Em 22 de setembro de 2026, a DigitalOcean abriu a pré-visualização pública do Managed Agents, serviço criado para resolver um dos maiores obstáculos de quem coloca agentes de inteligência artificial em produção: montar, proteger e manter toda a infraestrutura necessária para que eles executem tarefas continuamente. A proposta concentra em uma única nuvem os recursos que normalmente ficam espalhados entre ambiente de execução, conexão com ferramentas e processamento de modelos. Para desenvolvedores e equipes de cloud, a mudança merece atenção porque desloca o trabalho de construir cada camada do zero para a definição de como o agente deve agir e quais permissões deve receber. O comunicado oficial da empresa apresenta a novidade como uma plataforma gerenciada, ainda em prévia, para transformar agentes em aplicações operacionais.
Um ambiente de execução separado para cada tarefa
O primeiro bloco da plataforma é o Harness Runtime, ambiente de execução baseado em microVMs isoladas. Uma microVM é uma máquina virtual compacta, usada para separar a execução de um processo do restante da infraestrutura sem exigir uma máquina física exclusiva para cada agente. A analogia ajuda a entender a proposta: em vez de colocar vários participantes na mesma sala e confiar apenas em regras de convivência, a nuvem cria salas separadas para que cada fluxo tenha seu próprio espaço de trabalho. Essa divisão atende a uma preocupação prática de equipes que lidam com agentes capazes de executar ações, pois o serviço passa a oferecer uma camada dedicada para iniciar e controlar essas atividades.
Esse ambiente também foi desenhado para manter o estado das sessões, o conjunto de informações que permite retomar uma tarefa sem tratar cada interação como um começo completamente novo. O Managed Agents inclui ainda execução paralela, recurso que permite conduzir mais de um fluxo ao mesmo tempo, e trata a persistência de estado como parte da infraestrutura oferecida. Na prática, a equipe pode concentrar a arquitetura do agente na sequência de ações que precisa realizar, enquanto a plataforma cuida dos elementos que costumam gerar trabalho operacional, como continuidade das sessões, isolamento e capacidade de atender fluxos simultâneos. É nesse ponto que a novidade deixa de ser apenas um ambiente para rodar código e passa a funcionar como uma base para processos mais longos.
Uma ponte entre agentes e ferramentas externas
Se o Harness Runtime oferece o espaço onde o agente trabalha, o Action Gateway funciona como a ponte para o mundo externo. A interface dá acesso a mais de 16 mil ferramentas por meio do MCP, sigla para um protocolo que organiza a comunicação entre aplicações de inteligência artificial e serviços capazes de executar ações. Em vez de imaginar o agente como uma ilha que precisa conhecer individualmente cada serviço, pense em uma central de diálogo: o agente faz uma solicitação, o gateway encaminha essa intenção para a ferramenta correspondente e as regras de acesso definem o que pode acontecer. Essa camada de conexão é relevante porque agentes úteis dependem de ferramentas externas para transformar respostas em tarefas executadas.
A ponte também inclui governança de permissões, isto é, mecanismos para controlar quais ferramentas podem ser acionadas e em que condições. Esse detalhe muda a conversa sobre interoperabilidade, porque conectar serviços é apenas uma parte do problema; a outra consiste em estabelecer limites claros para cada interação. Uma equipe pode olhar para o Action Gateway como uma recepção que identifica o visitante, verifica sua autorização e encaminha cada pedido para o setor correto. A DigitalOcean posiciona essa combinação entre acesso e controle como resposta a desafios de segurança em fluxos de trabalho com agentes, criando uma camada comum para administrar a relação entre o agente e as ferramentas disponíveis.
Inferência sem servidor e cobrança ligada ao uso
O terceiro componente é a inferência sem servidor, modelo no qual a equipe utiliza a capacidade de processamento sem precisar administrar uma infraestrutura dedicada para cada chamada ao modelo. O serviço oferece acesso a mais de 75 modelos abertos e proprietários, permitindo que a escolha do modelo faça parte da arquitetura do agente sem obrigar o time a montar uma camada separada para cada opção. A decisão importa porque o agente precisa de um mecanismo para interpretar contexto, escolher a próxima ação e produzir uma resposta, enquanto o ambiente de execução e o acesso às ferramentas cuidam das etapas seguintes. Ao reunir essas funções na mesma nuvem, a DigitalOcean reduz o número de conexões operacionais que o desenvolvedor precisa manter por conta própria.
Essa camada também altera a forma de acompanhar os custos, já que a DigitalOcean informa que a cobrança considera o tempo de atividade do agente. Em um fluxo tradicional, a equipe pode precisar manter recursos provisionados mesmo quando o processo está parado, enquanto o modelo apresentado pela empresa associa o pagamento ao período em que o agente está ativo. A diferença interessa especialmente a projetos que alternam momentos de execução intensa com intervalos de espera, embora a pré-visualização ainda exija que cada time acompanhe o próprio consumo. A combinação entre inferência, ambiente de execução e cobrança por atividade aproxima a infraestrutura do comportamento real do agente, que trabalha em ciclos e não como um servidor ocupado de forma constante.
Da pré-visualização privada ao acesso público
Antes de chegar ao público, o Managed Agents passou por uma pré-visualização privada, etapa em que a plataforma foi disponibilizada a um grupo restrito antes da abertura geral. A DigitalOcean informou que empresas como a OpenHands já utilizavam o serviço, indicando que a proposta foi testada em situações de uso antes do lançamento público. Essa sequência ajuda a entender o momento do produto: não se trata de uma especificação distante, mas de uma oferta que já avançou da experimentação fechada para uma prévia acessível aos usuários. Ainda assim, o rótulo de pré-visualização mostra que a plataforma está em fase de evolução e que os recursos, os preços e os limites devem ser observados por quem pretende incorporá-la a um fluxo de produção.
A arquitetura apresentada pela empresa atende a três perguntas que costumam aparecer quando um agente deixa o protótipo e começa a executar tarefas reais. Onde ele vai rodar? O Harness Runtime responde com um ambiente baseado em microVMs isoladas. Como ele conversa com serviços externos? O Action Gateway organiza o acesso a ferramentas e aplica permissões. Como ele usa modelos e quanto esse processamento custa? A inferência sem servidor e a cobrança pelo tempo de atividade respondem a essa parte. A força da proposta está na conexão entre essas respostas, porque o desenvolvedor passa a lidar com uma sequência integrada de serviços em vez de costurar manualmente cada ponto de comunicação.
O que mudou no pagamento em outubro
A evolução do serviço continuou em 1º de outubro de 2026, quando a DigitalOcean implementou o saldo Inference and Agents para pagamentos. O novo sistema permite fazer recargas pré-pagas de US$ 5 a US$ 500, com opção de recarga automática, e também inclui planos mensais com desconto em fase de pré-visualização. A mudança aproxima o controle financeiro do modo como a plataforma mede o uso dos agentes: o time adiciona saldo, acompanha a atividade e pode optar por automatizar a reposição quando atingir o limite configurado. Para uma equipe que está testando um agente, esse modelo oferece uma forma mais direta de separar o orçamento destinado à inferência e à execução, sem misturar o acompanhamento do serviço com outras despesas de infraestrutura.
Para quem desenvolve, a caixa de ferramentas fica mais clara quando cada camada é analisada pela função que desempenha. O ambiente isolado responde à necessidade de execução separada; a persistência responde à continuidade das sessões; o gateway responde ao diálogo com ferramentas externas; e o saldo responde ao acompanhamento do consumo. O próximo passo prático é comparar essas necessidades com o desenho do próprio agente, verificando se a aplicação precisa manter contexto entre etapas, acessar serviços com permissões diferentes ou executar múltiplos fluxos em paralelo. Como o Managed Agents permanece em pré-visualização pública, essa avaliação deve incluir testes de comportamento, medição do tempo de atividade e acompanhamento das regras de cobrança antes de uma adoção mais ampla.