Como coordenar ChatGPT, Codex, Claude e Claude Code
ChatGPT, Codex, Claude e Claude Code podem participar no mesmo trabalho, mas não funcionam como uma única equipa por defeito. Cada produto tem a sua sessão, as suas permissões e o seu contexto.
A comunicação precisa de ser desenhada: primeiro partilha-se o estado através de sistemas controlados; depois, quando faz sentido, automatizam-se as passagens de tarefa entre agentes.
Não confundir o mesmo fornecedor com o mesmo contexto
ChatGPT é uma interface de conversação e Codex é uma ferramenta orientada para trabalhar sobre código e ambientes de desenvolvimento. Claude e Claude Code seguem uma separação semelhante entre conversa e trabalho técnico.
Uma sessão não deve ser tratada como memória universal: se uma decisão não estiver registada num ficheiro, issue, commit ou sistema de tarefas, o agente seguinte pode não a conhecer.
A primeira ponte é o repositório
Git é a forma mais simples de dar continuidade a uma tarefa. O agente que investiga pode deixar um documento de decisão; o agente que implementa trabalha numa branch ou worktree; o agente que revê analisa o diff e executa os testes.
O repositório torna o resultado observável, permite comparar versões e reduz a dependência de copiar conversas inteiras entre plataformas.
Contexto partilhado precisa de regras
Ficheiros como AGENTS. md, CLAUDE. md, README. md e documentação de arquitectura podem explicar o produto, os comandos de validação, as zonas proibidas e o formato esperado das alterações.
Devem conter instruções úteis e versionadas, não passwords, tokens, dados de clientes ou uma transcrição descontrolada de todas as conversas. Contexto em excesso também pode esconder a decisão importante.
MCP liga agentes a ferramentas
O Model Context Protocol permite expor ferramentas, recursos e fontes de dados a aplicações de IA através de uma interface comum. Na prática, um servidor MCP pode dar acesso controlado a GitHub, PostgreSQL read-only, monitorização, documentação ou um sistema de tickets.
MCP não torna uma ferramenta segura por si só: cada servidor precisa de autenticação, autorização, limites, registos e uma política clara sobre dados sensíveis.
A2A trata de agentes, não de ferramentas
MCP é adequado quando um agente precisa de consultar ou utilizar um sistema. O protocolo Agent2Agent, conhecido como A2A, foi concebido para facilitar a comunicação entre agentes independentes.
A distinção é útil: MCP pode fornecer ao agente uma ferramenta de deploy; A2A pode permitir que um agente de revisão peça trabalho a outro. Ambos devem ser vistos como contratos de integração, não como autorização para executar qualquer acção.
O orquestrador é o ponto de controlo
Uma arquitectura multi-agente precisa de uma aplicação central ou workflow que crie tarefas, atribua especializações, guarde estado, limite permissões e registe resultados.
O orquestrador pode encaminhar implementação para Codex, pedir uma segunda opinião a Claude Code e enviar o resultado para testes. O utilizador deve conseguir ver quem fez o quê, com que contexto e com que alterações, antes de uma publicação.
Uma arquitectura prática para a PontoTi
Uma primeira versão pode usar PostgreSQL para tarefas e auditoria, Git para artefactos, LiteLLM para modelos e MCP para ferramentas.
ChatGPT ou Codex podem tratar da implementação; Claude ou Claude Code podem fazer uma revisão independente; um serviço de CI executa lint, typecheck, testes e build. Nenhum agente deve receber automaticamente credenciais administrativas de produção.
A aprovação humana continua a ser a fronteira para deploy, alterações destrutivas e comunicações externas.
É controlável? Sim, se o sistema for desenhado para isso
O controlo não vem de escolher o modelo certo; vem de separar responsabilidades e criar travões. Use worktrees isoladas, permissões mínimas, ambientes de teste, aprovação para efeitos externos, limites de custo, timeouts, logs sem segredos e rollback.
Um agente pode propor uma mudança e outro pode revê-la, mas a empresa precisa de manter a decisão sobre o que entra em produção.
A leitura da PontoTi
Não recomendamos tentar sincronizar todas as conversas manualmente nem colocar quatro agentes a editar o mesmo ficheiro em simultâneo.
O caminho mais robusto é construir uma camada PontoTi AI Orchestrator: tarefas claras, contexto versionado, ferramentas MCP limitadas, handoffs explícitos e evidência de validação.
Assim, diferentes modelos podem colaborar sem fingir que são uma única consciência e sem retirar responsabilidade à equipa.