O loop que ninguém via
Testando um agente de triagem de chamados, a gente viu ele travar num ciclo bobo: tentava preencher um campo, recebia erro de formato, tentava de novo com a mesma lógica errada, recebia o mesmo erro. Sem alguém olhando, ele ficaria a madrugada inteira nisso, cada tentativa debitando da mesma conta de API. Não foi um bug exótico. Foi só um agente fazendo exatamente o que agente faz quando não sabe que está preso: repetir.
Desde então, nenhum agente da Overflow entra em produção sem um teto de gasto definido antes da primeira sessão real. Não depois do primeiro susto.
O que mudou na semana passada
Em 7 de agosto de 2026, a Anthropic lançou orçamento de sessão para agentes gerenciados direto na plataforma: um teto rígido de gasto, cobrado nas tarifas públicas de lista. Quando a sessão bate no teto, ela para com o motivo budget_reached em vez de disparar uma nova chamada de modelo. Mudar ou remover o teto retoma a sessão de onde parou. No mesmo lote de mudanças, a Anthropic também soltou controle de onde a inferência roda por agente e a opção de dar a uma sessão um 'conselheiro', um modelo que ela pode consultar no meio da tarefa antes de agir. Não é um recurso isolado. É a plataforma tratando governo de agente como parte do produto, não como responsabilidade de quem construiu por cima.
O detalhe que interessa é onde a trava acontece. Antes disso, quem queria esse controle tinha que montar por fora: um contador de token no meio do código, um job rodando de tempos em tempos para olhar o dashboard de custo, um script matando o processo depois de N chamadas. Toda essa engenharia caseira tem uma folga embutida. Entre o agente estourar o limite e o seu contador perceber, já rodaram mais duas ou três chamadas. Um teto na própria camada que dispara a requisição fecha essa folga.
O trade-off que a gente não esconde
Teto de gasto tem um custo, e vale dizer qual é. Um agente pode estar a três passos de terminar uma tarefa boa e a sessão pausa do mesmo jeito, porque o mecanismo não separa 'quase lá' de 'travado'. Isso vira trabalho: alguém precisa notar a pausa, olhar o que aconteceu, decidir se levanta o teto ou conserta o loop.
| Sem teto de gasto | Com teto de gasto |
|---|---|
| O loop segue até alguém notar por fora | A sessão para sozinha e pede decisão humana |
| Risco: custo ou registro errado se multiplica | Risco: tarefa legítima corta no meio |
| Ninguém escolheu o limite, ele aparece na fatura | O limite foi decidido antes, em conversa com o time |
A alternativa, sem teto nenhum, tem um custo maior e menos visível. Um agente com uma chamada de ferramenta errada repetida duzentas vezes ou queima dinheiro de verdade ou, pior, escreve duzentos registros errados num banco antes que alguém perceba. Entre parar cedo demais e não parar nunca, a gente escolhe parar cedo demais. Dá para ajustar o teto depois de ver o padrão de uso normal. Reverter um lançamento errado no banco do cliente é bem mais difícil.
Como isso aparece no projeto
Nos projetos de IA da Overflow, os dados do cliente ficam no ambiente do cliente, com controle de acesso e guardrails em produção. O teto de gasto e de ações é parte desse guardrail, não um extra: entra na mesma conversa de diagnóstico que define o que o agente pode fazer sozinho e o que precisa de revisão humana antes de acontecer. Um agente sem teto declarado não é um agente com mais autonomia. É um agente cujo limite ninguém escolheu, e vai acabar sendo descoberto na hora errada, geralmente numa fatura ou num banco de dados.
O padrão de decisão fica mais ou menos assim, resumido em pseudocódigo, sem prometer ser a sintaxe exata de nenhuma API:
if sessao.motivo_parada == "budget_reached":
avisar_time(sessao.id, gasto_ate_agora)
manter_pausado_ate_revisao_humana()
O que importa não é o código. É a decisão por trás dele: o agente para, uma pessoa olha, uma pessoa decide se continua.
O que fazer na segunda de manhã
Se você tem agente rodando em produção sem um teto de gasto ou de número de ações amarrado a uma sessão, essa semana é uma boa semana para adicionar um, mesmo que seja um contador simples no seu próprio código. Não espere o primeiro loop custar caro para descobrir que ele existia. E se você já usa agentes gerenciados na Anthropic, o recurso saiu há três dias: vale configurar antes de qualquer outra coisa na lista.
Quem quiser ajuda para desenhar esse tipo de guardrail antes de colocar um agente em produção, a gente trata isso na fase de diagnóstico da implementação de IA e automação: overflow.codes/ai.
