CEVIU News - CEVIU DevOps - 26 de junho de 2026

Embora a maioria dos líderes de engenharia relate ganhos significativos de produtividade e satisfação com o uso de ferramentas de codificação baseadas em IA, as organizações estão, ao mesmo tempo, perdendo visibilidade sobre os custos reais. Isso ocorre porque grande parte do tempo dos desenvolvedores tem migrado para atividades que não são rastreadas, como a validação e o code review.

Nic Cope, engenheiro de longa data do Crossplane, desenvolveu o Modelplane, um control plane de código aberto que unifica clusters de GPU dispersos em diferentes nuvens em uma única frota de inference para servir modelos de IA. O projeto foi construído inteiramente utilizando as composições e funções do Crossplane, sem a necessidade de escrever operadores personalizados. O desenvolvimento levou os limites do Crossplane ao extremo, revelando e ajudando a corrigir diversos bugs do framework. Entre os problemas corrigidos estão conflitos de palavras-chave do Python na geração de schemas, seletores de recursos do tipo match-all para o agendador de frotas e discrepâncias de comportamento entre a ferramenta de testes crossplane render e o runtime real.

O Grafana expandiu seus recursos de observabilidade como código com a chegada do Git Sync à general availability, adicionando suporte para GitLab, Bitbucket e commits assinados. Além disso, o Grafana Assistant agora suporta oito fontes de dados adicionais, incluindo Snowflake, Oracle e Elasticsearch. A versão 13.1 também introduziu variáveis no nível de seção para um controle mais granular dos painéis e estendeu o recurso Private Data Source Connect para o MQTT, GitHub Enterprise Server e IBM Db2, garantindo conexões seguras com redes privadas.

O Argo CD v3.5 traz aprimoramentos significativos para ambientes GitOps de larga escala, incluindo o suporte à interface de usuário para ApplicationSet com deployment previews, além do status de beta para impersonation e Source Hydrator. A nova versão também oferece compatibilidade com Helm 4, suporte a mTLS no repo-server, validação de integridade de origem e recursos expandidos de multi-tenancy. O release também aprimora a integração com o Azure, a visualização da Gateway API, o suporte a namespaces na CLI, a busca de aplicações, a confiabilidade geral, o desempenho e a documentação do projeto.

O GitHub Copilot está aprimorando a eficiência de seus agentes ao reduzir o contexto redundante por meio de prompt caching, carregamento diferido de ferramentas e roteamento ciente de cache. Além disso, a plataforma introduziu a seleção automática de modelos, que direciona dinamicamente as tarefas para as opções mais adequadas. Essas melhorias visam otimizar custos, desempenho e qualidade ao longo de longas sessões de uso de agentes, minimizando a repetição de processamento computacional e aprimorando o alinhamento entre modelos e tarefas.

Documentos de design eficazes ajudam as equipes a tomar decisões técnicas complexas e caras antes do início da implementação, sendo especialmente úteis em projetos arriscados, ambíguos, que envolvem múltiplas equipes ou que devem permanecer em produção por anos. Um bom documento deve focar em escolhas cujo erro custaria caro, detalhando de forma clara o objetivo, o histórico, as metas, o que está fora do escopo, cenários, diagramas, restrições, SLOs, monitoramento, interfaces, dependências, segurança, privacidade, questões em aberto e alternativas. Essa estrutura permite que os revisores forneçam feedbacks realmente úteis antes que a equipe se comprometa com um caminho incorreto.

O Datadog MCP Server e o AWS DevOps Agent agora estão em disponibilidade geral (GA), permitindo a investigação e resolução autônoma de incidentes ao correlacionar dados de observability do Datadog com telemetria, implantações e códigos da AWS, de ambientes multicloud e on-premises. A integração automatiza a análise de causa raiz, o planejamento de mitigação, a coordenação entre partes interessadas e as recomendações de prevenção de incidentes. Com isso, os times conseguem reduzir o tempo de resolução de horas para minutos, melhorando a confiabilidade e a eficiência operacional.

Os agent harnesses estão se consolidando como camadas de infraestrutura de produção que ficam posicionadas entre os modelos e os sistemas reais. No entanto, essas ferramentas enfrentam desafios comuns de sistemas distribuídos, como recuperação de interrupções, execução segura de código e persistência de estado. O Agents SDK da Cloudflare resolve essas limitações oferecendo primitivas para execução durável, execução de código em sandbox, sistemas de arquivos virtuais e fluxos de trabalho dinâmicos, permitindo que frameworks como Flue e Pi construam agentes resilientes e escaláveis em diferentes ambientes de nuvem.

O AWS Transform custom é um serviço baseado em IA que permite aos desenvolvedores descrever transformações de código em linguagem natural e aplicá-las automaticamente em seus repositórios. A ferramenta é capaz de processar até três repositórios localmente em paralelo ou escalar para centenas de forma simultânea utilizando o AWS Batch com Fargate. Integrado aos principais IDEs por meio do Kiro power — uma skill de agente compatível com mais de 40 ferramentas, incluindo Claude Code e Cursor — e de um plugin para VS Code, o serviço ajuda equipes a resolver tarefas de migração personalizadas, como atualizar bibliotecas internas ou padronizar o logging, sem a necessidade de escrever scripts manuais de transformação.

O Jaeger v2.18.0 introduz o ClickHouse como um novo backend de armazenamento para distributed tracing, alcançando uma taxa de compressão de 8,6 vezes e sustentando mais de 50.000 spans por segundo em benchmarks realizados com 10 milhões de spans.