Superglue CLI: Permita que Agentes de IA Executem Chamadas de API Sem Ferramentas Pré-Construídas

O Superglue CLI é uma interface de linha de comando que inclui uma referência de habilidades estruturada que ensina agentes de IA a usar cada comando sg, lidar com autenticação, construir ferramentas e depurar falhas. A ideia central: em vez de criar ferramentas de código fixo para cada integração de API, você direciona o agente para qualquer API, e ele pode raciocinar sobre essa API em tempo de execução lendo a especificação, planejando chamadas e executando-as.
Instalação e Configuração
Instale o CLI globalmente via npm:
npm install -g @superglue/cli
Execute a configuração interativa:
sg init
Isso solicitará sua chave de API (disponível em app.superglue.cloud/admin), endpoint e preferências de saída. Para ambientes não interativos como CI ou agentes de IA, defina variáveis de ambiente:
export SUPERGLUE_API_KEY="your-api-key"
export SUPERGLUE_API_ENDPOINT="https://api.superglue.cloud"
Verifique com sg system list — se você vir erros de autenticação, verifique sua chave de API e endpoint.
Instalando a Habilidade
A habilidade dá ao seu agente de IA conhecimento completo do CLI — comandos, padrões de autenticação, esquemas de ferramentas, depuração e implantação. Instale uma vez e o agente a referenciará automaticamente.
Instalação universal para todos os agentes:
npx skills add superglue-ai/cli
Direcione agentes específicos com -g -a <agent>:
npx skills add superglue-ai/cli -g -a claude-code
npx skills add superglue-ai/cli -g -a codex
npx skills add superglue-ai/cli -g -a cursor
Para o Claude Code, instale a partir do marketplace da Anthropic:
/plugin install superglue@claude-plugins-official
Ou carregue a partir de uma instalação local:
claude --plugin-dir $(npm root -g)/@superglue/cli
Para o Cursor, copie a habilidade para o diretório do seu projeto ou global:
cp -r $(npm root -g)/@superglue/cli/skills/superglue .cursor/skills/superglue
# Ou globalmente
cp -r $(npm root -g)/@superglue/cli/skills/superglue ~/.cursor/skills/superglue
O que a Habilidade Fornece
- Todos os comandos do CLI com flags, opções e padrões de uso
- Padrões de autenticação — espaços reservados para credenciais, fluxos OAuth, formatos de cabeçalho
- Esquema de configuração de ferramentas — configurações de etapa, seletores de dados, transformações, paginação
- Fluxos de trabalho de depuração — erros comuns,
--include-step-results,sg system callpara isolamento - Padrões de implantação — SDK, API REST, webhooks (via references/integration.md)
- Referências especializadas para bancos de dados, servidores de arquivos e transformações (carregadas sob demanda)
Adicionando Contexto Específico do Projeto
Adicione uma seção ao arquivo de configuração de IA do seu projeto (CLAUDE.md, AGENTS.md ou .cursorrules) para que o agente saiba usar a habilidade e descobrir sua configuração dinamicamente. Inclua instruções como:
## Usando o Superglue
Ao trabalhar com ferramentas do superglue — via CLI, SDK ou API REST:
1. Invoque a habilidade superglue e leia o arquivo SKILL.md antes de executar qualquer comando sg
2. Leia os arquivos de referência relevantes para a tarefa (integração, bancos de dados, servidores-de-arquivos, transformações)
3. Certifique-se de que o CLI está configurado (sg init foi executado ou as variáveis de ambiente estão definidas)
4. Execute sg system list e sg tool list para descobrir a configuração atual antes de construir ou modificar qualquer coisa
5. Nunca codifique IDs de sistema ou IDs de ferramentas — sempre os descubra dinamicamente
Melhores Práticas
Sempre teste os sistemas antes de construir ferramentas. Faça o agente executar sg system call para verificar a autenticação e ver o formato real da resposta antes de construir uma configuração de ferramenta:
sg system call --system-id stripe \
--url "https://api.stripe.com/v1/customers?limit=2" \
--headers '{"Authorization":"Bearer <>"}'
Use --include-step-results ao depurar para mostrar a resposta bruta da API de cada etapa — identifica se o problema é autenticação, o endpoint ou uma transformação:
sg tool run --draft <id> --payload '{}' --include-step-results
Nunca cole segredos no chat. Use --sensitive-credentials ao criar sistemas via CLI para que os segredos sejam solicitados com segurança.
Essa abordagem aborda o "teto de ferramentas pré-definidas", onde equipes constroem agentes, mas os usuários descrevem necessidades específicas como "extraia esses três objetos do Salesforce e envie para o nCino quando a condição X for verdadeira". Em vez de traduzir cada solicitação em uma ferramenta de código fixo, o agente pode ler a especificação da API e lidar com operações de várias etapas com lógica por usuário.
📖 Read the full source: HN AI Agents
👀 See Also

Solicitação de Recurso do Claude Desktop: Gancho de Início de Sessão para Inicialização Automática
Um desenvolvedor que constrói sistemas de contexto persistente para o Claude Desktop identifica uma lacuna: o campo Preferências do Usuário só injeta instruções quando o usuário envia a primeira mensagem, exigindo gatilhos manuais para inicialização. Eles propõem adicionar um campo de execução "Ao Iniciar a Sessão" que é executado automaticamente quando uma nova conversa é aberta.

Via Camada de Integração Universal de Código Aberto Conecta Ferramentas de IA ao Barramento de Contexto Compartilhado
Via é uma camada de integração universal de código aberto que conecta Claude, Cursor, Windsurf, ChatGPT, LangChain e outras ferramentas de IA a um barramento compartilhado de contexto, tarefa e memória, permitindo que o trabalho acompanhe os usuários entre ferramentas, sessões e máquinas.

AgentPVP: Uma arena competitiva LLM primeiro-agente com ELO, rivalidades e sandbox de injeção de prompt
AgentPVP permite que agentes LLM se registrem, joguem 5 jogos de tabuleiro via APIs JSON, mantenham ELO por jogo, escrevam arquivos de rivalidade e provoquem uns aos outros em um salão global. HTML é opcional — a API é o site.
GLiGuard: Modelo de Moderação de Segurança de Código Aberto com 300 Milhões de Parâmetros Alega Aceleração de 16x sobre Barreiras de LLM
Fastino Labs lança GLiGuard, um modelo baseado em encoder de 300 milhões de parâmetros que realiza múltiplas tarefas de segurança em uma única passagem, superando ou igualando modelos 23 a 90 vezes maiores enquanto é até 16 vezes mais rápido.