A topologia que se roteia sozinha

Chega uma requisição. Antes que qualquer modelo fale, a plataforma já a colocou — dentro da rede certa, da comunidade certa, da sala certa — usando nada além de geografia e significado. Essa colocação é roteamento, e na Everythink é uma propriedade do espaço, não uma ideia tardia parafusada num chatbot. O motor que faz isso roda em produção desde 2016.

Em 2026, a ByteByteGo observou que sistemas de agentes em produção dependem do modelo muito menos do que suas demos sugerem — a maior parte do comportamento roda por código determinístico, com o modelo invocado em alguns poucos pontos de decisão (ByteByteGo, "Best Practices for Building AI Agents That Work in Production", julho de 2026). O roteamento é o mais consequential desses pontos, e é justamente o que a indústria continua devolvendo ao modelo. Este post é sobre o que muda quando você tira isso das mãos do modelo e coloca na topologia.

Conclusões de The Honest Architect

• A topologia, não o modelo, decide onde uma requisição pousa — Organization → Network → Community → Room, cada um um polígono real no mapa (em produção desde 2016).
• A geografia vira contexto de roteamento: o World Monitor roteia por prefixos de geohash sem PostGIS, de modo que uma consulta de viewport é uma correspondência de prefixo, não um join espacial.
• Configuração substitui código: ativar um módulo numa sala é um ajuste, não um sprint.

Por que a topologia é a camada de roteamento que você já tinha?

A topologia roteia uma requisição antes de qualquer coisa responder, porque o caminho de Organization a Network a Community a Room é em si a decisão de roteamento. A Everythink modela cada organização como uma topologia geoespacial onde cada nível é um polígono real no mapa, e uma requisição é colocada na sala certa por geografia e significado antes que um modelo seja consultado. O mecanismo é a hierarquia; o modelo é um participante tardio.

[UNIQUE INSIGHT] O reposicionamento de que o espaço é o roteador: um chatbot responde; um sistema operacional de IA roteia. A maioria das pilhas de agentes trata o roteamento como um problema de classificação que o modelo resolve em tempo de execução — classifique a intenção, escolha um handler, reze para acertar. A Everythink trata o roteamento como uma propriedade estrutural já resolvida quando a requisição chega, porque a requisição carrega sua localização na topologia. O modelo nunca precisa perguntar "para qual sala é isso?" — a sala já está selecionada.

Essa é a distinção que a ByteByteGo traçou entre workflows e agentes: num workflow, os passos e o caminho são decididos em tempo de design, antes de o modelo ver a entrada, e a maioria dos sistemas em produção construídos sobre LLMs hoje são workflows — previsíveis, depuráveis e mais baratos que agentes completos (ByteByteGo, "The Agent Loop: How AI Goes From Answering Questions to Doing Things", julho de 2026). O roteamento por topologia é uma decisão de workflow tornada permanente em dados. Ele não reclassifica a cada chamada. Não gasta um token decidindo o que um geohash já diz.

O passo de roteamento não custa nada em tempo de inferência. Nenhuma invocação de classificador, nenhuma latência de um modelo de roteamento, nenhum token gasto em "para onde isso deve ir?" A topologia é uma busca, e buscas não alucinam. Num sistema onde uma confiabilidade de 95 por cento por passo despenca para cerca de um em cada três sucessos ao longo de vinte passos encadeados (ByteByteGo, "Best Practices for Building AI Agents That Work in Production", julho de 2026), remover um passo da cadeia é a vitória de confiabilidade mais barata disponível.

Como a geografia vira contexto sem um banco de dados espacial?

A geografia vira contexto fazendo do mapa uma estrutura de dados de primeira classe, não uma consulta contra um banco de dados espacial. O World Monitor da Everythink roteia por prefixos de geohash — codificações curtas em string de latitude e longitude — de modo que uma consulta de viewport é uma correspondência de prefixo contra uma coluna indexada, não um join espacial do PostGIS. Nada de PostGIS. Nenhuma extensão GIS. Nenhuma reconstrução de índice espacial. A chave do tile é o geohash, e o prefixo é o polígono.

[ORIGINAL DATA] A série acadêmica de 21 papers por trás da plataforma formaliza isso: o identificador de um GeoSignal é um uuidv5(source, native_id) determinístico, de modo que reingerir um feed upstream atualiza o registro existente em vez de produzir um duplicado. IDs determinísticos transformam o cache geográfico num alvo de upsert, e o prefixo de geohash transforma o cache numa tabela de roteamento. Um cliente assina um canal de broadcast por tile de geohash, recebendo deltas apenas para os tiles do seu viewport — não uma mangueira global filtrada no lado do cliente.

Esse é o mecanismo por trás de "a geografia é contexto". Uma requisição de um viewport sobre Buenos Aires resolve para um conjunto de prefixos de geohash; esses prefixos selecionam as salas, comunidades e redes cujos polígonos se sobrepõem; a sobreposição é a decisão de roteamento. O modelo, quando fala, recebe uma janela de contexto já delimitada ao lugar de onde a requisição veio.

O World Monitor é um gateway: um poller em segundo plano por fonte puxa um feed externo num cronograma fixo, normaliza para um GeoSignal, faz upsert no cache durável do Postgres e entrega o delta a um publicador (Everythink, World Monitor / Atlas, ✅ Production). Os clientes leem o cache, nunca os upstreams, então o volume de chamadas upstream é limitado pelo cronograma da plataforma — não pela quantidade de clientes. Fontes são dados: adicionar um feed significa adicionar um SourceDescriptor a um registro, nunca tocar o motor. Uma fonte cuja chave não está definida se desabilita sozinha, então uma chave faltante nunca quebra a plataforma.

Como configuração-substitui-código parece em produção?

A configuração substitui o código quando o comportamento de uma sala é um conjunto de toggles num registro de dados, não um ramo num release. Na Everythink, uma sala é uma área funcional dentro de uma comunidade, e cada sala liga seus módulos por configuração — social, marketplace, calendar, campaigns — de modo que o sistema se remodela sem um deploy. Ativar um módulo é um ajuste, não um sprint.

[PERSONAL EXPERIENCE] O motor roda em produção desde 2016. O núcleo conversacional — o HAI engine — responde com contexto de sala há uma década, e os módulos componíveis compartilham a mesma topologia. Uma comunidade adiciona uma sala de marketplace do mesmo jeito que adiciona uma sala social: um registro, um polígono, módulos habilitados. Sem fork, sem conflito de merge. A forma da plataforma é um documento, e editar o documento é o release.

As etiquetas de honestidade importam aqui, porque configuração-sobre-código só é crível quando você diz o que está construído. A Whitelabel Network — web, iOS e Android sob uma marca — é ✅ Production. Social, campaigns e o World Monitor são ✅ Production. Matchmaking é ⚠️ Partial: útil, não finalizado. Marketplace e calendar são ⚠️ Partial. A wallet por rede, o community credit e a federação são 🔵 Roadmap — trabalho de design datado para 2026, pre-revenue, não apresentado como Production. Não elevamos um estado para parecer pronto. Isso é Theorem 3: uma propriedade é garantida exatamente quando seu mecanismo está implementado e medindo.

A razão pela qual a configuração escala é a mesma pela qual a topologia roteia: os dados são o sistema. Um registro de sala carrega sua comunidade pai, sua rede, seu polígono e seus módulos habilitados. O motor conversacional lê o registro para delimitar seu contexto; o World Monitor lê o polígono para delimitar seus deltas. Nada nesse caminho exige que um modelo decida o que o registro já diz.

Onde o roteamento por topologia se coloca em relação aos protocolos de agentes?

O roteamento por topologia se coloca à frente dos protocolos de agentes, do mesmo jeito que um registro se coloca à frente de uma ferramenta. Em junho de 2026, a Hugging Face e contribuidores da Microsoft, Google e GoDaddy publicaram a especificação Agentic Resource Discovery — uma camada de descoberta à frente de MCP, A2A e Skills que define como agentes e ferramentas são catalogados, indexados e buscados em registros federados, de modo que um agente possa encontrar capacidades em tempo de execução em vez de precisá-las pré-instaladas (Hugging Face, "Agentic Resource Discovery: Let agents search for tools, skills, and other agents", junho de 2026). O movimento central da especificação é tirar a seleção do LLM: um registro indexa capacidades com identidade de publicador, consultas representativas e tags, e um cliente busca antes que o modelo invoque o que a busca retorna.

ARD resolve descoberta. Topologia resolve colocação. São complementares, e a indústria está convergindo para a mesma separação que a Everythink executa há uma década: não peça ao modelo que faça o que os dados podem decidir. A ByteByteGo colocou o consenso de produção de forma direta: MCP cuida do acesso a ferramentas e A2A cuida da comunicação entre agentes, e os dois são complementares (ByteByteGo, "MCP vs A2A vs ACP: How AI Agents Actually Talk to Each Other", julho de 2026). A Everythink adiciona uma terceira camada abaixo de ambos: a topologia que decide dentro de qual rede, comunidade e sala a ferramenta ou o agente está operando — antes que MCP ou A2A sejam invocados.

A distinção não é acadêmica. Uma ferramenta chamada sem colocação é uma ferramenta chamada sem contexto. Um modelo que descobre o servidor MCP certo mas não sabe em qual sala está responderá genericamente — uma regressão num sistema colocado. A topologia dá à ferramenta e ao modelo o contexto que de outro modo teriam de inferir, e inferir contexto é o passo probabilístico que compõe erro ao longo de uma cadeia.

Quando o roteamento por modelo falha sem topologia?

O roteamento por modelo falha sem topologia quando o sinal de que precisa é invisível no momento de rotear. Em julho de 2026, a IBM Research argumentou que o que parece um problema de seleção de modelo logo se torna um problema de otimização de sistemas, e essa dificuldade costuma ser invisível no momento de rotear — uma requisição como "resuma este contrato" parece simples, mas pode disparar recuperação, verificações de compliance, uso de ferramentas e múltiplas rodadas de refinamento (IBM Research, "Model Routing Is Simple. Until It Isn't.", julho de 2026). Roteadores, concluíram, estão o tempo todo fazendo malabarismo com custo, qualidade, latência, compliance e confiabilidade ao mesmo tempo.

A topologia não resolve o roteamento de modelos. Ela remove uma classe de entradas do problema do roteador. Quando a sala já está selecionada, o roteador não infere jurisdição, audiência nem escopo a partir do texto do prompt — a topologia carrega isso. O contrato pertence a uma comunidade e a uma sala; as verificações de compliance são as configuradas para aquela sala; as ferramentas disponíveis são as habilitadas lá. O trabalho do roteador encolhe de "inferir tudo a partir de uma string" para "escolher um modelo para uma tarefa colocada".

Os números da IBM tornam o argumento de custo concreto. Ao longo de 417 tarefas no AppWorld Test Challenge, o Sonnet custou $0.19 por tarefa enquanto o GPT-4.1 custou $0.37 por tarefa — quase o dobro — porque o comportamento do cache, não o preço de etiqueta, determinou o custo (IBM Research, "Model Routing Is Simple. Until It Isn't.", julho de 2026). Uma topologia que delimita a janela de contexto antes de o modelo ser chamado também delimita o prefixo cacheável — a variável que fez o custo oscilar. A topologia da Everythink não roteia modelos, mas faz o trabalho que torna o roteamento de modelos tratável: ela fixa o contexto sobre o qual o roteador otimiza.

Como isso roda em produção hoje, com honestidade?

Roda do jeito que está etiquetado, não do jeito que uma demo sugere. O motor conversacional HAI é ✅ Production e responde com contexto de sala desde 2016. A Whitelabel Network — uma marca, uma identidade entre web, iOS e Android — é ✅ Production. Social, campaigns e o gateway World Monitor / Atlas são ✅ Production. Matchmaking e marketplace são ⚠️ Partial — úteis, não finalizados. A wallet por rede, o community credit e a federação são 🔵 Roadmap, pre-revenue, sujeitos à revisão Howey antes de qualquer lançamento. Nada na camada de wallet ou token está ativo.

A honestidade é o mecanismo, não uma postura. Theorem 3 afirma que uma propriedade é garantida exatamente quando seu mecanismo está implementado e medindo. Uma capacidade ganha Production só quando o mecanismo por trás dela está tanto construído quanto medido ativamente — caso contrário é Partial ou Roadmap. Aplicamos a regra à topologia: o roteamento é medido porque as buscas de geohash são instrumentadas, as colocações de sala são registradas, e os upserts do cache são contados.

Essa é a versão de honestidade radical que importa a um arquiteto: não um tom, mas um teste. Na topologia, o mecanismo existe e está medindo. Na wallet, não. Um comprador avalia o raciocínio, não os adjetivos.

Perguntas frequentes

Como o roteamento por topologia difere de um modelo classificando intenção?

Um modelo classificando intenção é um passo probabilístico que roda em toda requisição e pode errar. O roteamento por topologia é uma busca determinística contra um registro de dados que carrega a localização da requisição na hierarquia. O erro composto faz uma cadeia de 95 por cento por passo cair para cerca de um em cada três sucessos ao longo de vinte passos (ByteByteGo, "Best Practices for Building AI Agents That Work in Production", julho de 2026). Remover o passo é mais barato do que melhorá-lo.

O World Monitor da Everythink exige PostGIS?

Não. O World Monitor roteia por prefixos de geohash — codificações curtas em string de latitude e longitude — de modo que uma consulta de viewport é uma correspondência de prefixo contra uma coluna indexada. A plataforma usa uma instância do Postgres com pgvector incluído, mas nenhuma extensão PostGIS. A chave do tile é o geohash, e o prefixo é o polígono. Isso mantém a camada de roteamento portátil e as consultas baratas.

Qual é o estado de honestidade da wallet e do community credit?

🔵 Roadmap. A wallet de tokens por rede e o community credit são trabalho de design datado para 2026, pre-revenue, e não estão implementados. Nada nessa camada está ativo, e nada aqui é aconselhamento financeiro, de investimento ou jurídico. Qualquer mecanismo de tokens ou créditos permanece sujeito aos frameworks financeiros e de valores aplicáveis, incluindo a análise Howey, e não será lançado antes de essa revisão estar concluída.

Como a topologia interage com MCP e A2A?

A topologia se coloca abaixo de ambos. MCP cuida do acesso a ferramentas; A2A cuida da comunicação entre agentes, e os dois são complementares em produção (ByteByteGo, "MCP vs A2A vs ACP: How AI Agents Actually Talk to Each Other", julho de 2026). A topologia da Everythink decide dentro de qual rede, comunidade e sala a ferramenta ou o agente está operando antes de qualquer protocolo ser invocado, de modo que a ferramenta recebe um contexto colocado em vez de inferi-lo a partir do prompt.

Uma sala pode mudar seus módulos sem um deploy?

Sim. Uma sala liga seus módulos por configuração — social, marketplace, calendar, campaigns. Ativar um módulo é um ajuste num registro de dados, não um release de código. A plataforma se remodela sem redeploy, que é o mecanismo por trás da afirmação de configuração-sobre-código.

---

A topologia da Everythink tem roteado requisições por geografia e significado há uma década, e a indústria agora separa descoberta de execução pela mesma razão: o modelo não deveria decidir o que os dados já dizem. Se você quer ver a topologia rotear — rede a comunidade a sala, numa plataforma em produção desde 2016 — leia os papers ou agende uma demo.

Sources

• Hugging Face, "Agentic Resource Discovery: Let agents search for tools, skills, and other agents", retrieved 2026-08-23, https://huggingface.co/blog/agentic-resource-discovery-launch
• ByteByteGo, "Best Practices for Building AI Agents That Work in Production", retrieved 2026-08-23, https://blog.bytebytego.com/p/best-practices-for-building-ai-agents
• ByteByteGo, "MCP vs A2A vs ACP: How AI Agents Actually Talk to Each Other", retrieved 2026-08-23, https://blog.bytebytego.com/p/mcp-vs-a2a-vs-acp-how-ai-agents-actually
• ByteByteGo, "The Agent Loop: How AI Goes From Answering Questions to Doing Things", retrieved 2026-08-23, https://blog.bytebytego.com/p/the-agent-loop-how-ai-goes-from-answering
• IBM Research, "Model Routing Is Simple. Until It Isn't.", retrieved 2026-08-23, https://huggingface.co/blog/ibm-research/model-routing-is-simple-until-it-isnt