O que Manus AI ensina sobre agentes que não quebram

A Meta pagou 2 bilhões de dólares pelo Manus em dezembro. Um agente de IA que em menos de um ano chegou a $100 milhões de receita recorrente.

Mas o que me interessa não é o valuation. É o que eles publicaram sobre como fazem o agente funcionar. Porque as técnicas que eles usam em escala são as mesmas que eu aplico todo dia no Claude Code para construir meus projetos.

Uma tarefa média no Manus executa cerca de 50 tool calls. Ratio input/output de 100:1. Sem gerenciamento ativo, isso quebra qualquer modelo.

E no entanto, funciona.

Mantenha os erros visíveis

Quando um agente falha, o instinto é limpar e tentar de novo. Manus faz o oposto: mantém stack traces e ações falhadas no contexto.

O modelo usa essas evidências para ajustar decisões. Ao ver que tentativa X falhou com erro Y, ele evita abordagens similares. Remover o trace remove a evidência.

Eu faço o mesmo no Claude Code. Quando ele erra, não limpo o chat. Mando tentar de novo com o erro ali. A taxa de acerto na segunda tentativa é muito maior do que se eu apagasse tudo e pedisse do zero.

Filesystem como memória

LLMs têm contexto finito, disco não.

Manus salva informações grandes em arquivos e mantém só o path no contexto. A compressão é restaurável: se o path está lá, o agente recupera o conteúdo quando precisar. Diferente de sumarizar, que perde informação sem volta.

É exatamente o que CLAUDE.md e skill files fazem. Você não enfia tudo no prompt. Coloca num arquivo, o modelo lê quando precisa. Quem usa Claude Code com skills já está fazendo context engineering sem saber.

O TODO.md e o custo escondido

O Manus criava um TODO.md e ia atualizando conforme avançava, e isso parecia organização. Na real, era manipulação de atenção: empurrava os objetivos para o final do contexto, onde o modelo presta mais atenção.

Mas custava caro: 30% das ações eram gastas só atualizando a lista. Trocaram por um sub-agente Planner que injeta o plano só quando necessário.

A lição para quem usa IA no dia a dia: se você está repetindo instruções toda hora para o modelo não esquecer, o problema não é o modelo. É onde a instrução está no contexto. Coloca no final, não no meio. Expliquei a ciência por trás disso neste artigo.

Context Rot

Um modelo pode ter janela de 1 milhão de tokens. A performance começa a cair muito antes de encher. O mercado chama isso de "Context Rot". A regra prática que o Manus adotou: comprima o contexto proativamente, não espere o modelo começar a errar.

Eu vivi isso na prática. Recentemente criei um sistema de "auto context" no meu workflow: a cada 30 tool calls, ou quando chega em 75% do contexto usado, ele gera um checkpoint file com o contexto comprimido. O modelo continua trabalhando com contexto limpo sem perder o histórico do que já fez. Mesma lógica do Manus, escala menor.

Remover, não adicionar

O Manus foi refatorado cinco vezes em menos de um ano. Os maiores ganhos não vieram de adicionar coisas. Vieram de tirar.

Tiraram definições complexas de ferramentas. Tiraram "management agents". Tiraram camadas de orquestração que pareciam necessárias mas limitavam o modelo.

Boris Cherny, criador do Claude Code, cita a mesma filosofia: construiu a ferramenta para ser flexível, não otimizada para o modelo de hoje. Conforme os modelos melhoram, o scaffolding deveria diminuir, não aumentar.

Isso vale para qualquer pessoa usando IA para codar. Se seu CLAUDE.md está ficando mais complexo a cada semana, pare e pergunte: isso está ajudando ou está atrapalhando? Faça melhoria contínua, remova arquivos, comprima rules, sintetize…

Quando compartilhei esse sistema de auto context, algumas pessoas pensaram ser engenharia de foguete. Mas é um simples skill file, menos de 30 linhas. É o mesmo pensamento que eu sempre tive com relação à programação: simples que funciona. Um bom senior é quem consegue resolver problemas complexos com soluções simples.

KV-cache: onde o dinheiro mora

Quando o modelo processa tokens que já viu antes, o custo cai 10x. No Claude Sonnet: $0.30 por milhão cacheados versus $3.00 não cacheados.

A regra: mantenha o prefixo do prompt estável. Um token diferente invalida o cache dali para frente. Por isso o Manus não adiciona nem remove ferramentas dinamicamente, ele mascara as indisponíveis sem mudar a estrutura.

Na prática: se você muda seu system prompt toda hora, está pagando mais e recebendo menos. Estabilize o que puder.

Context engineering não é otimização. É a arquitetura que define se a coisa vai funcionar ou não.

A equipe do Manus resume: o agente é tão bom quanto o contexto que recebeu.

A mesma coisa vale para o seu Claude Code, para o seu Cursor, para qualquer IA que você usa. O que entra e sai do contexto é a decisão mais importante que você toma. Todo dia.