Uma liderança de engenharia de uma startup contou ao time do LangChain que a conta de coding agents da equipe cresceu 6x em dois trimestres. Não porque o trabalho ficou 6x mais difícil — mas porque ninguém estava monitorando. A Uber queimou todo o orçamento de IA de 2026 em 4 meses. A Microsoft está cancelando licenças do Claude Code em várias divisões. A Salesforce enfrenta uma conta de US$ 300 milhões com a Anthropic.
O problema: fragmentação, não falta de dados
No início de 2026, o uso de coding agents explodiu e times passaram a celebrar gasto como progresso. “Mais tokens gastos = mais trabalho feito”. Agora a maré virou: as contas estão explodindo e o gerenciamento de custos se tornou crítico.
O problema central não é falta de dados — cada ferramenta expõe visibilidade de custo. O Copilot emite spans OpenTelemetry. O OpenCode tem hooks de sessão. O Pi tem extensão. O Cursor usa hooks. O problema é que uma chamada de ferramenta no Claude Code e uma no Cursor não são registradas da mesma forma. Você não consegue colocar lado a lado e perguntar: “qual está entregando mais pelo dinheiro?”
A solução em três partes do LangSmith
O LangChain identificou um ciclo de três estágios para resolver o problema:
1. Observabilidade unificada. O LangSmith conecta Claude Code, Codex, OpenCode, Cursor, GitHub Copilot, Pi e dcode em um único dashboard. Eventos de diferentes agentes são normalizados para um formato consistente, permitindo comparar custo e eficácia entre ferramentas.
2. Engine de recomendações. Analisa sessões de agentes e sugere melhorias concretas — como consolidar chamadas de ferramenta redundantes. Em vez de um dashboard dizendo “gasto está alto”, você recebe uma recomendação específica do que mudar.
3. LLM Gateway com cost caps. Controla e governa gastos no nível de usuário, time e organização, com roteamento para modelos open source quando apropriado. Modelos abertos já são bons e baratos o suficiente para substituir modelos de fronteira na maioria das tarefas que não exigem inteligência de ponta. O mesmo vale para subagentes: modelos baratos em subtarefas delimitadas evitam queimar custo de fronteira em trabalho braçal.
O que fazer hoje
O setup é diferente para cada ferramenta. O LangChain publicou guias de integração para Claude Code, Codex, OpenCode, Cursor, GitHub Copilot, Pi e dcode no site do LangSmith. A recomendação principal: seu time de engenharia nunca vai padronizar em um único agente — e nem deveria. A observabilidade precisa encontrar os times onde eles estão, com diferentes agentes e formatos de evento, em um só lugar para fazer sentido de tudo.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
