Guia de Configuração do OpenWorker: o Agente de Desktop do Andrew Ng Rodando em 10 Minutos

Andrew Ng acabou de tornar o OpenWorker open source no GitHub — um agente de IA para desktop sob licença MIT, totalmente gratuito. O posicionamento é direto: ele não faz companhia, ele faz o trabalho — atravessando arquivos, Slack, calendários e GitHub, decompondo tarefas, chamando ferramentas e entregando um artefato pronto que você pode usar, editar e compartilhar. Este guia coloca você para rodar do zero.

O Que É o OpenWorker

Em uma frase: um agente de IA para desktop open source, local-first e agnóstico de modelo. Não é uma extensão de navegador, não é uma ferramenta de CLI — é um aplicativo de desktop de verdade (Tauri + React + Python) rodando na sua máquina com acesso direto a arquivos locais, terminal e mais de 25 ferramentas de terceiros (Slack, GitHub, Jira, Notion, Outlook, Gmail, Google Calendar…).

┌────────────────────────────────────────────────┐
│ OpenWorker Desktop App         Tauri + React   │
├────────────────────────────────────────────────┤
│ Python Agent Server         aisuite engine     │
├───────────────┬────────────────┬───────────────┤
│ local files / │ 25+ connectors │  any model    │
│ terminal      │                │               │
└───────────────┴────────────────┴───────────────┘

Decisões-chave de design:

• Local-first: loops do agente, histórico de conversas e tokens ficam na sua máquina por padrão — sem uploads forçados.

• Agnóstico de modelo: OpenAI, Anthropic, DeepSeek, Kimi, GLM, modelos locais via Ollama — traga sua própria chave de API e troque à vontade.

• Mecanismo de aprovação: ações sensíveis — enviar mensagens, editar calendários, executar comandos no terminal — pedem sua confirmação antes e só executam com aprovação.

• Tarefas agendadas: automações periódicas, como um briefing matinal montado todos os dias.

• Extensão via MCP: qualquer ferramenta que fale o Model Context Protocol pode se integrar.

Existem duas filosofias de configuração, e escolher a certa economiza uma hora. O caminho do pacote pré-compilado — DMG assinado no Apple Silicon, exe no Windows — lhe dá um agente funcional sem dor de cabeça com toolchain, e é a escolha certa se seu objetivo é usar o OpenWorker em vez de estudá-lo. O caminho do código-fonte custa uma instalação do toolchain Rust e alguns builds, mas se paga imediatamente se você pretende modificar o comportamento dos conectores, trocar a UI ou levar a camada de orquestração para o seu próprio projeto. Comece pelo pacote de qualquer forma; migre para o código-fonte apenas quando bater numa parede que o pacote não consegue ultrapassar.

Preparando o Ambiente

Três dependências:

# 1. Python 3.10+
python3 --version

# 2. Node.js 20+
node --version

# 3. Toolchain Rust (compila o shell desktop do Tauri)
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

Usuários de Mac podem simplesmente baixar o DMG assinado para Apple Silicon em openworker.com — o caminho mais suave. Usuários de Windows podem baixar o instalador exe; ele ainda não é assinado com código, então o SmartScreen vai avisar — comportamento esperado.

Desenvolvedores que querem compilar e modificar o código, sigam adiante.

Deploy a Partir do Código-Fonte (o Caminho do Desenvolvedor)

# Clone o repositório
git clone https://github.com/andrewyng/openworker.git
cd openworker

# Inicialização do venv Python em um comando só
bash packaging/setup_dev_env.sh

# Inicie o servidor do agente
.venv/bin/openworker-server --cwd ~/some/project --port 8765

# Em outro terminal, rode a UI (versão navegador)
cd surfaces/gui
npm install
npm run dev

# Para o build desktop completo (janela Tauri), substitua por:
npm run tauri dev

Abra a porta do Vite no navegador (normalmente localhost:5173) e a interface do OpenWorker aparecerá.

Configure um Modelo em Cinco Minutos

A configuração de modelo não exige edição de arquivo de config — tudo acontece na UI:

2. Abra o OpenWorker.

3. Vá em Settings → Models.

4. Escolha seu provedor e cole a chave de API.

A lista de provedores pré-configurados:

• OpenAI: GPT-5.6 Sol e companhia

• Anthropic: Claude Fable / Opus 5

• Google: Gemini 3.6

• Thinking Machines: Inkling

• DeepSeek / Kimi (Moonshot) / GLM (Z.ai) / Qwen / MiniMax / Mistral / Grok (xAI)

• Modelos locais: qualquer modelo open-weight via Ollama

Note que a capacidade de tool-calling varia por modelo — a UI marca quais foram verificados.

Uma observação operacional antes da sua primeira tarefa real: os conectores são a parte do OpenWorker que toca o mundo exterior, então autorize-os com deliberadamente — conceda ao Slack permissão de leitura antes de conceder envio, e o mesmo vale para e-mail. O mecanismo de aprovação vai capturar erros, mas escopos escolhidos de forma conservadora na configuração são a rede de segurança mais barata. Com os conectores autorizados e um modelo verificado configurado, você está pronto para a parte divertida.

Primeira Tarefa Real

Digite uma tarefa em linguagem natural direto na caixa, por exemplo:

“Prepare um briefing para a reunião com o cliente A na próxima segunda: puxe os documentos do projeto do Notion, verifique os commits da última semana no GitHub e salve o resumo como um arquivo Markdown na minha área de trabalho.”

O OpenWorker vai:

2. Decompor a tarefa: encontrar os materiais do projeto → buscar no GitHub → formatar a saída;

3. Chamar os conectores (depois de você autorizar cada ferramenta);

4. Exibir um diálogo de confirmação antes de qualquer operação sensível de envio/escrita;

5. Entregar o arquivo pronto.

Para trabalho agendado, abra a página Automations e configure um gatilho mais uma descrição de tarefa.

Estenda Com MCP

// Registre um servidor de ferramenta MCP na configuração
{
  "mcpServers": {
    "my-db": {
      "command": "node",
      "args": ["path/to/mcp-server/index.js"],
      "env": {
        "DB_URL": "postgresql://..."
      }
    }
  }
}

Qualquer ferramenta compatível com MCP pode ser registrada aqui, e o OpenWorker a descobre automaticamente para tarefas futuras.

O Projeto Sob os Olhos de um Desenvolvedor

A estrutura é limpa e vale a pena explorar:

• coworker/ — backend Python: engine do agente, adaptadores de modelo, conectores, cliente MCP, memória e lógica de automação;

• surfaces/gui/ — React + Tauri: UI desktop e gerenciamento de janelas;

• stt/ — sidecar em Rust para entrada por voz;

• packaging/ — scripts de build para DMG/EXE;

• docs/ — documentos de design e registros de decisões.

A camada de engine é construída sobre o aisuite — se tudo que você quer é orquestração de agentes para o seu próprio projeto, você pode aproveitar a camada de agents diretamente.

Dicas Práticas

2. Rode o pacote pré-compilado primeiro, compile do código-fonte depois — o DMG instala pronto para uso, e dez minutos realmente bastam.

3. Prefira modelos verificados — a estabilidade do tool-calling difere consideravelmente nos não verificados.

4. Deixe o mecanismo de aprovação ativado, especialmente no começo — você não vai querer pagar o preço de uma mensagem disparada por engano ou de uma escrita no diretório errado.

5. Comece com tarefas simples — ler arquivos, escrever documentos — e depois suba para agendamentos complexos.

6. Quer se aprofundar? Leia os documentos de design em docs/ — há registros de decisões de arquitetura lá.

Recursos

• Repositório no GitHub: github.com/andrewyng/openworker

• Site oficial: openworker.com

• aisuite (o framework de agentes por trás): github.com/andrewyng/aisuite

• Documentação do protocolo MCP: modelcontextprotocol.io