A Alibaba lançou uma camada operacional para agentes — e relata honestamente cada token gasto

Na minha prática, o mesmo cenário se repete regularmente: um agente no Claude Code executa ferramenta após ferramenta, e documentos JSON massivos voam para o contexto. Metade dos campos lá estão vazios tags, metadata: null, lixo de debug. O modelo lê tudo isso, e nós pagamos por isso. Dor familiar?

A equipe da Alibaba decidiu atacar o problema sistematicamente e open-sourceou ANOLISA — um overlay server-side para cargas de trabalho de agentes de IA. O nome significa Agentic Nexus Operating Layer & Interface System Architecture, mas a essência é mais simples: é um conjunto de ferramentas que não substitui seu shell, framework ou sandbox, mas fica entre o agente e o sistema. Escrito em Rust, distribuído sob Apache 2.0, roda no Linux e macOS.

O que realmente vem na caixa

O projeto consiste em uma dúzia de componentes, mas eles se agrupam em três áreas.

Primeiro — o ponto de entrada do agente. Aqui o papel principal pertence a cosh-ng: um terminal que preserva o comportamento familiar do Bash/Zsh, mas adiciona um agente que entende comandos em linguagem natural. Operações perigosas são confirmadas antes da execução. Não precisa abrir um chat separado com um bot — tudo acontece na mesma janela do terminal. Há também ktuner para tuning de kernel e um conjunto de OS Skills com expertise em DevOps.

Segundo e, na minha visão, o mais interessante — economia de contexto. Três ferramentas: Token-less comprime respostas de ferramentas e seus schemas antes de chegarem ao modelo, Agent Memory reutiliza contexto útil entre sessões, e AgentSight mostra para onde os tokens realmente vão.

Terceiro — runtime e segurança: Agent Sec Core isola operações arriscadas, ws-ckpt armazena pontos de rollback para mudanças no workspace, Blaze gerencia ciclos de vida de sandboxes, e SkillFS mantém o foco na Skill atual.

Token-less: compressão sem tocar no código do agente

Deixe-me começar com a funcionalidade mais tangível. O Token-less fica entre o agente e o modelo e limpa o excesso dos schemas e respostas de ferramentas: campos como debug e trace vão para uma blacklist, metadata com valor null é descartado, arrays vazios colapsam. A compressão é reversível — elementos de array descartados permanecem acessíveis via o marcador <<tokenless:KEY>>, significando que o agente pode recuperá-los se necessário.

Arquiteturalmente, isso é elegante: a compressão acontece entre o agente e o modelo, então você não precisa mudar o framework do agente. Conecte o adapter — e está pronto. Números do README:

| O que é otimizado | Economia de tokens | Latência | |--------------------|------------------|----------| | Respostas de ferramentas | 65.8% | 46.85 μs | | Schemas de ferramentas | 47.3% | 11.44 μs | | Pipeline completo | 62.9% | 198.91 μs |

Latências em dezenas de microssegundos você simplesmente não vai notar. Em uma execução de tarefa observada com Claude Code, o sistema economizou 317K tokens, ou 40.5% — embora os próprios autores notem honestamente que o resultado depende da carga de trabalho.

A configuração leva minutos:

curl -fsSL https://get.agentic-os.sh | bash
export PATH="$HOME/.local/bin:$PATH"
anolisa install tokenless
anolisa adapter enable tokenless claude-code

Após reiniciar o Claude Code, você pode executar uma tarefa pesada em ferramentas e verificar as estatísticas:

tokenless stats summary
tokenless stats list --limit 5

Uma nuance importante para saber de antemão: a economia se aplica às respostas de ferramentas que terminam no contexto, não à conta inteira da sessão. Em tarefas onde o agente mal chama ferramentas, não haverá ganhos.

AgentSight: um agente sob o microscópio

A segunda descoberta — AgentSight. No Linux, ele observa o agente via eBPF, sem tocar em seu código. Você vê o caminho desde o input do usuário passando pelo modelo e chamadas de ferramentas, incluindo uso de tokens e branches de sub-agentes, em uma única visualização. Aqui está uma observação de agente do nível do kernel:

Para debugar pipelines de agentes, isso parece uma alternativa conveniente aos loggers customizados: eBPF captura tudo sistematicamente, em vez de apenas onde você se lembrou de colocar um trace.

Segurança: a fronteira e o caminho de volta

Duas coisas no bloco de runtime se destacaram separadamente.

Agent Sec Core pode detectar substituição de Skill assinada. Se uma Skill assinada mudou, o agente vai marcá-la como drifted e não vai usá-la até ser reescaneada; achados bloqueantes após um reescaneamento são registrados com status deny. Para quem conecta conjuntos de Skills de terceiros a agentes, isso é proteção contra ataques clássicos de injeção.

ws-ckpt armazena pontos de recuperação para mudanças no workspace. O agente mexeu nos arquivos e quebrou tudo? Você faz rollback. Como git para experimentos de agentes no sistema de arquivos.

Para quem isso é

Se você pensar simplesmente:

• Times cujos agentes executam cadeias pesadas de ferramentas e consomem orçamentos de tokens — comece com Token-less, instala em três minutos e não requer reescrever nada.
• Quem trabalha no terminal e quer um agente ali mesmo, não em uma janela de chat separada — cosh-ng.
• Engenheiros que precisam entender exatamente o que o agente está fazendo no sistema — AgentSight mais ws-ckpt dá tanto observabilidade quanto rede de segurança.

Então vale a pena tentar

O projeto é jovem: a partir deste texto, o repositório tem cerca de 610 estrelas, várias issues abertas (161), e a comunidade atualmente vive principalmente no DingTalk, que não é o canal mais conveniente para desenvolvedores anglófonos. A documentação no site agentic-os.sh é bastante abrangente, com um Quick Start cobrindo cenários específicos de primeira execução.

Eu começaria com Token-less: risco mínimo, economia tangível, instalação simples, e rollback fácil se não funcionar. Cosh-ng requer uma instalação no sistema — isso é um compromisso mais sério, mas para quem vive no terminal, a ideia de um shell mesclado com um agente faz sentido.

Licença Apache 2.0, codebase em Rust, Alibaba por trás disso. Instale, execute tokenless stats nas suas próprias tarefas, e observe os números — eles vão te dizer melhor do que qualquer review.