Manus
Ir para notas que citam estaManus é um agente de IA generalista que executa tarefas complexas de ponta a ponta, como pesquisar, comprar ou testar uma aplicação web, usando o Browser Use para interagir com páginas. O exemplo típico é a compra de uma passagem aérea para Paris: o agente acessa o site da companhia, entra com as credenciais que o usuário informou e conclui a compra sem intervenção. Ele interessa a quem estuda testes autônomos porque junta, num só produto, o planejamento de uma tarefa longa e a operação real de um navegador.
Um agente, muitas ferramentas, um roteiro
Consultado sobre a própria configuração, o Manus declarou rodar sobre o modelo Claude Sonnet com 29 tools. Não há arquitetura de sistema multiagente nesse arranjo: é um único agente fazendo várias chamadas em sequência, e não vários agentes conversando entre si.
O trabalho é procedural. Diante de um pedido, o agente monta uma lista de passos, uma espécie de pipeline, e a segue em ordem. O ganho está em não precisar explicitar a ordem óbvia: para fazer um cachorro-quente, ele já sabe que o pacote de pão precisa ser aberto antes de a salsicha entrar. Antes, organizar essas etapas era trabalho de quem escrevia o prompt; aqui o próprio agente pega o contexto e organiza a tarefa.
Relação com o Browser Use
Quando um passo do roteiro exige acessar um site, o Manus chama o Browser Use, que faz a navegação e a interação real com a página. O que volta do navegador é transformado de novo em prompt, para que o agente decida o próximo passo. Na prática, ele sobe uma sessão automatizada de navegador sobre Linux e opera a tela como uma pessoa operaria, o que contorna parte dos Desafios de Automação de Testes em Front-end Moderno, como identificadores gerados só na renderização.
O código do Browser Use embutido no Manus é ofuscado, então não dá para confirmar como cada chamada é adaptada. O acesso à API oficial também dependia de liberação mediante pedido, o que limita a avaliação ao que os exemplos públicos e a própria ferramenta mostram.
Fases de pesquisa, design, desenvolvimento e entrega
Um exemplo público ilustra o método. O pedido simula um professor de física do ensino médio que quer uma demonstração animada da lei da conservação do momento. O agente percorre fases explícitas, comparadas a um processo científico:
- Pesquisa: busca o que é momento e o que é adequado ao nível de ensino médio, reunindo referências.
- Design: planeja a demonstração.
- Desenvolvimento: produz uma página HTML interativa de colisão entre bolas.
- Teste e entrega: verifica e entrega o resultado.
Na página gerada, massa e velocidade das bolas são ajustáveis: aumentar a massa de uma delas faz a outra sair da colisão com mais velocidade, e a conservação da energia aparece na tela.
Esse comportamento o aproxima de um Deep Research: várias buscas sucessivas, cada uma tentando corrigir o que a anterior trouxe, até compor o resultado final.
Cada etapa gera novas requisições ao modelo. Um agente que busca, corrige e busca de novo precisa de controle cuidadoso de custo de tokens, critério que pesa na escolha de ferramentas.
Uso em testes de software
Para testes, o interesse está no caminho que o Manus e o Browser Use abrem para a Geração de Cenários de Teste com IA: acessar a aplicação, executar um cadastro e sugerir cenários a partir do que foi feito, sem que ninguém informe os identificadores dos campos. Os limites são os mesmos da execução por agente em geral: cenários sugeridos não são cenários verificados, e a repetibilidade entre execuções ainda precisa ser demonstrada.