Existe uma diferença entre saber o que fazer e ter como fazer. Um estrategista brilhante, sem meios de executar o próprio plano, depende inteiramente de outra pessoa para transformar a estratégia em resultado. Modelos de linguagem, antes de terem acesso a ações declaradas de forma confiável, estavam nessa posição — raciocínio afiado, execução zero.
O raciocínio nunca foi o problema
Modelos de linguagem já são bons, há tempos, em entender o que uma tarefa exige: identificar os passos, considerar variáveis, sugerir a melhor abordagem. Isso é a parte de “pensar”. O que faltava sistematicamente era a parte de “fazer” — não por falta de capacidade de raciocínio, mas por falta de uma interface confiável entre a decisão e o mundo real.
Por que “mãos” é uma metáfora literal, não só bonita
Mãos manipulam objetos diretamente — pegam, apertam, movem. A API Imperativa do WebMCP (document.modelContext.executeTool()) faz exatamente isso no contexto de uma página web: em vez de descrever o que deveria ser clicado ou preenchido, o modelo aciona diretamente a ação que o site declarou, com os parâmetros corretos, e recebe o resultado de volta. É manipulação direta do ambiente, não descrição de como manipular.
O que existia antes, sem essa capacidade
Antes de tools declaradas via WebMCP, a interação de um modelo com uma página normalmente dependia de inferir estrutura visual — tentar adivinhar onde clicar analisando pixels ou HTML bruto, sem garantia de que aquele elemento realmente fazia o que parecia fazer. Era como tentar manipular objetos usando apenas a visão, sem tato — funciona às vezes, falha sem aviso quando a aparência engana.
A diferença entre “mãos” e “mãos com instrução clara”
Ter mãos não basta se você não sabe o que está segurando. Por isso a qualidade da descrição de cada tool declarada importa tanto quanto a existência da tool em si — uma ação mal descrita é como um objeto sem rótulo: a mão pode até pegar, mas não sabe com certeza para que serve. Isso conecta diretamente com a disciplina de escrever descrições precisas, discutida em outro artigo desta série.
O que essas “mãos” ainda não fazem sozinhas
Ter capacidade de execução não é o mesmo que ter juízo sobre quando executar. Mãos hábeis nas mãos erradas, ou usadas sem critério, causam problema — a decisão de quando e como usar essa capacidade continua sendo responsabilidade de quem constrói o agente, não algo resolvido automaticamente pelo protocolo técnico.