O agente usando um navegador de verdade

Camada funcional

O agente opera um navegador de verdade dentro do computador dele: abre site, preenche formulário, clica, baixa arquivo. Não é uma leitura de página por trás dos panos — é o mesmo navegador que você usaria, e você assiste à tela ao vivo enquanto ele trabalha.

Sessão de login permanece entre turnos: uma vez que o agente entrou num site, ele continua dentro na conversa seguinte, sem repetir o login.

Ele só liga quando precisa

O navegador sobe quando o agente tem essa capacidade ligada e vai de fato usá-la. Numa conversa que não precisa de navegador, ele não é iniciado.

O navegador sobe pronto para uso ou a partida falha com uma mensagem clara. O que não acontece é o trabalho começar com o navegador pela metade — isso produziria uma falha confusa lá na frente, no primeiro clique, longe da causa.

Onde os downloads vão parar

Arquivo baixado pelo navegador cai numa pasta dentro do diretório de trabalho da conversa. Ou seja: sobrevive ao fim da máquina, e você consegue pegá-lo depois.

Um detalhe de método que vale para quem acompanha: depois de um clique que dispara download, o caminho honesto é conferir a pasta antes de afirmar que o arquivo chegou. Clique que parece ter funcionado não é evidência de arquivo baixado.

O que ele não consegue fazer

Captcha não é resolvido. Quando um aparece, o certo é o agente parar e avisar você, em vez de tentar adivinhar ou fingir que passou. Está registrado como melhoria a avaliar; hoje o caminho é esse.

Digitar no computador pelo celular

No celular, a aba Computador mostra a tela da máquina do agente, e nada nela faz o teclado do telefone abrir sozinho. Um botão de teclado, que só aparece em tela de toque, resolve isso: tudo que você digitar depois de tocá-lo chega à máquina do agente como se você tivesse digitado direto nela.

Com um teclado físico conectado, esse botão não aparece — aí basta clicar em "Interagir" e digitar.

O que a plataforma cuida para isso funcionar

• Acentos e emoji chegam certos. A máquina do agente é preparada para aceitar qualquer caractere; sem esse cuidado, um acento no meio da frase interrompia a digitação.
• Apagar um emoji composto apaga ele inteiro. Uma bandeira ou uma família (emoji com várias partes coladas) conta como um caractere para o Backspace, não um por parte.
• Uma trava momentânea do computador não repete o que você já digitou. Se o comando demorar além do esperado, a plataforma não sabe se ele já rodou — e a decisão segura é não reenviar: texto duplicado atrapalha mais que uma tecla perdida.
• Se o computador ficou realmente inatingível (pausado, por exemplo), a conexão do teclado se refaz sozinha. Esse caso é diferente do anterior — aqui não há dúvida sobre o que rodou, porque não havia conexão — e sem essa reconexão toda tecla seguinte repetiria o mesmo erro.