Runnable: o agente de IA que escreve, executa e publica código sozinho — como funciona, casos de uso e preços

O que é o Runnable

Runnable é uma nova geração de agentes de IA que vai além do 'chat que gera código'. Ele recebe uma tarefa em linguagem natural, escreve o código, executa em um ambiente sandbox isolado, observa o resultado, corrige erros automaticamente e, quando tudo passa nos testes, faz o deploy.

Em vez de você ser o intermediário entre 'pedir' e 'rodar', o Runnable fecha o loop completo: planejar → escrever → executar → debugar → entregar. É o que se costuma chamar de 'agente full-stack autônomo'.

Como funciona por dentro

1. Planner: um LLM grande quebra a tarefa em subtarefas (ex.: 'criar API REST de tarefas' vira: definir schema, escrever rotas, criar testes, subir banco, publicar).

2. Coder: gera os arquivos seguindo padrões do projeto, lendo o repositório existente quando há um.

3. Executor: roda o código em um container Linux efêmero com Node, Python, banco e ferramentas comuns pré-instalados.

4. Critic: lê logs, testes e respostas HTTP. Detecta falhas e devolve para o Coder corrigir, iterando até passar.

5. Publisher: faz commit, abre PR, dispara CI e/ou faz deploy em provedor cloud configurado (Vercel, Cloudflare, AWS).

Para que serve na prática

Automação de tarefas técnicas repetitivas: gerar relatórios a partir de várias APIs, processar lotes de arquivos, raspar dados de sites, criar pipelines de ETL.

Refatorar e modernizar código legado (migrar de uma lib para outra em centenas de arquivos, com testes).

Criar pequenos serviços/microsserviços do zero: 'crie uma API que recebe um CSV, valida CPF e devolve um JSON' — em minutos, com deploy.

QA assistido: rodar testes E2E em paralelo em vários cenários, gerar relatório de cobertura, abrir issues automaticamente.

Análise de dados ad-hoc: pegar um conjunto de planilhas, executar código Python, gerar gráficos e relatório em PDF.

Diferença para Lovable e ChatGPT

ChatGPT/Claude: ótimos para gerar trechos de código, mas você precisa copiar, colar, rodar e debugar manualmente.

Lovable: foco em aplicações web full-stack com preview ao vivo, banco e auth integrados; menos voltado para automações pontuais e scripts.

Runnable: foco em executar tarefas — scripts, jobs, refactors, automações, pequenos APIs — fechando o loop de execução. Excelente como 'engenheiro junior virtual' que roda 24/7.

Integrações típicas

GitHub/GitLab/Bitbucket para clonar e abrir PRs.

Provedores cloud (Vercel, Cloudflare Workers, AWS Lambda, Fly.io) para deploy.

Bancos gerenciados (Supabase, Neon, PlanetScale) via variáveis de ambiente.

Observabilidade (Sentry, Logflare) para o Critic observar erros em produção.

Slack/Discord para reportar status das tarefas.

Planos e custos (referência 2026)

Agentes que executam código têm dois custos somados: assinatura da plataforma + uso de compute (CPU/memória/tempo de execução) + tokens de LLM.

Planos free típicos: poucas horas de execução por mês e tarefas pequenas.

Planos pro: US$ 20–50/mês com 20–100 horas de compute e janela maior de contexto.

Planos team/enterprise: US$ 100–500+/mês com execução paralela, controle de acesso, logs auditados e SLA.

Pontos fortes e limites

Fortes: roda código de verdade, fecha o loop sozinho, ótimo para tarefas com critério de sucesso claro (passou no teste, retornou 200, gerou o relatório).

Limites: tarefas muito ambíguas ou sem teste objetivo o agente costuma 'travar em loop' e consumir compute. Vale revisar PRs antes de mergear em produção. Custo escala rápido se você deixar o agente livre sem limite.

Quando vale a pena

Automatizar tarefas técnicas que se repetem semanalmente; criar microsserviços e jobs; refatorar bases médias com cobertura de teste; gerar relatórios complexos; rodar QA. NÃO substitui um time de produto/UX, e ainda precisa de revisão humana para mudanças críticas.