Markdown como Protocolo para Interface de Agente com Execução em Fluxo Contínuo

Um desenvolvedor construiu um protótipo explorando como combinar interface gerativa com execução de código para agentes de IA usando Markdown como um protocolo unificado. O sistema transmite texto, código executável e dados em uma única resposta, com o código sendo executado incrementalmente conforme chega.

O Protocolo: Markdown com Três Tipos de Blocos

A abordagem usa a sintaxe padrão do Markdown que os LLMs já entendem, evitando a necessidade de ensinar novos formatos. Ela define três tipos de blocos:

• Blocos de texto: Formatação simples de Markdown que é transmitida ao usuário
• Cercas de código: ```tsx agent.run executa código TypeScript/JSX no servidor em um contexto persistente
• Cercas de dados: ```json agent.data => "id" transmite dados JSON para componentes de interface

Esses blocos podem ser intercalados em qualquer ordem dentro de uma única resposta. O analisador os processa incrementalmente conforme os tokens chegam do LLM.

Execução em Streaming

O código é executado instrução por instrução conforme o LLM o gera, sem esperar que a cerca de código completa seja fechada. Isso permite que chamadas de API comecem, a interface seja renderizada e erros surjam enquanto o LLM ainda está enviando tokens. O desenvolvedor construiu bun-streaming-exec para lidar com isso, usando vm.Script com encapsulamento personalizado, já que a execução em streaming não é um primitivo padrão de tempo de execução.

Interface Agêntica com o Primitivo mount()

O sistema usa React para geração de interface, pois os LLMs têm ampla exposição a componentes React e JSX. O primitivo central é mount():

mount({
  ui: () => <Card>Olá do agente!</Card>
});

Quando o LLM gera esse código e o servidor o executa, mount() serializa o componente React e o envia ao cliente para renderização dentro da interface de chat.

Padrões de Fluxo de Dados

O protótipo implementa quatro padrões distintos para movimentação de dados:

1. Cliente → Servidor (formulários): O agente pode aguardar entrada do usuário por meio de formulários
2. Servidor → Cliente (dados transmitidos): Cercas de dados transmitem JSON diretamente para interfaces montadas
3. Servidor → LLM (console.log): A saída de console.log e exceções são enviadas de volta ao LLM como um novo turno
4. LLM → Servidor → Cliente (ciclo completo): Ciclos completos onde o LLM gera código que busca dados e renderiza interface com esses dados

Ciclo de Feedback

O sistema usa console.log como mecanismo para o agente conversar consigo mesmo. Quando o LLM gera Markdown com blocos de código, o texto é transmitido ao usuário enquanto o código é executado incrementalmente. Qualquer saída de console.* ou exceções são enviadas de volta ao LLM como um novo turno. Se não houver saída ou exceções, o sistema aguarda uma nova consulta do usuário.

Isso permite que o agente reaja à sua própria execução, como verificar contagens de mensagens ou pausar para aguardar entrada do usuário antes de prosseguir.