O Replit lançou em 17 de novembro o Missions. O usuário deixa de dar ordens ao agente passo a passo: basta descrever o resultado desejado e definir orçamento e permissões, e o Replit coordena um grupo de agentes que planeja, desenvolve e testa, aproximando-se da meta rodada após rodada. Ao mesmo tempo, a empresa abriu o código do DataCat, uma plataforma de monitoramento de aplicações criada com o próprio Missions.
É a segunda iniciativa de agentes do Replit neste mês. Na semana passada, a empresa havia permitido que o Replit Agent fizesse compras e veiculasse anúncios no Google em nome do usuário; agora, o agente único dá lugar a um grupo inteiro.
Como uma missão é executada
O exemplo do blog do Replit é «conquistar os 10 primeiros clientes corporativos pagantes». Na etapa de configuração, o Missions começa perguntando como o sucesso será medido, por exemplo, se um piloto pago conta ou não.
Em seguida vêm orçamento e aprovações. O teto no exemplo é de 1.000 dólares, e antes de contatar clientes em potencial, enviar propostas, alterar materiais de vendas ou assumir compromissos sobre o produto, é preciso aprovação humana. Com a aprovação, vários agentes trabalham em paralelo: um pesquisa os compradores, outro monta uma demo. Depois que a abordagem é enviada, o sistema observa quais mensagens geraram conversas relevantes e ajusta a rodada seguinte.
Os relatórios de progresso podem ser imediatos, resumos diários ou semanais, e os agentes rodam na nuvem, sem depender de o computador estar aberto. Ao final da tarefa, um avaliador de IA independente faz a aceitação segundo os critérios combinados de antemão. O blog também descreve o outro desfecho possível: se o orçamento acabar primeiro, o trabalho para e o resultado fica em aberto.
O DataCat e o grupo de controle
O DataCat é a plataforma de monitoramento que o Replit construiu para si com o Missions, com painéis, alertas e rastreamento (tracing), em 2 dias e com orçamento de 3.000 dólares. O que foi aberto é a versão que pode ser hospedada pelo próprio usuário, com o código no GitHub em replit/datacat; o blog não menciona a licença.
Em testes controlados, o Replit apresentou uma série de números:
- Com um bug de banco de dados injetado de propósito, o DataCat emitiu o alerta em 38 segundos, sendo a meta de 60 segundos;
- Em um teste de carga de 3 horas, foram gravados 26 milhões de registros de atividade e 4,4 milhões de linhas de log, sem nenhuma perda, e todas as 51 verificações de correção de dados e de alertas foram aprovadas;
- Em comparação com a versão de controle montada com o Claude Code, a vazão de rastreamento foi de 49 mil contra 9.800 itens por segundo, a gravação de métricas de 405 mil contra 225 mil por segundo, e a mediana da busca em logs de 0,5 segundo contra 4,2 segundos.
Há pontos pouco claros nessa comparação. O blog não informa quanto orçamento, quanto tempo e quais prompts foram usados na versão do Claude Code. O próprio Replit também ressalta que esses testes não provam que o DataCat seja melhor que os serviços gerenciados das plataformas comerciais que ele substitui, nem representam o desempenho no ambiente de produção do Replit.
Mais agentes significa mais velocidade?
O Replit também divulgou um teste de escalabilidade com 13 tarefas de NumPy, para ver a relação entre o número de agentes e o ganho de velocidade. No plano Max, 1 agente acelera até 4 vezes, 16 agentes chegam a 17 vezes e 32 agentes a 19 vezes; no plano Power, os três números são 2, 7 e 9 vezes.
De 16 para 32 agentes, o número de agentes dobra, mas o ganho de velocidade cresce só cerca de duas vezes: nesse trecho, o benefício do paralelismo já se achata de forma visível.
Em comparação com produtos como Cursor e Devin, que também apostam em agentes de segundo plano, a diferença do Missions é colocar teto de orçamento, pontos de aprovação e validação por IA dentro da própria definição da tarefa, ampliando o objetivo de «escrever código» para resultados de negócio, como a conquista de clientes. Quanto custa o Missions e quantos agentes em paralelo cada plano permite, o blog não diz, e apenas orienta os clientes corporativos a falar com o time de vendas.
Fontes: blog oficial do Replit, CocoLoop, repositório do DataCat no GitHub; os números de desempenho seguem os critérios dos testes controlados do Replit, e as condições de construção da versão de controle não foram divulgadas.