Vocabulário mínimo
Se LLM, agente, MCP e harness soam como a mesma coisa para você, você não está sozinho. Antes de falar de vibe coding, vale entender os novos termos.
LLM (Large Language Model): modelo de linguagem grande. É o tipo de modelo que prevê o próximo trecho de texto a partir do que leu. Chatbots e agentes de código costumam usar LLMs por baixo.
Inferência: o ato de rodar o modelo para produzir uma resposta. Treinar é outra história. No dia a dia de produto, quase tudo que você vê é inferência.
Token: pedaço de texto que o modelo processa. Palavras longas viram vários tokens. Janela de contexto e custo costumam ser medidos em tokens.
Contexto: o que o modelo “vê” naquela rodada: prompt, arquivos, histórico, regras. Mais contexto ajuda, mas contexto ruído atrapalha.
Prompt: o pedido em linguagem natural (ou quase). Pode ser curto ou um brief longo.
Code context: trechos do repositório (arquivos abertos, diffs, símbolos) que a ferramenta anexa para a resposta fazer sentido no seu código.
ADE: ambiente de desenvolvimento para o Agente de IA, terminal e integrações.
CLI: interface de linha de comando. Agentes de CLI leem arquivos, rodam comandos e mudam o repo direto no terminal.
Agente de código (code agent): agente especializado em software. Lê o repo, edita, testa e itera até a tarefa passar na validação.
MCP (Model Context Protocol): padrão para conectar modelos a ferramentas e fontes de contexto de forma estruturada. Útil, mas ferramenta conectada sem governança também aumenta superfície de risco.
Harness: o ambiente em volta do modelo (instruções, ferramentas, limites, validação). É o que transforma “modelo que responde” em “sistema que opera”.