Tendril: Um agente autoextensível que constrói e registra ferramentas em tempo real

✍️ OpenClawRadar📅 Publicado: April 27, 2026🔗 Source
Ad

Tendril é um sandbox agentivo autoexpansível que demonstra o padrão Agent Capability — o modelo descobre, constrói e reutiliza ferramentas autonomamente entre sessões. Construído com AWS Strands Agents SDK e Tauri.

Como funciona

Você pede para o Tendril fazer algo. Ele verifica seu registro de capacidades. Se uma ferramenta existir, ele a usa. Se não, ele escreve uma, registra e a executa — tudo sem perguntar. Da próxima vez que precisar da mesma coisa, a ferramenta já estará lá.

Você: "busque as principais notícias do Hacker News"
Tendril: → searchCapabilities("buscar url hacker news") # nada encontrado
         → registerCapability(fetch_url, código) # constrói uma ferramenta
         → execute("fetch_url", {url: "https://..."}) # executa pelo nome
         → "Aqui estão as principais notícias: ..."

Você: "agora busque Lobsters e compare" Tendril: → listCapabilities() # encontrado: fetch_url ✓ → execute("fetch_url", {url: "https://lobste.rs"}) # executa — sem reconstruir

O registro cresce com o uso. Cada sessão é mais esperta que a anterior.

Configuração do agente

O núcleo do Tendril é um agente Strands com apenas três ferramentas de inicialização:

import { Agent } from '@strands-agents/sdk';
import { BedrockModel } from '@strands-agents/sdk/models/bedrock';

const agent = new Agent({ model: new BedrockModel({ modelId: '...', region: '...' }), systemPrompt: TENDRIL_SYSTEM_PROMPT(workspacePath), printer: nullPrinter, tools: [ listCapabilities(registry), registerCapability(registry), executeCode(registry, workspacePath, config), ], });

Ad

Regras do prompt do sistema

O prompt do sistema impõe comportamento autônomo:

  • Chame searchCapabilities(query) para verificar se existe uma ferramenta relevante
  • Se encontrada: chame loadTool(nome) e depois execute(código, args)
  • Se NÃO encontrada: você DEVE construir a ferramenta você mesmo
  • NUNCA pergunte "gostaria que eu criasse uma ferramenta?" — apenas construa
  • Se uma ferramenta falhar, leia o erro, corrija o código e tente novamente
  • NUNCA responda com dados de treinamento quando uma ferramenta puder obter informações ao vivo

Arquitetura

┌─────────────────────────────────────────┐
│ Tauri Shell (Rust)                      │
│  ACP Host ──stdin/stdout──► Agent      │
│  (acp.rs)          NDJSON    (Node.js SEA)│
│  Events ◄── session/update ──┘          │
│  (events.rs)                            │
│  Tauri Events ──► React Frontend        │
│  (TailwindCSS v4)                       │
└─────────────────────────────────────────┘

Agent internals: Strands SDK ── BedrockModel ── Claude │ 4 bootstrap tools ┌────┴────┐ │ Registry │ ←→ index.json + tools/*.ts └─────────┘ ┌────┴────┐ │ Sandbox │ ←→ Deno subprocess (sandboxed)

O loop agentivo roda dentro de agent.stream() e faz a ponte com o protocolo ACP, expondo as fases think, act e observe para a interface.

A solução "muitas ferramentas"

A maioria dos frameworks de agente dá ao modelo um grande pacote de ferramentas e espera que ele escolha a certa. O Tendril inverte isso — o modelo sempre vê exatamente três ferramentas. Ele pesquisa um registro, constrói o que precisa, e o registro cresce com o tempo. A superfície de ferramentas nunca muda; as capacidades sim.

📖 Leia o código-fonte completo: HN AI Agents

Ad

👀 See Also

Auto-otimização: Um Plugin de Código Claude para Otimização Autônoma de Desempenho
Tools

Auto-otimização: Um Plugin de Código Claude para Otimização Autônoma de Desempenho

Um desenvolvedor criou o auto-optimize, um plugin do Claude Code que executa loops autônomos de perfil → planejamento → benchmark para otimizar o desempenho do código. Em um teste, ele alcançou uma tabela de hash 27% mais rápida em todos os cenários de benchmark em cerca de 3 horas.

OpenClawRadar
Equipe do Crime: Orquestrador Multiagente para OpenClaw — Revisão de Código Paralela com Agente Codificador
Tools

Equipe do Crime: Orquestrador Multiagente para OpenClaw — Revisão de Código Paralela com Agente Codificador

Crime Team v0.1 executa múltiplos agentes especialistas OpenClaw em paralelo para revisão de código e depois integra os resultados. Inclui modelos por agente, um agente coder que aplica alterações e um loop de reauditoria. CLI + GUI.

OpenClawRadar
Codebook Lossless LLM Compression: Redução de 10-25% na RAM com Empacotamento Bitwise
Tools

Codebook Lossless LLM Compression: Redução de 10-25% na RAM com Empacotamento Bitwise

Um código de prova de conceito de um desenvolvedor demonstra a compressão sem perdas de LLMs ao empacotar pesos fp16 em blocos, alcançando redução de 10-25% na RAM com a contrapartida de aproximadamente reduzir pela metade a velocidade de inferência. A abordagem identifica que a maioria dos modelos usa apenas 12-13 bits de valores únicos, apesar da representação de 16 bits do fp16.

OpenClawRadar
IUM: Índice de Símbolos MCP reduz uso de tokens de IA em 15,9x comparado ao grep
Tools

IUM: Índice de Símbolos MCP reduz uso de tokens de IA em 15,9x comparado ao grep

IUM indexa bases de código em uma matriz SQLite de eventos de símbolo, expondo coordenadas exatas de arquivo:linha, rastreamento de grafo de chamadas e busca semântica via MCP. Benchmark contra DataFusion (1.538 arquivos) mostra 15,9x menos tokens que grep para consultas equivalentes.

OpenClawRadar