Paperclip: a orquestração open source que gerencia seus agentes de IA como uma empresa

Para quem é

Paperclip é uma ferramenta de orquestração de agentes de IA de código aberto, e sua metáfora é direta: agentes são funcionários que você contratou, e o Paperclip é a empresa. Ele é composto por um serviço em Node.js e uma interface em React; os agentes você mesmo traz, o que o torna indicado para líderes técnicos ou times pequenos que já usam agentes de programação e querem reunir em um só lugar as tarefas, permissões e o histórico desses agentes.

Três perfis típicos: vinte e tantos terminais do Claude Code abertos ao mesmo tempo, sem saber o que cada um está fazendo; agentes rodando sozinhos 7×24 enquanto você acompanha o progresso a qualquer momento e pode entrar para ajustar; e responsáveis que querem colocar um teto de orçamento em cada agente e manter os custos sob controle.

Há ainda uma condição inegociável: os agentes são seus. A página inicial do repositório deixa isso explícito — é para "trazer seus próprios agentes"; modelos e frameworks de execução são escolhidos um a um, enquanto a plataforma cuida do agendamento, da contabilidade e de fazer o orçamento valer.

Não é a melhor escolha se a ideia é que um único agente conclua uma tarefa e pare — o fluxo "definir um objetivo, contratar a equipe, aprovar e executar" vira peso extra. E não comece se você não tiver contas de agente utilizáveis nem cota de modelos, porque tanto os agentes quanto os modelos ficam por sua conta.

Primeiro teste em 3 minutos

Siga apenas um caminho oficial: a seção Quickstart da página inicial do repositório no GitHub.

• https://github.com/paperclipai/paperclip
• https://docs.paperclip.ing/

O que foi verificado chega apenas até "o ponto de entrada oficial é a seção Quickstart dentro do repositório". Para os comandos exatos, siga o Quickstart e o site de documentação; aqui não repetimos comandos não verificados.

1. Prepare os pré-requisitos: um ambiente de execução Node.js e pelo menos um agente seu (Codex ou Claude).
2. Onde instalar: siga o Quickstart para rodar o serviço e a interface localmente. As fontes não informam diretório de instalação global nem nome de pacote, então não copie o método de instalação de outros lugares.
3. Dispare uma tarefa de baixo risco: crie um objetivo de análise somente leitura (por exemplo, "analisar a estrutura de um repositório e listar melhorias"), anexe primeiro apenas um agente, revise a estratégia proposta, defina o teto de orçamento em um número pequeno e só então clique em executar. Nesta etapa não deixe ele escrever arquivos, executar comandos ou fazer chamadas externas.
4. Primeiro confirme a fronteira dos efeitos colaterais: depois de iniciado, o agente segue rodando de forma autônoma e gera custos reais. O teto de orçamento e a tarefa somente leitura são as únicas salvaguardas desta rodada, então comece com o orçamento baixo.
5. Observe o sinal de sucesso: o objetivo e seus itens de tarefa aparecem no painel, você vê o progresso de cada agente e a contabilidade de custos, e o custo acumulado não ultrapassa o teto de orçamento.

O que não fazer na primeira rodada: não anexe uma dúzia de agentes de uma vez e, sobretudo, não clique em executar sem orçamento definido.

Casos de uso

Caso um: vários agentes avançam em paralelo no mesmo objetivo e o progresso deixa de depender da memória de alguém. O repositório lista diretamente "20 terminais do Claude Code abertos ao mesmo tempo e perder o que cada um está fazendo" como cenário aplicável. O jeito de fazer é anexar agentes diferentes — OpenClaw, Codex, Claude, Cursor — sob um mesmo objetivo, deixar cada um escolher seu modelo e seu framework de execução, e manter tarefas, skills, permissões e histórico no mesmo lugar; a partir daí olha-se só o painel para ver quem faz o quê e quanto custou, sem revistar terminal por terminal, e um único painel mostra quem está avançando e até onde.

Caso dois: tratar "definir objetivo, contratar a equipe, aprovar e executar" como um ciclo de operação. Os três passos dados pelo repositório são: primeiro definir o objetivo (por exemplo, levar um app de notas com IA até $1M MRR), depois montar um time de agentes com papéis como CEO, CTO, engenheiro, designer e marketing (qualquer bot, qualquer fornecedor) e, por último, aprovar e executar — conferir a estratégia, definir o orçamento, apertar start e monitorar continuamente pelo painel. Esse é o fluxo de exemplo do texto original, não um uso deduzido; como configurar os papéis e como conectar os agentes, siga o Quickstart e o site de documentação.

Limites de uso

• O alcance verificado se limita à página inicial do repositório: o posicionamento (orquestração de código aberto para colocar agentes de IA para trabalhar), a forma técnica, o fluxo central de três passos e o conjunto de requisitos "os agentes rodam de forma autônoma 24/7, é preciso que uma pessoa verifique e possa intervir a qualquer momento, e é preciso monitorar custos e impor o orçamento". Comandos de instalação, estrutura de diretórios e forma de vincular contas não estão verificados.
• Os agentes continuam rodando de forma autônoma e geram custos reais: monitorar custos e impor o orçamento é ao mesmo tempo uma capacidade da plataforma e uma condição de operação.
• Agentes, modelos e frameworks de execução são fornecidos por você; o Paperclip não hospeda as suas contas de agente.
• Na primeira rodada escolha uma tarefa de análise somente leitura e reversível; quando envolver escrita de arquivos, execução de comandos ou chamadas externas, confirme o alcance do impacto e o orçamento antes de liberar.
• Se você só quer rodar uma tarefa, esse processo é pesado demais; as vantagens aparecem em cenários multiagente, de longa duração e com restrição orçamentária.
• A profundidade de suporte de cada agente, a escala de concorrência e a recuperação de falhas não estão descritos na página inicial do repositório: vale a documentação oficial.