Seu agente continua trabalhando. Mas ainda está avançando?

Executar mais passos não garante aproximação da solução. Controle de custo e de progresso passa por detectar quando a trajetória estagnou.

Um relato circulou no TLDR descrevendo execuções em que o agente repetiu a mesma consulta SQL bem-sucedida centenas de vezes - 113 em um caso, 254 em outro. Sem o texto completo, o episódio serve só como ilustração: atividade intensa, resultado que não muda.

O ponto útil não é a frequência desse bug em produção; é a diferença entre "ainda está rodando" e "ainda está progredindo".

TokenEconomizer e o desperdício em sequências reais

O paper TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents (Li et al., UC Berkeley / Microsoft Research / Microsoft Security, arXiv 2610.22732) trata exatamente desse tipo de desperdício em sequências reais de tarefas.

Em vez de avaliar o agente em tarefas isoladas, os autores olham repositórios onde o mesmo ambiente e os mesmos padrões se repetem ao longo de várias sessões.

O custo recorrente aparece em três frentes:

• rediscoberta de fatos do ambiente (comando que funciona aqui, variável obrigatória, ordem de build)
• ferramentas que permanecem irrelevantes
• loops de falha improdutivos - o agente insiste no mesmo caminho sem alterar o estado útil do problema

Como funciona o controlador externo

TokenEconomizer atua como controlador externo, sem alterar pesos do modelo nem o código do loop do agente. Três mecanismos:

1. injetar micro-skills aprendidas de sessões anteriores no mesmo repositório;
2. podar tools que consistentemente não ajudam;
3. intervir quando a trajetória entra em loop de falha.

Em Claude Code, Codex e GitHub Copilot CLI com modelos frontier, o método reportou redução média de custo de 18,4-30,9% em SWE-Bench, com Pass@1 comparável ou melhor em 4 de 5 combinações agente-modelo.

A economia apareceu em todos os repositórios testados; em web e auditoria de segurança, a faixa foi 6,4-21,2% conforme a estrutura das tarefas.

Progresso não é número de tool calls

O desenho importa para quem opera agentes no dia a dia. Limite de tokens ou de passos corta custo de forma cega e pode interromper trabalho que ainda avançava. Intervir só quando o humano "acha que está travado" depende de atenção intermitente.

O que o paper formaliza é política baseada em experiência do próprio repositório: o que já falhou de forma repetida, o que já foi descoberto e não precisa ser redescoberto, quando a sequência de ações deixou de mudar o estado do problema de forma útil.

Progresso, nesse sentido, não é número de tool calls nem de linhas geradas. É mudança observável em direção ao objetivo - teste que passa, erro que some, arquivo que deixa de ser reescrito em loop, consulta cujo resultado informa a próxima decisão em vez de ser reexecutada idêntica.

Sem um sinal explícito de estagnação (mesmo que imperfeito), o agente pode consumir orçamento enquanto o humano só vê "ainda está trabalhando".

Para times que já medem custo por tarefa, o próximo passo concreto é registrar, por repositório, quantas sessões rediscobrem o mesmo fato operacional e quantas vezes a mesma ação é repetida sem alteração de estado. Aí a decisão de interromper ou redirecionar deixa de ser só feeling no meio do turno.

Leia o artigo mais aprofundado clicando abaixo.

Autor da série de livros "Engenharia de Software Assistida por IA" (disponível na Amazon). Aprofunde-se no tema de forma estruturada do contexto à governança de agentes consultando a série clicando na imagem abaixo:

• Cupom de 30% OFF: LEIA30
• Disponível também no Kindle Unlimited

Referências

• Li et al., TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents, arXiv:2610.22732 (2026) UC Berkeley, Microsoft Research, Microsoft Security.
• Projeto: tokeneconomizer.github.io

Tags #EngenhariaDeSoftware #IA #AgentesDeCodigo #TokenEconomizer #CustoDeAgentes #SWEBench #SoftwareEngineering #AI #CodeAgents #Progresso