OpenAaaS: An Open Agent-as-a-Service Framework for Distributed Materials-Informatics Research

Este artigo apresenta o OpenAaaS, um framework distribuído de código aberto do tipo Agent-as-a-Service que viabiliza colaboração segura entre múltiplos agentes para informática de materiais, ao aderir ao princípio de que "o código flui, os dados permanecem imóveis", permitindo assim que instituições integrem dados e recursos computacionais isolados sem comprometer a soberania dos dados.

O essencial

Imagine que você está tentando resolver um quebra-cabeça massivo e complexo, como projetar um novo metal super-resistente para um motor de jato. Para fazer isso, você precisa consultar três especialistas diferentes que estão sentados em três países distintos:

1. A Bibliotecária em Pequim, que leu todos os artigos já escritos sobre ligas metálicas, mas não pode sair de sua biblioteca.
2. O Gerente de Banco de Dados em Nova York, que possui uma coleção de 17 terabytes (17.000 gigabytes) de fórmulas secretas de metais da qual ele é legalmente proibido de enviar pela internet.
3. O Operador de Supercomputador em Berlim, que possui uma máquina gigante capaz de simular como os metais se comportam, mas é lenta demais para enviar dados de ida e volta.

Na maneira antiga de fazer as coisas, você teria que pedir a esses especialistas que enviassem por correio suas bibliotecas inteiras e discos rígidos. A Bibliotecária teria que fotocopiar milhões de páginas, o Gerente de Banco de Dados teria que enviar um caminhão cheio de discos rígidos, e o Operador de Supercomputador teria que esperar semanas para que os dados fossem carregados. É lento, caro e frequentemente impossível devido a regras de segurança.

OpenAaaS é um novo framework de código aberto que muda as regras do jogo. Em vez de pedir aos especialistas que enviem seus dados para você, você envia suas perguntas a eles.

Veja como funciona, usando analogias simples:

A Ideia Central: "Envie o Chef, Não os Ingredientes"

Pense nos dados (as fórmulas de metais, os artigos, os resultados de simulação) como ingredientes frescos em uma cozinha.

• A Maneira Antiga: Você pede ao chef que embale todos os ingredientes e os envie para sua casa para que você possa cozinhar. Isso é lento, e os ingredientes podem estragar ou se perder na alfândega (firewalls de segurança).
• A Maneira OpenAaaS: Você envia um chef digital (um agente de IA) para a cozinha. O chef entra, prepara a refeição usando os ingredientes ali mesmo e, em seguida, envia de volta para você apenas o prato pronto (a resposta). Os ingredientes nunca saem da cozinha.

As Três Partes do Sistema

1. O Agente Mestre (O Gerente de Projeto)
Esta é a IA com quem você conversa. Você diz a ela: "Preciso encontrar um metal que não derreta a 2.000 graus". O Agente Mestre não conhece as respostas em si. Em vez disso, ele age como um gerente de projeto inteligente. Ele divide sua grande pergunta em tarefas menores e as envia para a rede. Ele nunca vê os dados brutos; vê apenas as respostas finais.

2. O Hub da Rede (O Centro de Despacho)
Este é um servidor leve que atua como uma central telefônica. Ele mantém uma lista de todas as "cozinhas" (nós) disponíveis e do que são boas. Quando o Gerente de Projeto precisa de ajuda, o Hub encaminha a solicitação para a cozinha certa. Crucialmente, o Hub nunca toca nos ingredientes. Ele apenas passa as instruções.

3. Os Núcleos dos Agentes (Os Chefs Locais)
Estes são os computadores sentados logo ao lado dos dados.

• O Nó da Bibliotecária: Executa a IA que lê os artigos. Ela encontra a resposta na biblioteca e envia um resumo de volta.
• O Nó do Banco de Dados: Executa a IA que consulta o banco de dados secreto de 17 TB. Ela faz os cálculos ali mesmo no servidor e envia um relatório minúsculo (talvez apenas 2 megabytes) em vez de todo o banco de dados de 17 TB.
• O Nó do Supercomputador: Executa a simulação e envia o resultado de volta.

Por Que Isso é Importante (O Problema da "Última Milha")

O artigo argumenta que já temos modelos de IA incríveis e grandes quantidades de dados. O problema é que não conseguimos conectá-los com segurança entre diferentes organizações (como universidades, empresas e governos) devido à soberania de dados (a regra de que os dados devem permanecer onde pertencem).

O OpenAaaS resolve isso criando um "Serviço de Entrega Seguro" para IA.

• Sem Migração de Dados: Os dados brutos nunca saem de sua casa.
• Zero Incômodo de Formato: Os "chefs" locais podem lidar com qualquer formato de arquivo (Excel, PDF, arquivos binários estranhos) porque já estão lá. Eles não precisam que os dados sejam limpos antes de começarem a trabalhar.
• Segurança: Como os dados nunca se movem, não precisam passar por firewalls ou se preocupar em serem hackeados durante o trânsito.

Dois Exemplos do Mundo Real do Artigo

1. A Bibliotecária de "Leitura Profunda" (AlphaAgent)
Os pesquisadores construíram um "chef" especial para ler artigos de ciência dos materiais. Quando perguntada uma questão complexa como: "Como o tratamento térmico afeta esta liga específica?", uma IA normal poderia apenas chutar ou encontrar um artigo que parece semelhante, mas não é exatamente o certo.
Este chef AlphaAgent:

• Lê os artigos cuidadosamente.
• Verifica se as evidências realmente correspondem ao metal e às condições específicas.
• Escreve um relatório citando exatamente quais páginas apoiam a resposta.
• Resultado: Ele obteve 4,66 de 5 em perguntas analíticas profundas, superando modelos de IA padrão que apenas rasparam a superfície.

2. O Banco de Dados "Cofre Secreto" (HEA-Executor)
Eles se conectaram a um banco de dados massivo de Ligas de Alta Entropia (metais complexos com 6+ elementos). O banco de dados tem 17,4 Terabytes de tamanho.

• O Problema: Se você tentasse baixar isso para seu laptop para pesquisá-lo, levaria 17 dias apenas para transferir os dados.
• A Solução OpenAaaS: O chef de IA foi ao servidor do banco de dados. Ele perguntou: "Quais combinações de Molibdênio, Nióbio, Tântalo e Tungstênio são as mais dúcteis?" O servidor fez os cálculos instantaneamente e enviou de volta uma resposta minúscula (2,3 MB).
• Resultado: O usuário obteve uma resposta específica sobre a otimização da plasticidade do metal em segundos, sem nunca ver ou baixar o massivo banco de dados secreto.

Resumo

OpenAaaS é como construir uma rede global de cozinhas especializadas onde você pode pedir uma refeição personalizada sem nunca precisar possuir os ingredientes. Permite que cientistas colaborem em problemas complexos (como projetar novos materiais para ambientes hostis) enviando agentes de IA para os dados, em vez de mover os dados para a IA. Isso mantém segredos seguros, economiza tempo e permite que diferentes organizações trabalhem juntas sem violar suas regras de segurança.

Resumo técnico

Resumo Técnico: OpenAaaS

1. Declaração do Problema

O desenvolvimento de materiais estruturais e funcionais para ambientes hostis (por exemplo, ligas de alta temperatura, aços resistentes à radiação) enfrenta um gargalo crítico da "última milha". Embora a Iniciativa Genoma dos Materiais (MGI) tenha estabelecido com sucesso plataformas centralizadas (SaaS, PaaS, IaaS) e os Modelos de Linguagem de Grande Escala (LLMs) tenham introduzido capacidades de raciocínio autônomo, as arquiteturas existentes falham em suportar colaboração interorganizacional sob restrições estritas de soberania de dados.

Os sistemas atuais enfrentam quatro limitações específicas:

1. Horizonte de Longo Prazo: Ciclos de P&D abrangem anos, excedendo as janelas de contexto e a persistência de agentes de sessão única.
2. Complexidade Mecanística: Problemas exigem síntese interdomínio (estrutura eletrônica, química de defeitos, etc.) que ferramentas isoladas não conseguem lidar.
3. Alta Expertise de Domínio: Agentes de propósito geral carecem da profundidade para raciocinar de forma confiável em disciplinas especializadas.
4. Restrições de Dados Sensíveis: Composições proprietárias, resultados não publicados e modelos restritos não podem ser migrados para plataformas centralizadas devido a confidencialidade, controles de exportação ou firewalls institucionais.

O desafio central é a falta de uma infraestrutura organizacional para compor modelos de classe mundial e vastos repositórios de dados de forma segura através de fronteiras institucionais sem violar a soberania de dados.

2. Metodologia: O Framework OpenAaaS

Para abordar isso, os autores propõem o OpenAaaS (Agente Aberto como Serviço), um framework hierárquico e distribuído construído sobre o princípio fundamental: "O código flui, os dados permanecem imóveis." Em vez de migrar dados brutos para um local central, o OpenAaaS distribui nós de execução de agentes para onde os dados residem, transmitindo apenas descrições de tarefas, artefatos de raciocínio intermediários e resultados finais.

2.1 Arquitetura de Três Níveis

O sistema consiste em três camadas distintas:

• Camada de Agente Mestre (Nível 1): Agentes LLM de propósito geral (por exemplo, Kimi CLI, Claude Code, Codex) que entendem intenções do usuário, decompõem problemas de pesquisa complexos e orquestram capacidades remotas. Crucialmente, o Agente Mestre nunca acessa dados brutos; ele raciocina apenas sobre descrições de tarefas e metadados de serviço.
• Hub de Rede / Servidor OpenAaaS (Nível 2): Um servidor HTTP leve, de binário único (implementado em Rust com SQLite embutido) que atua como registro e roteador. Ele mantém uma lista de serviços disponíveis, roteia tarefas para nós qualificados, gerencia autenticação e retransmite pequenos artefatos de arquivo. Ele nunca acessa ou armazena dados científicos brutos.
• Nó de Rede / Núcleo do Agente (Nível 3): Nós de execução específicos de domínio implantados localmente nos locais de dados (laboratórios, clusters). Cada nó executa em um sandbox Docker isolado, mantendo soberania total sobre conjuntos de dados locais, algoritmos proprietários e hardware. Nós expõem recursos locais como serviços composáveis por meio de uma API auto-descritiva.

2.2 Mecanismos de Design Chave

• Execução Próxima aos Dados: A computação ocorre na fonte dos dados. Para um banco de dados de 10 TB, apenas os resultados da consulta (escala de KB–MB) atravessam a rede, eliminando gargalos de largura de banda e revisões de conformidade para saída de dados.
• Descoberta Progressiva de Capacidades: Para evitar o estouro da janela de contexto em Agentes Mestres, a descoberta de serviços é em três etapas:
  1. Resumo leve: Nome, tag de domínio e capacidade.
  2. Uso sob demanda: Documentação completa (esquemas, exemplos) carregada apenas para candidatos ativos.
  3. Refinamento interativo: Prompts preliminares para esclarecer parâmetros.
• Modelo de Segurança: Emprega defesa em profundidade, incluindo comunicação HTTPS, conexões apenas de saída (polling reverso) para contornar firewalls, autenticação HMAC-SHA256 e sandboxing de contêineres.
• Compatibilidade de Protocolo: O framework integra-se com o Protocolo de Contexto de Modelo (MCP), permitindo que clientes MCP padrão (por exemplo, Cursor, Cline) se conectem via um adaptador dedicado, enquanto também fornece plugins personalizados para agentes específicos.

3. Contribuições Principais

O artigo formaliza e implementa quatro contribuições primárias:

1. Formalização Arquitetural: Identifica a tensão entre integração interdomínio e soberania de dados como uma restrição de design central, propondo uma arquitetura multiagente hierárquica que aborda essa lacuna.
2. Implementação OpenAaaS: Um framework de três níveis, de código aberto (licença MIT) que realiza execução próxima aos dados, descoberta progressiva e protocolos padronizados.
3. Estudo de Caso AlphaAgent: Um executor de análise de literatura de materiais que fundamenta respostas em evidências de recuperação validadas, superando linhas de base RAG de passagem única.
4. Estudo de Caso Banco de Dados HEA: Um serviço de banco de dados de descritores de ligas hexa-alta-entropia seguro e ultra-escala (17,4 TB) demonstrando execução segura próxima aos dados e fluxos de trabalho específicos de domínio sem migração de dados brutos.

4. Resultados e Avaliação

4.1 Estudo de Caso I: AlphaAgent (Análise de Literatura)

O AlphaAgent foi avaliado contra uma linha de base RAG de passagem única e modelos de propósito geral (GPT-5.5, Kimi-K2.6) em 40 perguntas metalúrgicas (20 analíticas profundas, 20 gerais).

• Desempenho: O AlphaAgent alcançou uma pontuação média de 4,66/5,0 em perguntas analíticas profundas, superando significativamente a linha de base RAG de passagem única (2,67) e modelos gerais (4,05 e 3,96).
• Mecanismo: O sistema usa um "Contrato de Execução Científica" para impor validação de evidências. Ele reescreve intenções para preservar entidades específicas de materiais, realiza reformulação de consulta limitada se as evidências forem insuficientes e valida que os trechos recuperados correspondem ao sistema de material e foco mecanístico antes de gerar relatórios.

4.2 Estudo de Caso II: Banco de Dados de Descritores HEA

O framework foi testado em um banco de dados de 17,4 TB contendo ~5,4 × 10¹⁰ composições candidatas de ligas hexa-alta-entropia.

• Eficiência: A tarefa envolveu otimizar a plasticidade à temperatura ambiente para HEAs refratários MoNbTaW. O HEA-Executor filtrou os dados, treinou modelos de ML e gerou relatórios inteiramente no nó remoto.
• Transferência de Dados: O volume total de dados retornados foi de ~2,3 MB (composições candidatas, previsões e relatórios), comparado ao conjunto de dados brutos de 17,4 TB. Isso representa uma redução de quase sete ordens de grandeza na transferência de dados.
• Latência: A sobrecarga de roteamento de tarefas do OpenAaaS foi de aproximadamente 550 ms, negligenciável em comparação com os ~17,7 dias necessários para transferir o conjunto de dados completo em uma conexão padrão de 100 Mbps.
• Resultado: O sistema identificou um sistema Al–Mo–Nb–Ta–W–Hf com 9,80% de configurações altamente dúcteis, uma melhoria de 10,7 vezes sobre uma linha de base contendo Ti.

5. Significado e Alegações

O artigo alega que o OpenAaaS estabelece um caminho principiado em direção à "pesquisa organizada" via coletivos de agentes. Seu significado reside em:

• Resolver o Gargalo da Soberania de Dados: Permite a integração segura de silos isolados de inteligência de materiais (acadêmicos, industriais, laboratórios nacionais) sem exigir migração de dados, respeitando assim confidencialidade e restrições regulatórias.
• Mudar o Paradigma: Move de "dados movendo-se para computação" para "computação movendo-se para dados", tornando o custo marginal do movimento de dados negligenciável para conjuntos de dados na escala de TB.
• Fundação Escalável: Fornece um substrato reutilizável para plataformas de design inteligente de materiais de próxima geração, onde agentes especializados, persistentes e autoaperfeiçoáveis podem colaborar através de fronteiras institucionais.
• Confiança Progressiva: A arquitetura suporta um modelo de federação onde a confiança é construída incrementalmente (serviço por serviço) em vez de exigir uma adesão à rede tudo-ou-nada.

Os autores concluem que, embora desafios permaneçam quanto à escala de rede, descoberta semântica e garantias de qualidade de serviço, o OpenAaaS oferece uma base escalável para a transição de infraestruturas digitais isoladas para uma rede interconectada de "Ciência Agente".