> ## Documentation Index > Fetch the complete documentation index at: https://chatcli.edilsonfreitas.com/llms.txt > Use this file to discover all available pages before exploring further. # Modo Agente: Execução de Tarefas > Aprenda a delegar tarefas completas para o ChatCLI, que irá planejar e executar comandos para você. O Modo Agente transforma o **ChatCLI** de um assistente passivo em um **executor proativo**. Delegue uma tarefa completa, e a IA cria, apresenta e — com sua aprovação — executa um plano de ação. *** ## Como Iniciar Use `/agent` ou `/run`, seguido da sua tarefa em linguagem natural: ```bash theme={"system"} /agent encontre todos os arquivos de log modificados nas últimas 24h e copie para 'logs_recentes' ``` A IA responderá com um **Plano de Ação**: uma lista de comandos estruturados para revisão. *** ## O Ciclo do Agente ```mermaid theme={"system"} sequenceDiagram actor User as Usuário participant CLI as ChatCLI participant Agent as Agente participant LLM as IA User->>CLI: /agent CLI->>Agent: Inicia com a tarefa Agent->>LLM: Solicita plano de ação LLM-->>Agent: Retorna plano estruturado (comandos + explicações) Agent->>CLI: Renderiza a interface do Plano de Ação CLI-->>User: Exibe o plano para revisão loop Revisão e Execução User->>CLI: Escolhe uma ação (ex: '1', 'a', 'e1') CLI->>Agent: Executa comando(s) aprovado(s) Agent-->>CLI: Captura saída (stdout/stderr) CLI-->>User: Exibe resultado e atualiza o plano end ``` *** ## Como o Agente Funciona Internamente O coração do modo agente é um **loop ReAct** (Reason + Act) implementado na função `processAIResponseAndAct()`. Esse loop permite que a IA raciocine sobre o problema, execute ações e use os resultados para decidir os próximos passos. ### O Loop ReAct Cada turno do agente segue esta sequência: 1. **Construção do histórico** — O histórico de conversa é montado com um *anchor reminder* (lembrete de formato) anexado ao final. Esse anchor reforça para a IA o formato de resposta esperado, evitando que ela "esqueça" as instruções ao longo de conversas longas. 2. **Chamada ao LLM** — O histórico completo é enviado ao provedor de IA configurado. 3. **Parse da resposta** — A resposta é analisada para extrair raciocínio, explicações, chamadas de ferramentas e comandos. 4. **Execução das ações** — Ferramentas e comandos são executados com os devidos controles de segurança. 5. **Injeção de feedback** — O resultado da execução é injetado de volta no histórico como mensagem de contexto. 6. **Próximo turno** — O loop retorna ao passo 1, até que a IA conclua a tarefa ou o limite de turnos seja atingido. O número máximo de turnos é configurável (padrão: **50**, máximo: **200**). Quando o limite é atingido, o agente encerra o loop e exibe o último estado ao usuário. ### Composição do System Prompt O system prompt do agente é montado dinamicamente a partir de várias fontes: * **Contexto do workspace** — Arquivos bootstrap como `SOUL.md`, `USER.md` e memória persistente * **Descrição das ferramentas** — Lista completa dos plugins disponíveis e seus parâmetros * **Persona ativa** — Se uma persona customizada estiver configurada, ela é incluída * **Instruções de formato** — As `AgentFormatInstructions` que definem o formato esperado da resposta Os modos `/agent`, `/coder` e `/run` compartilham o mesmo loop ReAct. A diferença está apenas nas instruções de prompt — o `/coder` usa o `CoderSystemPrompt` que enfatiza edição de código, enquanto `/agent` usa instruções voltadas para execução de tarefas gerais. *** ## Formato de Resposta da IA A resposta do LLM é parseada para identificar múltiplos elementos estruturados. Cada tipo de bloco tem um comportamento diferente na interface: | Elemento | Tag/Formato | Comportamento na UI | | - | - | - | | **Plano** | `...` | Exibido como card com ícone de bússola — as ações que a IA vai executar (a grafia antiga `` continua sendo lida) | | **Explicação** | `...` | Exibido como card fixado — explicação voltada ao usuário | | **Resumo final** | `...` | Resumo de encerramento da tarefa | | **Chamada de ferramenta** | `...` | Invocação de plugin (file\_edit, web\_search, etc.) | | **Multi-agente** | `...` | Despacha sub-tarefas para agentes paralelos (3+ tarefas independentes) | | **Comando shell** | ` ```execute:shell ` ou ` ```bash ` | Bloco de comando para execução (formato legado) | | **Texto livre** | Texto sem tags | Exibido como resposta de chat normal | O parser é **stateful** (não baseado em regex) para lidar corretamente com tags XML que contenham atributos entre aspas com caracteres especiais. *** ## Cancelamento e Ctrl+C O agente suporta cancelamento gracioso em qualquer ponto da execução: * **Durante chamada ao LLM** — `Ctrl+C` cancela a requisição via `context.WithCancel()`. A resposta parcial recebida até aquele momento é descartada. * **Verificação por turno** — No início de cada turno do loop ReAct, o agente verifica `context.Done()`. Se o contexto foi cancelado, o loop encerra imediatamente. * **Tratamento de sinais** — `SIGINT` e `SIGTERM` são capturados pela função `runWithCancellation()`, que coordena o shutdown gracioso. * **Fila type-ahead** — Mensagens digitadas pelo usuário durante o processamento da IA são enfileiradas e processadas assim que o turno atual terminar. Isso evita perda de input. Funciona em **/agent E /coder**. O spinner mostra `(N na fila)` em tempo real conforme você pressiona Enter — não é preciso esperar o turn fechar pra ver o contador subir. Uma instrução na fila nunca se perde no caminho: ela sobrevive ao prompt de resposta final (se o modelo responder sem tool calls com instrução pendente, o coder pula o "aguardando input" e vai direto para o próximo turno), a overlays interativos como o `@ask` e ao input guard dos prompts de segurança. O que você estava digitando sem ter dado Enter passa para o prompt editável. O modelo recebe o follow-up rotulado como nova instrução do usuário, com prioridade sobre o plano atual. Se a execução terminar (max turns, erro) com instruções ainda na fila, elas são mostradas de volta para você reenviar. Se a IA estiver "travada" em um loop longo, pressione `Ctrl+C` uma vez para cancelar o turno atual. Você pode então reformular sua instrução. *** ## Histórico e Compactação O agente gerencia automaticamente o tamanho do histórico de conversa para evitar estourar o limite de tokens do modelo. ### Estratégia de Compactação Quando o histórico ultrapassa **60% do budget de tokens** do modelo, a compactação é ativada em 3 níveis progressivos: 1. **Trimming** — Mensagens de contexto injetadas (resultados de ferramentas, outputs de comandos) com mais de 3000 caracteres são truncadas, preservando início e fim. 2. **Sumarização** — Mensagens intermediárias são resumidas pela própria IA, mantendo os pontos-chave. 3. **Truncamento de emergência** — Se os níveis anteriores não forem suficientes, as mensagens mais antigas são removidas. Em todos os níveis, as **8 mensagens mais recentes** são sempre preservadas para manter o contexto imediato. ### Checkpoint e /rewind No início de cada interação do agente, um **checkpoint** do histórico é salvo. Isso permite usar `/rewind` (ou `Esc+Esc`) para retornar ao estado exato anterior à última ação do agente. *** ## Interface do Plano de Ação Após o planejamento, você verá uma tela dedicada com duas visualizações (alterne com `p`): Ideal para uma visão geral do fluxo, mostrando status e a primeira linha de cada comando. ```text theme={"system"} PLANO (visão compacta) #1: Criar o diretório de destino -- mkdir -p logs_recentes #2: Encontrar e copiar os arquivos -- find ~ -name "*.log" -mtime -1 -exec cp {} logs_recentes/ \; ``` Fornece um "cartão" detalhado para cada comando: descrição, tipo, análise de risco e código completo. ```text theme={"system"} COMANDO #2: Encontrar e copiar os arquivos Tipo: shell Risco: Seguro Status: Pendente Código: $ find ~ -name "*.log" -mtime -1 -exec cp {} logs_recentes/ \; ``` *** ## Menu Interativo O menu permite que você gerencie a execução com precisão: | Ação | Descrição | | - | - | | `[N]` | **Executar Comando N** — executa um único passo do plano (ex: `1`) | | `a` | **Executar Todos** — executa todos os comandos pendentes em sequência | | `eN` | **Editar Comando N** — abre o comando em um editor para modificação | | `tN` | **Testar (Dry-Run)** — simula a execução sem fazer alterações | | `cN` | **Continuar de N** — envia a saída para a IA e pede próximos passos | | `pcN` | **Contexto Pré-Execução** — adiciona informações para a IA refinar o comando | | `acN` | **Contexto Pós-Execução** — envia a saída com um novo contexto | | `vN` | **Ver Saída** — abre a saída completa em um pager (`less`) | | `wN` | **Salvar Saída** — salva a saída do comando em um arquivo temporário | | `p` | **Alternar Plano** — muda entre visão compacta e completa | | `r` | **Redesenhar Tela** — limpa a tela | | `q` | **Sair** — encerra o Modo Agente e retorna ao chat | Use `tN` (testar) para verificar o que um comando fará. Se ok, execute com `N`. Se der errado, use `cN` para pedir à IA que corrija o plano. *** ## Segurança Comandos perigosos (`rm -rf`, `sudo`, `mkfs`, `dd`) são bloqueados por padrão. O ChatCLI exigirá confirmação explícita antes de permitir sua execução. Você sempre tem a palavra final. Nenhum comando é executado sem sua aprovação. ### Segurança do Modo Agente O modo agente implementa múltiplas camadas de proteção para garantir execução segura de comandos. #### Allowlist de Comandos (CHATCLI\_AGENT\_SECURITY\_MODE) O ChatCLI usa uma **allowlist de comandos** com mais de 150 comandos pré-aprovados, organizados em 8 categorias: | Categoria | Exemplos | | - | - | | **Operações de arquivo** | `ls`, `cp`, `mv`, `mkdir`, `find`, `stat` | | **Processamento de texto** | `grep`, `sed`, `awk`, `sort`, `cut`, `jq` | | **Desenvolvimento** | `git`, `go`, `npm`, `python`, `make`, `cargo` | | **Containers** | `docker`, `kubectl`, `helm`, `podman` | | **Rede** | `curl`, `wget`, `ping`, `dig`, `nslookup` | | **Informações do sistema** | `ps`, `df`, `du`, `uname`, `whoami` | | **Editores** | `vim`, `nano`, `code`, `emacs` | | **Shell** | `echo`, `cat`, `head`, `tail`, `wc`, `tee` | Apenas comandos na allowlist podem ser executados. Qualquer comando fora da lista é **bloqueado automaticamente**. ```bash theme={"system"} export CHATCLI_AGENT_SECURITY_MODE=strict ``` A allowlist é aplicada primeiro. Comandos fora dela passam pela **denylist legada** (50+ padrões regex) como fallback. ```bash theme={"system"} export CHATCLI_AGENT_SECURITY_MODE=permissive ``` Para adicionar comandos personalizados a allowlist: ```bash theme={"system"} # Adicionar terraform e ansible a allowlist export CHATCLI_AGENT_ALLOWLIST="terraform;ansible;packer" ``` Se um comando legítimo for bloqueado no modo `strict`, adicione-o via `CHATCLI_AGENT_ALLOWLIST` em vez de mudar para o modo `permissive`. **Exemplo: comando bloqueado e como permitir** ```bash theme={"system"} # O agente tenta executar "terraform plan" mas é bloqueado no modo strict # Erro: "command 'terraform' is not in the allowed commands list" # Solução: adicionar terraform a allowlist export CHATCLI_AGENT_ALLOWLIST="terraform" # Agora "terraform plan", "terraform apply", etc. funcionam ``` #### Proteção de Caminhos Sensíveis (CHATCLI\_AGENT\_WORKSPACE\_STRICT) Quando habilitado, o agente só pode **ler arquivos dentro do workspace atual**. Caminhos sensíveis são sempre bloqueados: | Caminho | Motivo | | - | - | | `~/.ssh/` | Chaves SSH privadas | | `~/.aws/` | Credenciais AWS | | `~/.gcloud/` | Credenciais Google Cloud | | `~/.kube/config` | Credenciais Kubernetes | | `/etc/shadow` | Senhas do sistema | | `*.pem`, `*.key` | Certificados e chaves privadas | ```bash theme={"system"} # Habilitar proteção de workspace export CHATCLI_AGENT_WORKSPACE_STRICT=true # Permitir acesso ao kubeconfig (para operações K8s) export CHATCLI_AGENT_ALLOW_KUBECONFIG=true # Permitir caminhos adicionais de leitura export CHATCLI_AGENT_EXTRA_READ_PATHS="/opt/configs;/var/log/myapp" ``` #### Configuração de Shell (CHATCLI\_AGENT\_SOURCE\_SHELL\_CONFIG) **Mudança importante:** O source de arquivos de configuração do shell (`~/.bashrc`, `~/.zshrc`) agora é **opt-in**. Em versões anteriores, o source era feito implicitamente. Se seus comandos dependem de aliases ou funções do shell, habilite explicitamente. ```bash theme={"system"} # Habilitar source da configuração do shell (opt-in) export CHATCLI_AGENT_SOURCE_SHELL_CONFIG=true ``` Quando habilitado, o ChatCLI valida: * **Propriedade do arquivo** — O arquivo deve pertencer ao usuário atual * **Tamanho do arquivo** — Limite de segurança para evitar source de arquivos muito grandes #### Sanitização de Saída de Comandos O ChatCLI protege contra **injeção de prompt** na saída de comandos quando devolve um resultado ao modelo (as continuações `c` e `ac`): * **Cerca de dados** — stdout e stderr vão dentro de um bloco ``, para que o modelo os leia como dados, não como instruções * **Detecção de injeção de prompt** — Padrões suspeitos na saída (ex: instruções para a IA ignorar regras) colocam na frente do bloco um aviso com os padrões encontrados * **Limite de tamanho** — A saída além de `CHATCLI_MAX_COMMAND_OUTPUT` bytes (padrão `102400`) é cortada numa fronteira de caractere e marcada `[TRUNCATED: output exceeded N bytes]`. O terminal continua mostrando a saída inteira; só o que vai para o modelo é limitado ```bash theme={"system"} # Configurar limite de saída de comandos, em bytes (padrão: 102400) export CHATCLI_MAX_COMMAND_OUTPUT=200000 ``` O limite vale para os blocos de comando do agente. Os resultados de ferramentas do coder são dimensionados por `CHATCLI_TOOL_RESULT_MAX_CHARS` (veja [Gerenciamento de Resultados de Ferramentas](/pt/context/tool-result-management)). Para uma visão completa de todas as medidas de segurança, consulte a [documentação de Segurança e Hardening](/pt/security/overview). *** ## Histórico Unificado e Contexto O modo agente compartilha o **mesmo histórico de conversa** que o chat e o coder. Isso significa que você pode: * Iniciar uma conversa no chat, entrar no `/agent`, e a IA terá todo o contexto anterior * Usar `/compact` para reduzir o histórico quando ficar grande * Usar `/rewind` (ou Esc+Esc) para voltar a um ponto anterior da conversa Além disso, o agente recebe automaticamente o **contexto do workspace** (arquivos bootstrap como SOUL.md, USER.md, e memória persistente) no system prompt. *** ## Configuração do Modo Agente O comportamento do agente pode ser ajustado via variáveis de ambiente: | Variável | Padrão | Descrição | | - | - | - | | `CHATCLI_AGENT_PLUGIN_MAX_TURNS` | `50` | Número máximo de turnos do loop ReAct. Máximo permitido: **200**. | | `CHATCLI_AGENT_CMD_TIMEOUT` | `10m` | Timeout para execução de comandos shell. Máximo: **1 hora**. | | `CHATCLI_AGENT_PLUGIN_TIMEOUT` | `15m` | Timeout para execução de plugins (file\_edit, web\_search, etc.). | | `CHATCLI_AGENT_DENYLIST` | *(vazio)* | Padrões regex separados por `;` para bloquear comandos. Ex: `rm\s+-rf;curl.*\|.*sh` | | `CHATCLI_AGENT_ALLOW_SUDO` | `false` | Se `true`, permite execução de comandos com `sudo`. | | `CHATCLI_AGENT_PARALLEL_MODE` | `true` | Habilita despacho multi-agente via `` para tarefas paralelas. | | `CHATCLI_AGENT_MAX_WORKERS` | `4` | Máximo de goroutines simultâneas do dispatcher multi-agent. | | `CHATCLI_AGENT_WORKER_MAX_TURNS` | `10` | Máximo de turnos por worker individual. | | `CHATCLI_AGENT_WORKER_TIMEOUT` | `5m` | Timeout por worker. | | `CHATCLI_AGENT__MODEL` | *(vazio)* | Override de modelo para um agent embarcado específico (ex.: `CHATCLI_AGENT_PLANNER_MODEL=claude-opus-4-6`). Veja [Multi-Agent](/pt/agents/multi-agent-orchestration#configura%C3%A7%C3%A3o). | | `CHATCLI_AGENT__EFFORT` | *(vazio)* | Override de effort para um agent embarcado específico (ex.: `CHATCLI_AGENT_FORMATTER_EFFORT=low`). | ```bash Exemplo: Limitar turnos e timeout theme={"system"} export CHATCLI_AGENT_PLUGIN_MAX_TURNS=100 export CHATCLI_AGENT_CMD_TIMEOUT=30m ``` ```bash Exemplo: Bloquear padrões perigosos theme={"system"} export CHATCLI_AGENT_DENYLIST="rm\s+-rf\s+/;curl.*\|.*bash;wget.*\|.*sh" ``` *** ## One-Shot Mode (flag -p) O modo one-shot permite execução **não-interativa** de uma única instrução, ideal para scripts e automação: ```bash theme={"system"} chatcli -p "liste todos os containers Docker parados" ``` ### Como funciona 1. A instrução é enviada ao LLM como um único turno (sem loop ReAct). 2. Uma **animação de pensamento** é exibida enquanto a IA processa. 3. Se a flag `--auto-execute` estiver ativa, o primeiro bloco de comando da resposta é executado automaticamente — mas apenas após passar pela verificação de comandos perigosos. 4. O resultado é exibido e o processo encerra. O one-shot com `--auto-execute` **não** pede confirmação para comandos seguros. Certifique-se de confiar na instrução antes de usar essa combinação em scripts. *** ## Workspace e payloads grandes Toda sessão de `/agent` recebe um diretório scratch isolado (exposto via `CHATCLI_AGENT_TMPDIR`) onde a IA pode escrever scripts temporários e ler arquivos de overflow do orçamento de resultados — sem precisar mexer na árvore do projeto. Quando um tool result é truncado, o caminho do arquivo completo é incluído no preview e a IA pode abri-lo com `read_file`. Para análises sobre payloads grandes (Prometheus `/metrics`, logs verbosos), prefira a tool `delegate_subagent`: ela executa em janela de contexto isolada e devolve apenas o resumo final. Detalhes em [Workspace de Sessão](/pt/context/session-workspace) e [Subagent Delegation](/pt/agents/subagent-delegation). *** ## Próximos Passos IA que lê, edita e testa código em loop automatizado. Scratch dir isolado para scripts temporários e leitura de overflows. Delegar análises pesadas com contexto isolado. Use /compact e /rewind para gerenciar o histórico. Salve e reutilize seu trabalho entre projetos. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.