Projeto Final · 5-Day AI Agents: Intensive Vibe Coding with Google

devloop
harness agêntico para um ciclo de entrega

Uma camada que conduz um repositório pelo ciclo issue → dev agent → review + testes → release, com agentes que revisam e implementam correções, e portões humanos nos pontos irreversíveis.

Vitor Yeso · Igor Sérgio · Reilta Maia — Prof. Ivanovitch, PPGEEC/UFRN

contexto

Vibe coding: o dev orquestra agentes

A imersão propõe que o dev deixe de digitar cada linha e passe a projetar os harnesses (eval, constraint, contexto) que guiam a execução autônoma.
Partimos de um projeto real do grupo — o GitCrack (cliente Git em Tauri).
Como muitos protótipos vibe-coded, ele não tinha testes, CI, revisão automatizada nem varredura de segurança.
Em vez de um exemplo isolado, construímos essa camada de automação e a aplicamos ao GitCrack.

fundamentação · arXiv 2604.08224

Externalização em agentes LLM

"Agentes são construídos menos mudando os pesos e mais reorganizando o runtime em volta deles." (Zhou et al., 2026)

Eixo	Externaliza
Memória	estado ao longo do tempo
Skills	expertise procedural
Protocolos	estrutura de interação
Harness	camada de unificação → execução governada

O devloop instancia a camada de harness sobre um alvo real.

arquitetura · harness e alvo

O ciclo

harness (lifecycle-loop-demo) = o framework · alvo (projects/GitCrack) = o repositório processado · 3 portões humanos

componentes → eixos de externalização

Cada componente mapeia a um eixo

Componente	Eixo	Papel
`SKILL.md` + skills.py	Skills	rubrica carregada sob demanda
`mcp/server.py`	Protocolos	MCP: triage/review/health · A2A
`specs/*.feature`	Memória	SDD: a spec é a fonte da verdade
`ci/loop.py`	Harness	coordena os estágios, governado por portões
`ci/security_scan` + `eval`	Harness	varredura + avaliação da varredura

o dev agent

Implementar, não só apontar

Os demais agentes apenas aconselham. O dev agent escreve código.
Recebe um achado → propõe a correção (e testes) → commita num branch.
Não faz merge — o humano é dono do merge (Unit 4, zero-trust).
Fecha o passo de implementação do ciclo: issue → código → PR.

estudo de caso

Exemplo: detectar e corrigir um XSS

③ Review — detecção

review (LLM): "commit.summary vai para innerHTML; usar DOM seguro"

scanner: [high] xss-sink

→ gate RED (requer revisão humana)

③ Re-review — após a correção

dev agent: reescreve com textContent/createElement

review (LLM): "mitiga o XSS; nenhum problema"

vitest: 2 passed → gate GREEN

Executado sobre o GitCrack com gemini-3.5-flash; o loop adiciona o primeiro teste automatizado ao projeto.

Demonstração sobre um caso representativo — não é garantia de correção em geral.

avaliação

Avaliação

Defesa em profundidade: a varredura determinística e a revisão por LLM apontaram o mesmo XSS — mecanismos independentes.
Avaliação da varredura: eval_security.py mede o detector contra um conjunto rotulado → recall 1,00 · precision 0,83 (o falso-positivo é reportado, não escondido).
Observabilidade de trajetória: a SPA expõe a entrada e a saída de cada etapa — permite auditar o que entrou e o que saiu, não só o resultado.

escopo

Limitações

Um único caso demonstrado: um XSS representativo; não medimos taxa de acerto do dev agent em um conjunto maior.
⑤ Deploy + Monitor: /health + incidente é conceito de serviço web. GitCrack é app desktop → discutido, não encenado.
Modelo único: a passada usou gemini-3.5-flash; comparação multi-modelo fica como trabalho futuro.
Portões como processo: rulesets do GitHub exigem repo público/Pro; em repo privado Free os portões são convenção.

demonstração

Duas formas de ver

1. SPA (ilustra o fluxo): vitoryeso.com/devloop — "Rodar" percorre o grafo e mostra a entrada/saída de cada etapa.

2. Terminal (execução real):
python -m ci.loop --target projects/GitCrack --issue docs/sample_issue.md

conclusão

Conclusão

Neste exemplo, a capacidade agêntica útil veio menos de um modelo maior e mais de um harness bem projetado — memória (specs), skills, protocolos (MCP) e um dev agent — coordenados num ciclo com portões humanos. O sistema encontra um defeito, propõe a correção e a verifica; a decisão de merge permanece com o humano.

github.com/vitoryeso/lifecycle-loop-demo · vitoryeso.com/devloop