TL;DR
Lançamento de código aberto: o Google abriu o Scion, um ambiente de teste experimental que orquestra vários agentes de codificação de IA como processos simultâneos isolados. Como funciona: Cada agente recebe seu próprio contêiner, árvore de trabalho git e credenciais, evitando interferência quando vários agentes trabalham no mesmo projeto. Agnóstico de fornecedor: Scion suporta Claude Code, Gemini CLI e Codex da OpenAI em uma única camada de orquestração sem prender os desenvolvedores em um ecossistema. Principais vantagens: Os sistemas multiagentes consomem de 3 a 10 vezes mais tokens do que as abordagens de agente único, levantando questões de eficiência de custos para os adotantes empresariais.
O Google criou o Scion de código aberto, um ambiente de teste experimental que trata agentes de codificação de IA como máquinas virtuais, fornecendo a cada um seu próprio contêiner, credenciais e espaço de trabalho para que vários agentes possam trabalhar no mesmo projeto sem interferir uns nos outros.
À medida que as empresas ampliam as implantações de IA multiagentes, com dados do Databricks mostrando um crescimento de 327% em fluxos de trabalho multiagentes, o desafio de executar agentes autônomos simultaneamente sem colisões se tornou um problema premente de infraestrutura. A Scion resolve isso isolando os agentes na camada de infraestrutura em vez de restringi-los com regras, uma abordagem que o Google chama de “hipervisor para agentes”. Os agentes de IA compartilham uma base de código sem corromper o trabalho uns dos outros.
Como funciona o Scion
O Scion orquestra agentes profundos, incluindo Claude Code, Gemini CLI e Codex da OpenAI como processos simultâneos isolados. Cada agente recebe seu próprio contêiner, árvore de trabalho git e credenciais, permitindo que trabalhem em diferentes partes de um projeto de forma independente. Os agentes podem ser executados localmente, em VMs remotas ou em clusters Kubernetes, tornando o sistema viável tanto para desenvolvedores individuais que testam localmente quanto para equipes que operam em infraestrutura distribuída.
Ao oferecer suporte a agentes da Anthropic, Google e OpenAI em uma única camada de orquestração, a Scion evita prender os desenvolvedores no ecossistema de agentes de um fornecedor específico. Os analistas da Forrester denominaram esta categoria de “plano de controle do agente”, uma camada de governança que fica acima das implementações de agentes individuais.
As conexões com os agentes são executadas por meio de adaptadores chamados chicotes, que gerenciam o ciclo de vida, a autenticação e a configuração de cada agente suportado. Agentes compatíveis atualmente incluem Gemini CLI e Claude Code com integração total, enquanto OpenCode e Codex têm suporte parcial. No lado do tempo de execução, o Scion suporta Docker, Podman, contêineres Apple e Kubernetes, cobrindo os ambientes de conteinerização amplamente usados no desenvolvimento profissional.
“O Scion favorece a execução de agentes no modo –yolo, enquanto os isola em contêineres, árvores de trabalho git e em nós de computação sujeitos à política de rede em a camada de infraestrutura.”
Documentação do Scion (via Google Cloud Platform)
Em vez de restringir o que os agentes podem fazer por meio de restrições no nível do software, o Scion impõe barreiras de proteção no nível da infraestrutura. Scion orquestra agentes existentes baseados em CLI que já estão construídos e em execução, funcionando como infraestrutura em vez de uma estrutura. AutoGen e LangGraph, por outro lado, fornecem bibliotecas para criar fluxos de trabalho de agentes do zero.
Essa filosofia de isolamento sobre restrições contrasta com abordagens baseadas em protocolos como MCP, que tentam padronizar o comportamento do agente por meio de interfaces rígidas em vez de sandboxing ambiental.
O Scion também oferece suporte a ciclos de vida de agentes distintos: alguns agentes podem ser especialistas de longa vida que persistem durante as sessões, enquanto outros são trabalhadores efêmeros gerados para uma única tarefa e descartados. Os agentes aprendem o uso da ferramenta dinamicamente por meio de comandos de ajuda CLI, um recurso que a documentação chama de “habilidades progressivas”, reduzindo a necessidade de configuração inicial.
Componentes multiagentes adicionais incluem memória do agente, salas de bate-papo para comunicação entre agentes e gerenciamento de tarefas. Combinados, esses recursos abordam o ciclo de vida completo do trabalho coordenado do agente, em vez de apenas o isolamento do processo.
Conceitos de arquitetura
Scion apresenta sua própria terminologia para gerenciar projetos multiagentes. Um grove representa um espaço de trabalho do projeto, um hub serve como plano de controle para orquestrar agentes dentro de um grove e um runtime broker é a máquina onde os hubs são executados. A arquitetura em camadas permite que o mesmo projeto abranja vários nós de computação enquanto mantém a orquestração centralizada.
Um orquestrador líder gerencia subagentes especializados para subtarefas específicas, seguindo um padrão hierárquico já estabelecido em todo o ecossistema multiagente mais amplo.
Os céticos têm razão
Scion chega em meio a um ceticismo genuíno sobre abordagens multiagentes. Em janeiro, a equipe de engenharia da Anthropic alertou que as equipes muitas vezes investem meses construindo arquiteturas multiagentes elaboradas apenas para descobrir que os prompts aprimorados em um único agente alcançam resultados equivalentes. De acordo com estimativas do setor, as implementações multiagentes normalmente consomem de 3 a 10 vezes mais tokens do que as abordagens de agente único para tarefas equivalentes, levantando questões de eficiência de custos que os adotantes empresariais precisarão avaliar cuidadosamente.
Executar Claude Code, Gemini CLI e Codex simultaneamente no mesmo projeto pode gerar custos substanciais de API. Se um único agente bem orientado puder corresponder à saída de três agentes simultâneos, a sobrecarga de orquestração poderá não justificar a despesa para muitas equipes de desenvolvimento. As organizações mais pequenas que não dispõem dos orçamentos de infraestrutura das empresas que já investiram em implementações de IA em múltiplas nuvens enfrentam uma questão económica especialmente aguda.
Muitos sistemas multiagentes atuais também dependem de heurísticas frágeis e codificadas que falham quando o ambiente muda, uma limitação que complica a implementação em produção. A segurança apresenta outro desafio: Nicole Carignan, da Darktrace, alertou em fevereiro que os sistemas multiagentes introduzem novos vetores de ataque que poderiam ser explorados se não fossem protegidos desde o início. Os próprios pesquisadores de segurança do Google demonstraram esses riscos em primeira mão, revelando uma vulnerabilidade de injeção de tarefas no Operador da OpenAI em janeiro que induziu o agente a tratar subtarefas maliciosas como legítimas.
O design de isolamento em primeiro lugar do Scion aborda diretamente essa preocupação de segurança. Ao colocar cada agente em sandbox em seu próprio contêiner com credenciais e políticas de rede separadas, evita-se que um agente comprometido acesse os recursos ou dados de outro. Leslie Joseph, analista da Forrester, argumentou que a governança deve ficar fora dos ambientes de construção e orquestração, posicionando planos de controle independentes de fornecedor como um resultado inevitável. A Scion se alinha com essa trajetória, fornecendo uma camada de orquestração independente da implementação subjacente do agente.
A decisão do Google de liderar com isolamento em vez de restrições de comportamento reflete um padrão na abordagem da empresa em relação à segurança dos agentes. Em dezembro de 2025, o Google introduziu um User Alignment Critic no Chrome que usa um segundo modelo Gemini isolado para examinar cada ação realizada pelo agente principal. Scion aplica um princípio semelhante na camada de infraestrutura: confie em agentes individuais para operar livremente, mas contenha o raio de explosão por meio do isolamento ambiental.
Demonstração e Outlook
Para mostrar os recursos do Scion, o Google lançou a base de código para Relics of the Athenaeum, um jogo onde grupos de agentes colaboram para resolva quebra-cabeças computacionais por meio de um espaço de trabalho compartilhado e mensagens diretas. Um executor de jogo gera agentes de personagem dinamicamente e esses agentes, por sua vez, criam agentes de trabalho e especializados conforme necessário, demonstrando hierarquias de agentes de vários níveis na prática.
Richard Seroter, funcionário do Google Cloud, confirmou executando o Scion localmente no fim de semana, observando que é é agnóstico e oferece suporte à orquestração de trabalho em Gemini CLI, Codex, Claude e OpenCode.
A validação prática do Google sugere que o projeto, embora experimental, é funcional o suficiente para testes no mundo real. A experiência da Seroter também destaca que o modelo de isolamento baseado em contêiner do Scion funciona em diferentes ambientes de host, um requisito prático para equipes com configurações de desenvolvimento heterogêneas.
O Scion é explicitamente experimental e o Google não anunciou planos para integração de produção com seus serviços em nuvem. O GitHub está evoluindo para uma plataforma de orquestração multiagente, onde sistemas de IA concorrentes operam lado a lado, e o consenso do setor entre Deloitte, Gartner e Accenture afirma que a orquestração e o uso de ferramentas definirão 2026 para os agentes de IA. Se a abordagem de nível de infraestrutura da Scion para a segurança dos agentes ganhará força dependerá de as implantações multiagentes comprovarem seu valor além do que os sistemas de agente único com melhores prompts podem alcançar.
