Claude, tools dinâmicas e o novo desenho de agentes
TL;DR
A Anthropic atualizou o Claude para lidar melhor com cenários de agentes em que as ferramentas não são fixas de antemão. A combinação de descoberta sob demanda, chamadas programáticas e execução em sandbox reduz o custo de contexto e muda o formato de implementação de workflows com IA.
O que mudou no tool use do Claude
O ponto central do update é sair do padrão em que o modelo recebe todas as definições de ferramentas de uma vez, mesmo quando só usa uma pequena parte delas. A nova abordagem permite que o Claude descubra, carregue e execute ferramentas conforme a necessidade, como descrito no post Advanced tool use on the Claude Developer Platform.
Isso importa porque, em agentes reais, o gargalo raramente é só a resposta final. O problema costuma ser orquestração: escolher a ferramenta certa, reduzir idas e voltas e evitar que o contexto vire uma lista enorme de descrições técnicas. A documentação oficial do Claude detalha esse empilhamento com Programmatic Tool Calling, Code execution tool e Tool Search Tool.
Descoberta sob demanda em vez de catálogo inteiro no contexto
A Tool Search Tool foi pensada para cenários com centenas ou até milhares de ferramentas. Em vez de empurrar tudo para o prompt, a aplicação oferece um mecanismo de busca para que o Claude carregue só o que precisa naquele momento.
Na prática, isso ajuda quando a arquitetura tem muitas integrações internas: sistemas de CRM, ERP, storage, filas, APIs legadas e serviços de dados. O modelo deixa de “ver” todas as ferramentas ao mesmo tempo e passa a operar de forma mais seletiva. Para times que mantêm plataformas grandes, esse detalhe reduz ruído operacional e também simplifica a manutenção do conjunto de tools.
Onde isso faz diferença
- Catálogos extensos de APIs internas.
- Assistentes com múltiplas integrações por domínio.
- Produtos que precisam manter o contexto curto para economizar tokens.
Programmatic Tool Calling: o agente escreve o próprio roteiro
O recurso de Programmatic Tool Calling permite que o Claude escreva código para orquestrar chamadas a ferramentas dentro do container de execução. A ideia é substituir parte do “vai e volta” entre modelo e aplicação por uma sequência programada dentro da sandbox.
Essa mudança é bem relevante para fluxos com muitas etapas repetitivas. Em vez de o modelo raciocinar sobre cada ação separadamente, ele pode gerar um pequeno programa que consulta, filtra e consolida resultados antes de devolver só o essencial. A documentação oficial descreve esse uso como uma forma de reduzir consumo de tokens e overhead de contexto.
Esta seção descreve recursos beta do Claude e depende da versão e da configuração da plataforma. APIs de IA mudam rápido — confira a documentação oficial antes de levar esse padrão para produção.
Leitura prática para engenharia de software
Para quem constrói aplicações, o ganho não é apenas custo. Também há simplificação do fluxo de controle: muitas tarefas deixam de exigir uma lógica de orquestração duplicada no backend e passam a ser expressas mais perto do ponto em que a decisão acontece. Isso combina bem com automações de suporte, análise de dados, triagem de documentos e agentes que consultam várias fontes antes de responder.
Code execution e computer use ampliam a superfície de ação
A code execution tool fornece um ambiente sandboxado para executar comandos, manipular arquivos e processar dados dentro da conversa. Já a computer use expõe um loop de agente em que o Claude interage com uma interface de desktop a partir de screenshots, mouse e teclado.
Essas duas capacidades mostram uma direção clara: o agente deixa de ser apenas um gerador de texto com chamadas pontuais e passa a operar em ambientes mais amplos. No caso de code execution, o modelo consegue calcular, filtrar e transformar dados localmente na sandbox. No caso de computer use, ele consegue navegar em interfaces gráficas com um ciclo de percepção e ação.
O Claude Code, repositório oficial da Anthropic, é um exemplo de como essa filosofia chega ao terminal: um agente que ajuda com tarefas de código e workflows de git em linguagem natural.
O que isso sinaliza para times de produto e plataforma
Esse update aponta para um desenho de agente mais modular. Em vez de tratar tool use como uma lista estática de endpoints, a arquitetura passa a considerar descoberta, carregamento seletivo e execução programática como partes do mesmo sistema.
Para times que constroem features com IA, isso muda três coisas. Primeiro, o modelo precisa receber menos informação inútil. Segundo, a camada de aplicação passa a controlar melhor quais ferramentas ficam visíveis em cada etapa. Terceiro, a sandbox vira um espaço útil para consolidar operações que antes exigiam várias chamadas externas.
Um padrão que vale observar
- descobrir a tool certa;
- executar a sequência mínima de chamadas;
- retornar só o resultado consolidado;
- manter o contexto enxuto para o próximo passo.
Por que importa pro dev brasileiro
No Brasil, esse tipo de refinamento pesa mais do que parece porque custo e latência entram cedo na conta. Em muitos times, o orçamento de IA é negociado em BRL, com câmbio pressionando qualquer excesso de tokens; por isso, reduzir contexto e evitar chamadas desnecessárias não é só elegância arquitetural, é economia operacional. O mesmo vale para integrações com sistemas internos em empresas brasileiras que já vivem com muita ferramenta legada, contratos rígidos de segurança e janelas curtas de mudança.
Há também o componente regulatório. Em aplicações que tocam dados pessoais, o cuidado com minimização de dados conversa diretamente com a LGPD. Uma arquitetura que carrega menos tool definitions e processa mais coisas dentro de uma sandbox ajuda a reduzir exposição desnecessária de dados e a limitar superfícies de integração, o que é especialmente útil em bancos, fintechs, varejo e govtechs no país.
Como transformar essa novidade em ação
Se você já trabalha com agentes, revise sua arquitetura e se pergunte: quantas ferramentas o modelo realmente precisa ver em cada etapa? Em muitos casos, a resposta é “menos do que hoje”. O apelo do update da Anthropic não é trocar tudo de uma vez, e sim organizar o sistema para que descoberta, execução e filtragem aconteçam no ponto certo.
Se você está começando, o caminho mais prático é estudar o trio Programmatic Tool Calling, code execution e tool search, e mapear onde o seu sistema hoje gasta tokens para fazer trabalho que poderia ser consolidado localmente. Essa é uma mudança pequena no desenho e grande no efeito.
Conclusão
O update de tool use do Claude reforça uma tendência clara: agentes úteis não dependem só de modelos melhores, mas de uma camada de orquestração mais inteligente. Descoberta on-demand, execução programática e sandbox tornam a integração mais enxuta e mais fácil de escalar em produtos reais.
Se você quer experimentar isso hoje, abra a documentação oficial do Claude sobre Programmatic Tool Calling e implemente um fluxo simples com duas tools e uma etapa de consolidação dentro da sandbox.
Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.
