Centaur: o runtime open‑source de agentes de IA criado para equipes colaborarem

Agentes de inteligência artificial estão evoluindo rapidamente: de assistentes individuais para sistemas capazes de colaborar com equipes inteiras. O projeto Centaur, desenvolvido pela empresa de investimentos em tecnologia Paradigm em parceria com a Tempo, foi criado exatamente para essa nova fase.

Lançado como software open source em maio de 2026, o Centaur funciona como um ambiente onde agentes de IA podem operar dentro da infraestrutura da própria empresa, interagir com pessoas via Slack, acessar ferramentas internas e executar tarefas complexas que podem durar horas ou até dias.

Antes de liberar o projeto publicamente, a própria Paradigm já vinha usando o sistema internamente desde janeiro em vários departamentos da organização.

O que é o Centaur

O Centaur é um runtime de agentes de IA auto‑hospedado (self‑hosted) projetado para ambientes corporativos e trabalho em equipe.

Entre suas características principais estão:

• colaboração multiusuário com agentes compartilhados
• interface nativa integrada ao Slack
• acesso por API para integração com sistemas internos
• execução dentro da infraestrutura da empresa, não em servidores de terceiros

A plataforma atua como uma espécie de "control plane" para agentes de IA, responsável por coordenar execução, acesso a ferramentas, memória persistente e orquestração de workflows.

O objetivo é permitir que agentes façam trabalho real dentro das operações da empresa, em vez de apenas responder a prompts isolados.

Um modelo de agentes “multiplayer”

A maioria dos assistentes de IA atuais é pensada para um único usuário conversando com o modelo. O Centaur propõe outra lógica: tratar agentes como colaboradores virtuais compartilhados por toda a equipe.

Em uma thread do Slack ou via API, o agente pode:

• interpretar instruções de usuários
• chamar ferramentas internas ou externas
• executar workflows de múltiplas etapas
• publicar atualizações de progresso na conversa

Como o agente é compartilhado, várias pessoas podem acompanhar o trabalho, ajustar instruções ou estender o processo dentro da mesma conversa. Isso transforma o agente em algo mais próximo de um "colega virtual" integrado às ferramentas de comunicação da equipe.

Além disso, serviços internos da empresa podem ser expostos ao sistema como ferramentas tipadas (typed tools), permitindo que o agente interaja com bancos de dados, APIs internas ou dashboards corporativos.

Workflows duráveis e tarefas de longa duração

Um diferencial importante do Centaur é o suporte a processos de longa duração.

Os agentes podem:

• executar tarefas por horas ou dias
• continuar rodando mesmo após reinícios do sistema
• coordenar várias etapas e ferramentas em sequência

Essas capacidades permitem automatizar fluxos de trabalho que exigem persistência, monitoramento ou progresso iterativo ao longo do tempo.

O sistema registra todas as etapas da execução — da solicitação do usuário ao resultado final — para que uma tarefa possa ser retomada ou auditada caso algo falhe.

Armazenamento persistente com PostgreSQL

Para manter histórico e estado das execuções, o Centaur utiliza PostgreSQL como camada de armazenamento persistente.

O banco registra diversos elementos operacionais, incluindo:

• solicitações dos usuários
• atribuição do runtime responsável
• eventos de execução e saídas em streaming
• estado final e resposta entregue

Esse registro persistente permite que tarefas sobrevivam a reinícios e garante rastreabilidade completa das ações do agente.

Segurança e gerenciamento de credenciais

Outro foco central do projeto é a segurança no uso de credenciais reais.

Em vez de fornecer diretamente chaves de API ou tokens ao agente, o Centaur usa um modelo no qual as credenciais são injetadas na camada de rede durante a requisição. Assim, o agente nunca vê os segredos em si.

Essa arquitetura ajuda a mitigar riscos comuns em sistemas baseados em agentes, como:

• ataques de prompt injection
• instruções maliciosas vindas de conteúdo externo
• vazamento acidental de segredos

O sistema parte do princípio de que agentes podem executar código não confiável ou interagir com dados adversariais, por isso isola ambientes de execução e controla rigidamente o acesso a ferramentas sensíveis.

Como a Paradigm usa o Centaur

Antes do lançamento open source, a Paradigm já utilizava o Centaur internamente em várias áreas da empresa.

Segundo a própria organização, os agentes são usados em atividades como:

• pesquisa e análise de investimentos
• fluxos de trabalho de engenharia
• design de produtos
• recrutamento e contratação
• organização de eventos
• suporte ao cliente

A empresa afirma que o uso de agentes compartilhados mudou significativamente a forma como o trabalho é organizado dentro da equipe.

Extensões, ferramentas e personalização

Empresas podem adaptar o Centaur adicionando ferramentas internas e workflows personalizados.

Serviços corporativos podem ser expostos como ferramentas Python estruturadas, e extensões podem ser distribuídas como overlays que incluem prompts, integrações ou automações específicas da organização.

Isso permite criar um ecossistema interno de agentes sem precisar construir uma nova infraestrutura para cada automação.

O papel do Centaur no ecossistema de agentes de IA

O lançamento do Centaur ocorre em um momento de rápida expansão das plataformas de agentes de IA. O diferencial do projeto está no foco em operações de equipe dentro de infraestrutura corporativa.

Em vez de priorizar experimentos com agentes totalmente autônomos, o sistema enfatiza garantias operacionais como:

• memória durável
• isolamento e segurança de credenciais
• orquestração de workflows
• colaboração entre usuários

Combinando esses elementos com integração ao Slack e implantação self‑hosted, o Centaur busca atender organizações que querem agentes executando tarefas reais dentro de seus fluxos de trabalho existentes.

Por que runtimes de agentes estão surgindo

À medida que empresas começam a colocar agentes de IA em produção, surgem novas necessidades de confiabilidade, segurança e governança.

Plataformas como o Centaur tentam resolver esse problema criando uma camada de infraestrutura compartilhada para gerenciar agentes em escala. Em vez de cada equipe desenvolver sua própria solução, um runtime comum padroniza execução, armazenamento, credenciais e colaboração.

Se essa abordagem se consolidar, essa camada de "runtime de agentes" pode se tornar tão essencial para software baseado em IA quanto sistemas de orquestração como Kubernetes se tornaram para containers.