Lançamentos do dia: sandbox para agentes lidera o Product Hunt

A leva de lançamentos de IA do Product Hunt em 22 de julho de 2026 tem uma coisa em comum, e ela diz muito sobre onde o dinheiro esperto está indo. O produto do topo não é um modelo novo nem um chatbot mais esperto. É encanamento: a infraestrutura que faz um agente rodar com segurança, enxergar vídeo e executar uma compra. Quando a peça de destaque do dia é a plataforma em volta do agente, e não o cérebro, isso conta uma história sobre a maturidade do mercado.

CreateOS Sandbox: uma caixa para o agente não sair quebrando coisa

O primeiro lugar do dia foi do CreateOS Sandbox. A proposta é dar a cada agente de IA seu próprio ambiente isolado, com kernel próprio, em cerca de 30 milissegundos no percentil 90. Por baixo, cada carga roda numa micro-VM Firecracker, a mesma tecnologia de isolamento leve popularizada pela AWS.

O detalhe que interessa a quem opera é a segurança de rede. A política de saída de dados é aplicada no kernel, por eBPF, de fora do sandbox. Ou seja, o código que roda lá dentro não consegue contornar a regra, mesmo que esteja completamente comprometido. Some a isso rede privada entre sandboxes, pausa até custo zero quando ocioso, e montagem do seu próprio armazenamento S3, MinIO ou R2, em regiões da União Europeia e dos EUA. A empresa lançou nesta semana um plugin de sandbox para o Claude, permitindo que ele rode código não confiável numa caixa que se autodestrói quando fica ociosa.

Por que isso é o produto número um do dia? Porque o problema que ele resolve é o que trava agente em produção. Um agente que executa código gerado por ele mesmo é útil e perigoso na mesma medida. Sem isolamento real, cada agente é um risco de segurança rodando com as chaves da casa. O CreateOS transforma isso em infraestrutura chata e confiável, que é exatamente o que produção pede.

Jockey, da TwelveLabs: conversar com o vídeo em vez de rolar a timeline

O segundo destaque é o Jockey, um agente de vídeo conversacional e de código aberto construído sobre as APIs da TwelveLabs e o LangGraph. A ideia é simples de explicar e difícil de fazer: você descreve um momento em linguagem natural e o agente acha o trecho exato.

Na prática, o Jockey encontra o clipe quando você descreve a cena, busca em tudo o que você já disse na câmera e pula direto para a fala, e gera cortes prontos para edição a partir de temas. É a diferença entre procurar uma agulha rolando manualmente horas de gravação e simplesmente perguntar por ela. A TwelveLabs, que levantou US$ 100 milhões em série B no começo de julho, está apostando em vídeo como o dado que os agentes ainda não sabiam ler bem. Ser aberto e modular ajuda: dá para adaptar o Jockey ao seu próprio fluxo em vez de engolir uma ferramenta fechada.

O padrão dos três lançamentos é o mesmo: o agente virou commodity, o valor migrou para o que está em volta dele. Isolar, enxergar, executar.

CartAI: o agente que passa no caixa

O terceiro é o CartAI, um agente que completa o checkout em qualquer loja online. O truque técnico é a universalidade: em vez de exigir integração com cada plataforma de comerciante, ele opera direto na superfície de qualquer loja ao vivo, sem trabalho do lado do lojista.

Tem uma decisão de arquitetura curiosa aqui. O CartAI coopera com os sistemas de detecção de bot em vez de tentar enganá-los, o que o torna, segundo a empresa, mais confiável e menos sujeito a bloqueio. Ao redor disso, quatro produtos: catálogo com preço e busca ao vivo, checkouts com rastreio de pedido, pagamentos via trilhos Visa e Mastercard, e monetização por divisão de receita. É a infraestrutura do comércio agêntico, a aposta de que em breve seu agente compra por você, e alguém precisa fazer o caixa funcionar.

O que os três dizem juntos

Vale ler os três lançamentos como um retrato do momento. Nenhum deles é um modelo. Todos são a camada que faz o modelo virar operação: isolar a execução, dar percepção de vídeo, executar uma compra. É o mesmo movimento que vimos nos lançamentos de 21 de julho, com agentes assumindo tarefas inteiras. A fronteira competitiva saiu do cérebro e foi para o encanamento.

Para quem coloca IA em produção, isso é uma boa notícia disfarçada de tédio. Significa que o ecossistema está preenchendo justamente as lacunas que separam uma demo bonita de uma operação que aguenta o mundo real: segurança de execução, dados difíceis como vídeo, e a ponte para o mundo físico das transações. É o desenho do serviço em volta do modelo, o mesmo que defendemos ao falar de service design quando a IA vira serviço. O modelo é uma peça. O produto é o resto. E antes de plugar qualquer uma dessas peças, vale escrever o resultado que o cliente vai viver, no espírito do Working Backwards: infraestrutura boa a serviço de um projeto vago continua sendo desperdício.

Se você está montando um agente e precisa acertar a camada de infraestrutura, isolamento, execução segura e integração, antes de escalar, fala com a gente no WhatsApp.