Modelos e LLMs

OpenWorker, de andrewyng, chega a 13.825 estrelas em 20 dias

Agente de desktop roda localmente, conecta serviços escolhidos pelo usuário e entrega arquivos, respostas e tarefas concluídas.

Reprodução · user-images.githubusercontent.com

Quem precisa transformar pedidos em documentos, respostas e tarefas prontas pode usar o OpenWorker, um agente de inteligência artificial que roda no desktop e trabalha com arquivos, terminal e aplicativos conectados. O repositório andrewyng/openworker surgiu em 2026-07-20 e já soma 13.825 estrelas e 1.875 forks no GitHub. O projeto serve para quem quer automatizar trabalho cotidiano sem entregar todo o controle a uma plataforma fechada, mas ainda está em beta e tem 402 issues abertas.

O agente roda local, mas depende dos serviços escolhidos

O OpenWorker mantém no computador o ciclo do agente, as conversas, os tokens dos conectores e as chaves dos modelos em um armazenamento local de segredos. A ferramenta envia dados apenas por meio do modelo e das integrações escolhidos pelo usuário. Um serviço externo pequeno intermedeia os fluxos OAuth dos conectores, mas o usuário também pode evitar essa etapa e configurar credenciais ou chaves de API manualmente.

O backend usa Python e reúne o motor do agente, provedores de modelos, conectores, cliente MCP, memória e automações no diretório coworker/. A interface gráfica fica em surfaces/gui/, usa Tauri e inicia o servidor sob supervisão do próprio aplicativo. Há também uma interface web: o servidor standalone cria um token por execução em /sidecar-8765.token, e o Vite envia esse valor no cabeçalho X-OpenWorker-Token.

A execução a partir do código exige Python 3.10+, Node 20+ e, para o desktop, o toolchain Rust instalado via rustup. Quem prefere modelos locais pode apontar o programa para Ollama; quem usa nuvem precisa fornecer a própria chave para provedores como OpenAI, Anthropic, Google Gemini, DeepSeek, Kimi, Qwen, Mistral e outros listados no README. A versão v0.1.7 também acrescenta AWS Bedrock, Google Vertex AI, OpenRouter, Meta Muse Spark e Kimi K3 via Together.

A arquitetura pede aprovação antes de ações com consequência. O agente confirma envios de mensagens, mudanças no calendário e comandos de shell, enquanto execuções sem supervisão guardam os pedidos em uma caixa de entrada. Isso reduz a autonomia automática. O usuário continua no circuito.

A adoção começa com uma chave e termina com uma entrega

No macOS, o download exige Apple Silicon e macOS 12 ou superior; o pacote é assinado, notarizado e recebe atualizações automáticas. No Windows, o OpenWorker roda em Windows 10/11 x64, mas os builds ainda não têm assinatura de código, então o SmartScreen exibe um aviso. Depois de abrir o aplicativo, basta adicionar uma chave de modelo ou indicar uma instalação do Ollama e pedir um resultado concreto.

O agente divide a tarefa em etapas e atua sobre o desktop, os arquivos e os aplicativos conectados. Ele pode produzir documentos, planilhas, relatórios e páginas web, responder a menções @OpenWorker no Slack e executar rotinas agendadas, como um briefing matinal ou um relatório semanal. As integrações incluem GitHub, Slack, Jira, Notion, Linear, HubSpot, Outlook, monday.com, Gmail e Google Calendar, além de ferramentas acessíveis por MCP.

A versão v0.1.7 resume turnos antigos quando sessões longas se aproximam do limite de contexto, sem alterar a transcrição original. Ela também mostra o uso de tokens por sessão, detalha entradas, saídas e cache, dobra colagens longas e usa cache de prompt nos modelos Anthropic. A atualização inclui correções para macOS, Windows e busca, além de ajustes de segurança em acesso de rede, confiança no workspace, configuração MCP e aprovações.

O projeto tinha 20 dias de idade quando os dados foram registrados, recebeu o último commit em 2026-08-08 e chegou à versão v0.1.7 em 2026-07-30. As 13.825 estrelas em tão pouco tempo mostram interesse forte, não maturidade comprovada. A licença MIT permite usar, modificar e redistribuir o código, mas a beta ainda impõe limites práticos para quem precisa de builds Windows assinados, suporte consolidado ou um agente que execute ações sem pedir autorização.

Fontes

PythonMITModelos e LLMsTrendshift
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.