Eigent: o Cowork Open Source encontra o Z.ai GLM-4.7

Resumo

Em ambientes corporativos reais, muitas ferramentas internas, dashboards e sistemas legados operam inteiramente no navegador ou no terminal, formando a espinha dorsal das operações diárias do negócio.

Para automatizar esses sistemas complexos, apresentamos o Eigent, um aplicativo open-source de força de trabalho multiagente que roda localmente e pode ser totalmente configurado a partir do código-fonte, com forte foco em automação de navegador e terminal, servindo essencialmente como sua alternativa open-source ao Cowork para fluxos de trabalho corporativos.

Neste post, vamos explorar como o Eigent aproveita a arquitetura Workforce do CAMEL e a automação de terminal para lidar com tarefas corporativas de várias etapas. Também veremos mais de perto o GLM-4.7, analisando seu desempenho em automação de terminal e os recursos arquiteturais que dão suporte a workflows agentic de longo horizonte.

Contexto: O que é o Eigent e como ele dá suporte ao GLM-4.7

O Eigent é um produto de força de trabalho multiagente open-source que roda localmente no seu desktop. Ele é construído sobre uma arquitetura multiagente no estilo workforce e equipado com recursos de propósito geral como:

• Automação de navegador
• Automação de terminal
• Integrações com MCP (Model Context Protocol)

Esse design permite que os agentes no Eigent ajam como trabalhadores humanos reais, operando diretamente em ambientes de desktop — sem exigir integrações profundas com APIs ou reconfiguração constante de workflows.

À medida que os modelos de base continuam melhorando, integrá-los ao sistema multiagente open-source do Eigent permite que desenvolvedores e empresas apliquem capacidades de LLM a casos de uso do mundo real de forma rápida e eficaz.

Por isso o Eigent integrou o GLM-4.7 imediatamente após seu lançamento.

Começando com o GLM-4.7

• Cloud Mode:

  Basta selecionar GLM-4.7 no dropdown de modelo superior.

• Bring Your Own Key (BYOK):

  Vá para Model Settings → GLM, insira sua chave de API da Z.ai e defina o nome do modelo como GLM-4.7.

Precisa de ajuda? Confira nosso guia sobre como configurar sua chave de API da Z.ai.

Um tutorial em vídeo passo a passo também está disponível abaixo.

Repositório GitHub e como configurar o Eigent

Repositório GitHub

👉 https://github.com/eigent-ai/eigent

Início Rápido: Configurando o ambiente

Você pode executar o Eigent de duas formas:

Opção A: Aplicativo Desktop Sem Configuração (Recomendado para Usuários)

Para usuários que querem começar a automatizar tarefas imediatamente:

1. Baixe o cliente no Site Oficial
2. Instale o .dmg (macOS) ou .exe (Windows)
3. Abra o aplicativo — o backend local inicia automaticamente

Opção B: Configuração para Desenvolvedores (A partir do Código-fonte)

Para desenvolvedores que desejam inspecionar ou personalizar o sistema.

1. Pré-requisitos

• Node.js v18–22
• Python 3.10+

2. Clonar e instalar

# Clone the repository
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# Install frontend dependencies
npm install

3. Executar a aplicação

# Run in development mode
npm run dev

Depois de em execução, você pode configurar provedores de LLM (GLM-4.7, etc.) diretamente nas configurações.

Para configuração avançada e resolução de problemas, consulte a Documentação Oficial.

Por dentro: Full Stack do Eigent e arquitetura CAMEL Workforce

Visão geral do sistema

O Eigent é um aplicativo desktop local-first impulsionado por um motor de orquestração multiagente construído sobre o CAMEL Workforce.

Princípios arquiteturais principais:

• Execução totalmente local
• Design full stack desacoplado
• Fortes garantias de soberania de dados
• Sem execução de agentes na nuvem

1. Frontend

O frontend atua como o plano de controle para configuração de agentes e monitoramento de workflows.

Stack de tecnologia:

• React + TypeScript
• Electron
• Zustand (gerenciamento de estado)
• React Flow (orquestração visual de agentes)

O frontend se comunica com o backend por meio de requisições HTTP locais seguras.

2. Backend

O backend é um servidor Python local construído com:

• FastAPI + Uvicorn
• Python 3.10+ (gerenciado por uv)
• PostgreSQL (via SQLModel / SQLAlchemy)

Ele hospeda o framework multiagente CAMEL, que gerencia:

• Orquestração de workforce
• Interações com LLM (remotas via Z.ai ou locais via vLLM)
• Toolkits para automação de navegador, terminal e documentos

CAMEL Workforce: Um sistema multiagente inspirado em organizações

No núcleo do Eigent está o CAMEL Workforce, um sistema multiagente descentralizado projetado para tarefas corporativas complexas.

Funções dos agentes

• Agente Coordenador

  Mantém o estado global e distribui subtarefas.

• Agente de Tarefa

  Decompõe objetivos de alto nível em tarefas atômicas.

• Agente Trabalhador

  Executa tarefas usando ferramentas específicas de domínio.

Comunicação assíncrona: TaskChannel

A execução de tarefas é coordenada por uma fila de mensagens assíncrona:

1. O workforce inicia uma tarefa
2. Os agentes trabalhadores consultam atribuições
3. Os resultados são enviados de volta após a conclusão

Esse design garante uma execução escalável e sem bloqueios.

Construção dinâmica de DAG

Workflows corporativos raramente são lineares.

O CAMEL Workforce constrói dinamicamente um Grafo Acíclico Direcionado (DAG):

• Tarefas independentes executam em paralelo
• Tarefas dependentes ficam bloqueadas até que os pré-requisitos sejam concluídos

Exemplo:

• Search Flights e Search Hotels executam simultaneamente
• Generate Itinerary espera até que ambos estejam DONE

Mecanismos tolerantes a falhas

Falhas são tratadas como estados esperados, não como erros fatais.

Estratégias de recuperação suportadas:

• RETRY – Reexecutar a tarefa
• REPLAN – Modificar a tarefa com base nos logs da falha
• REASSIGN – Mover a tarefa para outro agente
• DECOMPOSE – Dividir a tarefa em subtarefas menores

Testando o GLM-4.7 com automação de terminal do mundo real

Avaliamos o GLM-4.7 usando a automação de terminal do Eigent em um workflow realista de fim de expediente.

Tarefa de exemplo

"Saindo do trabalho agora! Por favor, me ajude a organizar os arquivos de trabalho na minha área de trabalho na pasta de hoje e, em seguida, escreva um relatório diário em HTML resumindo o que fiz hoje."

O que o agente deve fazer

1. Examinar os arquivos da área de trabalho
2. Criar uma pasta baseada na data
3. Identificar e mover arquivos relacionados ao trabalho
4. Inferir as atividades diárias a partir das mudanças nos arquivos
5. Gerar um relatório HTML estruturado

Isso exige raciocínio de longo horizonte, preservação de contexto e múltiplas chamadas de ferramentas.

Em nossos testes, o GLM-4.7 concluiu o workflow com sucesso.

Como o GLM-4.7 dá suporte ao desempenho de tarefas agentic

O GLM-4.7 é um modelo orientado a código otimizado para workflows de agentes, oferecendo um forte equilíbrio entre custo e desempenho.

Pensamento Intercalado e Preservado

O GLM-4.7 introduz controles avançados de raciocínio:

• Pensamento Intercalado

  Pensa antes de cada resposta e chamada de ferramenta.

• Pensamento Preservado

  Retém blocos de raciocínio entre turnos, reduzindo a deriva de contexto.

• Controle de Pensamento por Turno

  Ative o raciocínio para tarefas complexas e desative-o para as mais leves para economizar custo e latência.

Esses recursos tornam o GLM-4.7 particularmente adequado para automação multi-etapas de longo horizonte.

Conclusão e próximos passos

O Eigent oferece um ambiente local-first de nível de produção para implantar agentes de IA que operam diretamente dentro de sistemas corporativos reais.

Ao combinar:

• Arquitetura multiagente baseada em workforce do CAMEL
• Autonomia em nível de terminal e navegador
• Forte observabilidade e tolerância a falhas

O Eigent entrega as propriedades centrais necessárias para implantação de IA de nível corporativo:

controlabilidade, auditabilidade e soberania de dados.

Também mostramos como o GLM-4.7, quando integrado ao Eigent, oferece capacidades robustas de raciocínio para workflows complexos.

Participe

O Eigent é totalmente open-source. Convidamos desenvolvedores, pesquisadores e equipes corporativas a explorar e contribuir.

• 👉 GitHub: https://github.com/eigent-ai/eigent
• 👉 Discord: https://discord.camel-ai.org