que armazena tópicos, mensagens e menções. No lado dos agentes, três scripts de shell fazem a integração. O requisito técnico central é que a ferramenta consiga executar um comando em segundo plano. Ainda assim, uma equipe precisa criar um adaptador para iniciar os agentes, atribuir identidades, conectá-los ao servidor e organizar a síntese final.

3. O que o experimento mediu

Os pesquisadores avaliaram 124 tarefas do SWE-Atlas QnA, um benchmark com perguntas de longo alcance sobre repositórios de produção. Para resolvê-las, os agentes precisam explorar o código e executar comandos. As tarefas cobrem temas como desenho de sistemas, análise de causa raiz, segurança e integração de APIs.

No recorte reportado no preprint, a comparação incluiu um agente Claude Code com Opus 4.6, um agente com Opus 4.8, configurações multiagentes com divisão de trabalho e uma equipe de quatro agentes usando o AgentRadio. Também houve uma comparação de orçamento com seis execuções independentes de Opus.

1. Um agente Claude Code com Opus 4.6 resolveu 32,3% das tarefas.
2. Um agente com Opus 4.8 resolveu 57,2%.
3. A configuração completa com AgentRadio resolveu 62,1%.
4. Com DeepSeek V4 Pro, o resultado passou de 29,0% para 50,8% com a coordenação.

Os números indicam uma vantagem da coordenação nesse experimento. Eles não provam, sozinhos, que a arquitetura será superior em todo repositório ou ambiente de produção. A amostra tem 124 tarefas, e a publicação deve ser lida junto com a definição de sucesso, os grupos comparados e os limites de execução descritos no preprint.

4. Por que o ganho aparece em tarefas interdependentes

Um exemplo envolve o sistema MinIO. Para chegar à resposta correta, era necessário consultar logs do servidor, algo que os agentes não tinham previsto no planejamento inicial.

Em uma configuração sem comunicação assíncrona, dois agentes descobriram essa necessidade durante a execução. Como não podiam compartilhar a informação naquele momento, um desistiu em silêncio e o outro não conseguiu levá-la ao grupo. Na revisão, a equipe concordou com a resposta errada e deixou de atender a cinco critérios.

Com o AgentRadio, um dos agentes enviou imediatamente a evidência sobre os logs. Os demais receberam a informação e ajustaram a investigação. Nesse caso específico, a pontuação passou de uma resposta que não atendia aos cinco critérios para 16 de 16.

O ponto não foi simplesmente adicionar mais agentes. Foi fazer uma descoberta chegar aos colegas antes que perdesse seu valor operacional. Esse mecanismo pode ser útil em perguntas sobre arquitetura de repositórios, sistemas legados, incidentes entre serviços, segurança, migrações de dependências e refatorações que envolvem vários módulos.

5. Quando testar a coordenação, e quando não usar

Coordenação assíncrona faz mais sentido quando três condições aparecem juntas: o trabalho exige investigação paralela, as partes continuam interdependentes e uma descoberta no meio do caminho pode mudar o plano dos demais agentes.

Antes de adotar a abordagem, compare-a com um agente único usando três medidas: taxa de sucesso, tempo de resposta e custo. O teste é especialmente importante porque a coordenação aumenta o consumo de recursos. No experimento, o gasto médio por tarefa subiu de US$ 2,96 para um agente Opus para US$ 19,45 na configuração completa com AgentRadio. Em uma comparação com orçamento semelhante, seis execuções independentes de Opus custaram US$ 17,76 e resolveram 37,9% das tarefas, contra 62,1% do AgentRadio.

Isso sugere que a estrutura de comunicação contribuiu para o resultado, em vez de o ganho vir apenas de mais chamadas ao modelo. Ainda assim, mensagens demais podem distrair os agentes, e uma hipótese errada compartilhada rapidamente pode espalhar o erro.

Para uma alteração local, conhecida e reversível, um agente único costuma ser mais simples. Para uma investigação ampla, faça um piloto controlado. Mantenha revisão humana para mudanças em código de produção e registre quais agentes apresentaram cada evidência e por que uma conclusão foi aceita.

O AgentRadio mostra um caminho concreto para testar sistemas mais coordenados. O próximo passo responsável não é ativá-lo em toda tarefa, mas medir onde a troca de informações no meio da execução melhora o resultado o suficiente para justificar seu custo. Leia também: Instacart automatiza a engenharia de software. Saiba como isso muda o seu futuro no trabalho.