Sgai: Ferramenta de Desenvolvimento de Software Multiagente Orientada a Objetivos

O que o Sgai faz
Sgai (pronuncia-se "Sky") é uma fábrica de software com IA orientada a objetivos que roda localmente no seu repositório. Em vez de instruções passo a passo, você define resultados em arquivos GOAL.md descrevendo o que deve ser construído, não como. O sistema então coordena múltiplos agentes de IA para executar o objetivo.
Principais recursos
- Fluxo de trabalho orientado a objetivos: Defina resultados em arquivos GOAL.md com portões de conclusão (ex:
make test) que determinam quando o trabalho está realmente concluído - Coordenação multiagente: Decompõe objetivos em um DAG de funções (desenvolvedor → revisor → analista de segurança, etc.)
- Execução local: Tudo roda localmente no seu repositório sem pushes automáticos para o GitHub
- Monitoramento visual: Painel web mostra execução em tempo real do grafo de agentes
- Esclarecimento interativo: Agentes fazem perguntas esclarecedoras quando necessário antes da execução
- Extração de habilidades: Extrai habilidades reutilizáveis e trechos de código de sessões concluídas
Como funciona
O fluxo de trabalho segue estas etapas:
- Crie um Objetivo: A maioria dos usuários cria objetivos usando o assistente integrado. Objetivos são armazenados em GOAL.md e descrevem resultados, não etapas de implementação.
- Agentes Planejam o Trabalho: Sgai divide seu objetivo em um diagrama de fluxo de trabalho de agentes coordenados com funções definidas.
- Aprove e Monitore: Agentes fazem perguntas esclarecedoras, depois trabalham autonomamente executando tarefas, rodando testes e validando conclusão.
- Aprenda com Sessões: O sistema extrai habilidades reutilizáveis de sessões concluídas.
Exemplo GOAL.md
--- flow: | "backend-developer" -> "code-reviewer" completionGateScript: make test interactive: yes ---Construa uma API REST
Crie endpoints para registro de usuário e login com autenticação JWT.
- POST /register valida email, faz hash da senha
- POST /login retorna token JWT
- Testes passam antes da conclusão
Instalação e Configuração
Configuração automatizada recomendada via opencode:
opencode update opencode auth login opencode --model anthropic/claude-opus-4-6 run "instale o Sgai usando as instruções de https://github.com/sandgardenhq/sgai/blob/main/INSTALLATION.md"
Requisitos de instalação manual: Go, Node.js, bun, opencode. Recomendado: jj (controle de versão), tmux (gerenciamento de sessão), ripgrep (busca de código), Graphviz (renderização de diagramas).
Comando de instalação:
go install github.com/sandgardenhq/sgai/cmd/sgai@latest
Ou compile a partir do código-fonte:
git clone https://github.com/sandgardenhq/sgai.git cd sgai cd cmd/sgai/webapp && bun install && cd ../../.. make build
Executando o Sgai
Inicie o servidor com sgai serve e abra http://localhost:8080 para acessar o painel.
Detalhes técnicos
- Código aberto (Go)
- Funciona com Anthropic, OpenAI ou modelos locais via opencode
- Mudanças passam pelo seu controle de versão (recomenda jj, mas Git funciona)
- Demonstração disponível: vídeo de 4 minutos
- Exemplo de caso de uso: "Construa um compressor de imagens arrastar e soltar" → 3 agentes (desenvolvedor, revisor, designer) → Aplicativo funcionando com testes passando → 45 minutos
O projeto é descrito como "ainda inicial e bruto em alguns aspectos, mas funcional o suficiente para compartilhar" e tem sido usado internamente para prototipar pequenos aplicativos e ferramentas internas.
📖 Leia o código-fonte completo: HN AI Agents
👀 See Also

Atoo Studio: Espaço de Trabalho de Código Aberto para Gerenciar Fluxos de Trabalho Multi-Projeto Claude
O Atoo Studio é um espaço de trabalho de código aberto criado para resolver o caos de terminais e abas ao usar o Claude Code em vários projetos. Ele introduz o fork de sessões como ramificações do Git e permite a continuidade entre Claude Code, Codex CLI e Gemini CLI.

Desenvolvimento Guiado por Manual: Um Método para Prevenir a Divergência Confiante do Código Claude
O Desenvolvimento Orientado por Manual (MDD) é um método que aborda a divergência confiante no Claude Code, onde a IA produz código errado que passa em seus próprios testes. Em uma auditoria de produção, o MDD encontrou 190 problemas, escreveu 876 novos testes em menos de 8 horas e eliminou violações de regras.

Costas: Hosts Containerizados para Executar Múltiplos Ambientes Localhost
Coasts é uma solução Docker-in-Docker que resolve o problema de executar múltiplos ambientes localhost simultaneamente, lidando com conflitos de portas, segredos e topologias de volume sem exigir scripts complexos.

Agentes de Codificação Paralela com tmux e Especificações em Markdown
Manuel Schipper descreve um sistema para executar 4-8 agentes de codificação paralelos usando tmux, arquivos Markdown, aliases bash e seis comandos de barra. A configuração usa especificações de Design de Funcionalidade (FD) em Markdown rastreadas através de um ciclo de vida de 8 estágios.