A pergunta aqui é deliberadamente restrita: quais as ferramentas de código aberto que permitem que um agente líder divida um trabalho e entregue as partes a subagentes especialistas, a funcionar na sua máquina com as suas próprias chaves de API? Oito cumprem os critérios. Três são produtos prontos que instala e com os quais conversa; cinco são estruturas de desenvolvimento com as quais monta a equipa. Uma das oito é nossa, e cada linha sobre ela diz isso.
Um agente que faz tudo é outra categoria de produto, pelo que aparece aqui um agente único de uso geral, mas nunca em primeiro lugar. Os subagentes precisam de ser algo que a ferramenta realmente cria, não algo que cria com scripts à volta dela.
Um produto alojado, em que o agente corre nos servidores de outra pessoa, não se qualifica, por melhor que seja. Self-hosting no seu servidor conta; uma aplicação de desktop no seu portátil também.
A licença é nomeada na tabela para cada item que pudemos confirmar no próprio projeto. Onde não pudemos confirmar, a tabela diz isso em vez de adivinhar.
Uma ferramenta que só funciona com a assinatura de um fornecedor específico é uma resposta mais estreita a esta pergunta, então fica anotada na tabela em vez de ser excluída.
Esta lista é publicada pela Orkas, e o Orkas é uma das ferramentas incluídas. Todas as linhas que descrevem o Orkas estão assinaladas. As quatro regras abaixo foram definidas antes de a lista ser escrita, e todas as ferramentas são avaliadas pelas mesmas quatro.
Produtos prontos — instale e converse
Um agente Commander mais especialistas nomeados — pesquisa, slides, vídeo, documentos de escritório, UI, código — que passam um trabalho entre si num único chat de desktop. Licença MIT. Também executa Claude Code, Codex, OpenCode, OpenClaw e Hermes como backends de CLI locais, pelo que um agente de terminal existente passa a ser um membro da equipa.
Limites, sem rodeios: não há linha de comandos do Orkas, e este não executa um modelo no seu próprio hardware — as chamadas de modelo vão para um fornecedor pela rede, seja com os modelos oficiais geridos, seja com a sua chave.
Veja o que o Orkas entrega →Um agente local open source com uma CLI completa ao lado da aplicação de desktop, dezenas de extensões MCP e uma ampla lista de fornecedores. Configure-o para usar o Ollama e o modelo fica no seu hardware — a única opção da categoria de produtos prontos que faz isso.
É um único agente de uso geral do princípio ao fim, não um conjunto de especialistas nomeados que passam trabalho entre si. Se a divisão do trabalho é o objetivo, essa é a lacuna.
Ler a comparação completa de Goose →Um gateway self-hosted com clientes de canal, em vez de uma janela de desktop. Agentes configurados, encaminhamento e execuções de subagentes em segundo plano ou aninhadas — o mais próximo de subagentes gerados nesta lista, além da nossa opção. Biblioteca de skills madura e forte na operação da própria máquina.
É quem o aloja. É uma vantagem se já tem um servidor em funcionamento e um custo se não tem.
Ler a comparação completa de OpenClaw →Frameworks — é quem monta a equipa
Um framework Python para “crews” multiagente, com licença MIT. Escreve os agentes, os seus papéis e as passagens de trabalho em código. A resposta de framework mais direta a “um agente líder a coordenar especialistas”, e a que tem menos produto à volta.
Ler a comparação completa de CrewAI →O framework para programadores construírem agentes de LLM em código. O ecossistema mais amplo desta lista, e o que menos impõe uma visão de como deve ser uma equipa — a topologia é sua.
Ler a comparação completa de LangChain →Construído em torno de agentes que continuam a funcionar sozinhos. Escolha quando o objetivo é trabalho realmente sem supervisão e está pronto para limitar o loop.
Ler a comparação completa de AutoGPT →Uma plataforma para construir, avaliar e entregar aplicações de IA a utilizadores finais, com self-hosting. A parte da avaliação é o que nenhuma outra opção nesta lista tem.
Ler a comparação completa de Dify →Um construtor visual open source que aloja e expõe como API. Escolha quando quem vai alterar o fluxo não escreve Python.
Ler a comparação completa de Flowise →| Ferramenta | Agente líder delega | Produto pronto | As suas chaves |
|---|---|---|---|
| Orkas Nosso | Commander mais especialistas nomeados | Sim — aplicação de desktop, MIT | Modelos oficiais geridos ou a sua chave |
| Goose | Um agente geral do princípio ao fim | Sim — aplicação de desktop e CLI | Ampla lista de fornecedores, mais Ollama no seu hardware |
| OpenClaw | Encaminhamento mais execuções de subagentes em segundo plano ou aninhadas | Sim — mas é quem aloja o gateway | Fornecedores configurados ou modelos locais |
| CrewAI | Sim, e é quem escreve a delegação | Não — um framework Python, MIT | O que configurar em código |
| LangChain | Sim, se construir essa topologia | Não — um framework para programadores | O que configurar em código |
| AutoGPT | Loops autónomos em vez de passagens dirigidas | Não — é quem executa e limita o loop | O que configurar |
| Dify | Fluxos e agentes definidos na plataforma | Não — uma plataforma que aloja | Configurado na plataforma |
| Flowise | O que o fluxo que desenhar fizer | Não — um construtor que aloja e expõe | Configurado no construtor |
“Produto pronto” não é um elogio e “framework” não é uma reclamação — respondem a perguntas diferentes. Se um programador da sua equipa vai tratar disso, um framework dá mais controlo do que qualquer produto desta página. Se quem precisa do trabalho pronto não é esse programador, só o produto pronto acaba por ser usado.
O Orkas tem licença MIT e está disponível para descarregar gratuitamente para macOS e Windows. Começa com modelos oficiais geridos, pelo que a primeira execução não exige uma conta de fornecedor, e pode configurá-lo para usar a sua chave quando quiser.
Todos os factos sobre repositórios nesta página foram obtidos da API do GitHub em 11 de setembro de 2026 e consultados mais duas vezes no mesmo dia, pelo que o ficheiro de evidências mostra quais os campos que mudaram entre as execuções e quais não mudaram. Para cada uma das oito: o slug para o qual realmente resolve, a licença que o GitHub indica, se o repositório está arquivado e a última versão. Os comandos estão no ficheiro. Executá-los não chama nenhum modelo e não custa nada.
O que isto não cobre: quão bem cada ferramenta delega, quão rápida é, ou a qualidade da saída. Não foi executado nenhum benchmark, pelo que nada disso deve ser inferido da ordem. Duas constatações ficam registadas em aberto em vez de serem corrigidas em silêncio — o FlowiseAI/Flowise está arquivado, e o GitHub não indica uma licença padrão para quatro das oito.
Porque deixá-lo de fora tornaria a lista menos útil e não mais honesta. As regras foram escritas primeiro, o Orkas é avaliado pelas mesmas quatro regras, os seus limites estão na própria entrada e cada linha sobre ele tem um marcador. Leia a lista sabendo quem a escreveu.
O Goose consegue, através do Ollama. O OpenClaw pode usar modelos locais. O Orkas não — as suas chamadas aos modelos vão para um fornecedor através da rede, com os modelos oficiais geridos ou com a sua chave. Se manter os pesos na sua máquina é um requisito, isso exclui o Orkas, e a tabela diz isso.
Sim. O Orkas executa Claude Code, Codex, OpenCode, OpenClaw e Hermes como backends de CLI locais, pelo que o agente que já tem passa a ser um membro da equipa em vez de algo a substituir. Esses cinco constituem o conjunto completo suportado.
O Orkas é grátis e tem licença MIT. Um agente Commander e especialistas nomeados, na sua máquina, com modelos oficiais geridos ou a sua chave.
