Como colocar seu design system para trabalhar com o Figma agent

O Figma agent só acerta o jeito da sua equipe se tiver contexto. A base é a biblioteca publicada: ao conectá-la pelo campo "Libraries" no chat do agente, ele passa a reconhecer os componentes e tokens aprovados e a usá-los na saída, em vez de inventar um card novo com estilo próprio. Para apontar uma peça específica, dá para fazer @-mention do componente ou do token. Nomes claros, propriedades, variantes e variáveis aplicadas ajudam o agente a entender para que serve cada ativo.

Sobre a biblioteca entram as guidelines, arquivos de instruções anexados a ela (Library, Manage guidelines). Registram regras, exceções, erros a evitar e como escolher entre componentes parecidos, como usar botão primário em "Place order" e secundário em "Back". Segundo o Figma, funcionam melhor na criação do zero e a consistência ao editar designs existentes ainda está sendo melhorada. Os exemplos mostram como as peças se combinam: designs completos numa página Examples ou com _example no fim do nome (case-sensitive, aplicado ao conjunto pai), ou anexados ao prompt. Já as skills, chamadas com barra, como /design-system-audit e /analyze-components, automatizam processos repetidos. Se o agente erra sempre no mesmo ponto, o sinal é revisar guidelines, biblioteca ou exemplos.

Em 26 de março de 2026, o CEVIU noticiou "Agentes de IA no Canvas do Figma, Agora em Beta", com agentes consultando bibliotecas, componentes, variáveis e tokens. Em 29 de junho de 2026, em "Agente de design do Figma ganha ferramentas customizadas e maior compreensão de contexto", vieram plugins personalizados e fluxos reutilizáveis em beta aberto. Agora o foco é o passo a passo de contexto: guidelines, exemplos e skills, com o agente descrito como disponível em planos pagos e limitado no Starter.

Para quem cuida de design system, isso muda o trabalho: a documentação deixa de ser só consulta humana e vira entrada do agente. Em 12 de junho de 2026, o CEVIU já tratava, em "Como preparar seu design system para IA", de decisões não documentadas e valores hard-coded como causa de resultados inconsistentes. Na leitura editorial, as guidelines são o lugar de pôr no papel o que antes ficava na cabeça do time. Para o usuário final, o ganho possível é mais consistência entre telas.