DevAgents OSDevAgents OS
← Blog
·8 min de leitura·agentic-ai·google·adlc·sdlc·governance
Cristiano Ferreira

O fim do SDLC: por que o ciclo de desenvolvimento de IAs Agênticas (ADLC) é um loop, não uma linha

Na engenharia de software tradicional, o deploy é a linha de chegada. Quando o código vai para produção, o desenvolvimento pausa e a manutenção começa. Mas e quando o software não é estático? E quando o sistema não é composto apenas por funções, mas por agentes de inteligência artificial que nunca param de raciocinar?

Para a IA agêntica, a implantação não é o fim. É aí que o verdadeiro ciclo começa.

O mercado acaba de oficializar essa transição. Durante o Google Cloud Next 2026, o Google não apenas apresentou novos modelos; a empresa materializou uma mudança fundamental na arquitetura de trabalho ao introduzir o ADLC (Agent Development Lifecycle) como o sucessor natural do clássico SDLC.

Para líderes de tecnologia, CTOs e arquitetos, essa não é apenas uma mudança de sigla. É uma alteração completa no modelo de operação, governança e custos da engenharia de software.

1. O contraste: SDLC (linear) vs. ADLC (loop contínuo)

O desenvolvimento de software do jeito antigo (SDLC) é uma esteira de fábrica: planejar, codificar, testar, implantar e manter. Cada fase é sequencial, impulsionada por validações humanas, passando um estágio de cada vez. O controle de qualidade (QA) geralmente espera até o final do projeto. Se você mudar o escopo no meio do ciclo, as coisas quebram.

O ADLC (a nova forma) funciona sob uma física diferente. O agente cria o andaime (scaffolding), testa, avalia o próprio desempenho e vai para produção. As fases seguem um loop contínuo, não uma linha reta. A avaliação (Eval) é feita em tempo real e o ciclo de vida se replaneja constantemente. O software passa a ser um organismo que raciocina e se ajusta, e não um artefato estático que apenas executa.

2. A automação da automação: o google-agents-cli

Até alguns meses atrás, isso era apenas um modelo mental teórico. Agora, gigantes como o Google transformaram isso em linha de comando.

A introdução do uvx google-agents-cli mudou o jogo. Na prática, essa ferramenta pega o seu agente de codificação preferido (seja ele o Claude Code da Anthropic, o Codex da OpenAI ou ferramentas locais) e o transforma em um especialista em orquestrar outros agentes na infraestrutura de nuvem.

Sem precisar pular de terminal em terminal ou navegar por painéis na nuvem, o desenvolvedor usa linguagem natural para guiar o agente por habilidades complexas: desde desenhar o fluxo de trabalho e estruturar o código do ADK (Agent Development Kit), até realizar deploys e garantir observabilidade.

3. As 6 fases do ciclo de vida do agente (ADLC)

A construção de um agente robusto sob o novo paradigma do ADLC exige seis passos integrados:

  1. Construir (Build): criar a estrutura do agente equipando-o com ferramentas. No ecossistema híbrido atual, a escolha do modelo (Gemini, Claude, GPT) é apenas um detalhe de roteamento.
  2. Teste local (Test): execução em sandbox (Playground) com hot-reloading. O agente testa suas hipóteses antes de qualquer contato com a nuvem de produção.
  3. Avaliar (Eval): a transição de "Passou/Falhou" para a arquitetura de LLM-as-a-judge. Você não avalia apenas se o código funciona, você avalia o raciocínio do agente e a eficiência da decisão tomada.
  4. Implantação (Deploy): o agente ganha vida (ex.: Agent Runtime no Cloud Run). Com partidas frias em milissegundos, o agente fica rodando e raciocinando por dias para resolver problemas de longo horizonte.
  5. Registro (Register): integração na estrutura organizacional, garantindo que o agente tenha uma identidade corporativa (IAM) rastreável.
  6. Operação contínua (Observe): onde os agentes usam um banco de memória para sessões de longo prazo, conectam-se via protocolo MCP para usar ferramentas e utilizam o A2A (Agent-to-Agent) para realizar handoffs fluidos de um agente especialista para outro.

O risco oculto: um loop contínuo exige governança contínua

O Google acertou em cheio na infraestrutura do ADLC. O SDLC realmente termina no deploy, enquanto o ADLC mantém o loop de raciocínio rodando na produção.

Mas é exatamente aqui que a engenharia corporativa encontra o seu maior risco.

Se o agente continua raciocinando, otimizando e chamando ferramentas após a implantação, quem está governando a execução? Como já alertamos na DevAgents OS sobre o Triângulo da Dívida em IAs Agênticas, um agente operando em loop contínuo sem limites arquiteturais estritos é uma bomba-relógio de Token Debt (custos de inferência explodindo) e Autonomy Debt (operações não auditadas em produção).

É por isso que as plataformas de Orquestração Agêntica são a peça que falta nesse quebra-cabeça. O ADK (Agent Development Kit) fornece os blocos de construção, mas a empresa precisa de uma camada superior de governança que defina até onde esse "raciocínio contínuo" pode ir, quanto ele pode custar e quando a aprovação humana (human-in-the-loop) deve ser obrigatória.

Como começar sem se afogar

Para as empresas que estão tentando migrar do SDLC para o ADLC sem perder o controle operacional, a regra é escalar com responsabilidade:

  1. Faça primeiro o caminho do protótipo: não tente conectar toda a nuvem no dia 1. Uma chave de API local e um sandbox isolado são suficientes para testar o comportamento do agente.
  2. Escreva suas avaliações (Evals) antes do agente: no ADLC, o scorecard de avaliação é o que dita a qualidade. Se você não sabe como medir o raciocínio da máquina, não a coloque para raciocinar.
  3. Passe nas avaliações locais antes do deploy: nunca libere um agente para a nuvem sem que o LLM-as-a-judge tenha validado estritamente suas barreiras de segurança e arquitetura.
  4. Adicione ferramentas por último: faça o loop de raciocínio básico funcionar perfeitamente antes de dar ao agente acesso à memória corporativa e a sistemas externos via MCP. O segredo não é o tamanho da superfície de ataque, mas o controle do fluxo.

O desenvolvimento de software não será mais medido por linhas de código escritas, mas pela qualidade do raciocínio que implementamos em produção. Governe o loop, e a IA fará o resto.

Conheça como a DevAgents OS governa o loop contínuo do ADLC, com limites de custo e aprovação humana →

Referências

_Publicado em 3 de agosto de 2026_