T Triza Vamos conversar
Plataforma de orquestração de agentes de IA

Engenharia de verdade por trás da orquestração de agentes de IA.

Entrego eficiência operacional e ordem numa esteira de desenvolvimento que já não escala — construído, operado e depurado por mim, de ponta a ponta, sem prender sua empresa a nenhum fornecedor de nuvem.

Vamos conversar LinkedIn ↗ brunourbano.com.br ↗
01
Eficiência operacional
Mais entrega sustentada pela mesma esteira de desenvolvimento, sem inflar o time.
02
Zero vendor lock-in
Roda local ou em qualquer nuvem, por escolha de arquitetura.
03
Custo rastreado
Cada chamada, cada token, cada centavo auditável por sessão.
Como funciona

Não é ferramenta pronta. É arquitetura aplicada.

TOGAF guiando as decisões de arquitetura, SAFe estruturando papéis e fluxo de entrega, DAMA-DMBOK orientando como o dado é tratado e governado, OWASP Top 10 como piso mínimo de segurança em cada camada — aplicado de verdade, não citado em slide.

TOGAF
Decisões de arquitetura
SAFe
Papéis e entrega em escala
DAMA-DMBOK
Governança de dado
OWASP Top 10
Segurança do início ao fim

Pipeline de 16 etapas

Representa um time de desenvolvimento completo — cada papel é um subagente especializado, com ferramentas reais (ler/escrever arquivo, git commit, git diff) via MCP. Recebe um pedido de produto e devolve código commitado, revisado e testado. Cada execução gera uma hierarquia real de tarefas pai/filho — cada decisão vira um registro auditável.

PO Arquiteto DBA Segurança Tech Lead Coder Java Coder .NET Coder QA DevOps SRE
Grafo visual do pipeline de 16 etapas no editor do Triza
O grafo visual das 16 etapas, com dependências, decisões e forks de paralelismo — editável, não hardcoded.
Catálogo de 23 subagentes no Triza
23 subagentes especializados, cada um com ferramentas reais vinculadas.
Histórico de execução real do pipeline SDLC
Execução real de um pipeline de 16 etapas, com histórico rastreável.
Observabilidade completa no Langfuse
Observabilidade completa: cada chamada, ferramenta e token rastreados no Langfuse.
Revisão com contexto isolado
Inspirada no padrão elephant-goldfish (pesquisa do Google) — o revisor não herda o raciocínio de quem escreveu, só o resultado + acesso de leitura ao repositório real.
Prompt que se mede e melhora
Juiz por LLM compara variantes de prompt em casos reais. Hoje é humano no loop; próximo passo é tornar o ciclo autônomo, na linha do Harness² do Google.
Infra agnóstica de ambiente
Kubernetes puro, GitOps via ArgoCD — roda local ou em qualquer nuvem. LiteLLM como AI Gateway próprio, Langfuse pra observabilidade completa.

Segurança seguindo OWASP Top 10, não checklist de auditoria

Segredos nunca em código ou YAML — tudo via OpenBao (compatível com Vault) + External Secrets.
SSO corporativo via Keycloak.
Toda superfície pública auditada por necessidade real: se um serviço não precisa estar exposto à internet, ele não fica.
Cada agente trata dado de tarefa como dado, nunca como comando — defesa já validada na prática: um agente encontrou uma tentativa real de prompt injection embutida num arquivo do projeto e a ignorou corretamente, sem nenhum efeito.
Próximo passo

Levar o Triza pros marketplaces de nuvem, começando pela AWS.

Hoje o Triza roda em infra própria, agnóstica de ambiente, por escolha de arquitetura. O próximo passo é listar no AWS Marketplace primeiro, depois nos marketplaces das outras nuvens principais — facilitando a adoção por empresas que já compram infra através desses canais, sem abrir mão do princípio de não ficar preso a nenhum fornecedor.

AWS Marketplace — primeiro Azure Marketplace Google Cloud Marketplace

Pronto pra conversar?

Projetei, construí, operei e depurei essa stack inteira sozinho — arquitetura, infraestrutura, agentes de IA, dado, segurança. De ponta a ponta. É esse o nível de engenharia que eu trago.

[email protected]
Enviar e-mail LinkedIn ↗ brunourbano.com.br ↗
Bruno Urbano — Triza
Kubernetes · GitOps · Agentes de IA