Para mentores e equipes de desenvolvimento, aprender a usar um agente de IA inclui conferir onde ele deve parar. Uma prática pode terminar com uma entrega funcionando e com evidências de que o agente respeitou as permissões combinadas.
Em 7 de outubro de 2026, a Microsoft anunciou a disponibilidade de Microsoft Execution Containers, ou MXC. A camada permite definir recursos, como arquivos e destinos de rede, e aplicar esses limites durante a execução. O anúncio distingue o modo Learning, que bloqueia e registra acessos não concedidos, do Permissive, que registra esses acessos, mas permite sua execução. Logo, observar um relatório não basta para afirmar que uma ação foi impedida.
Minha leitura para a mentoria é prática: vale ensinar a pessoa a reconhecer essa diferença antes de ampliar o acesso de um agente. O exercício a seguir é uma proposta editorial, não uma atividade oficial da Microsoft nem uma receita de instalação.
Uma entrega e uma evidência de limite
Prepare um ambiente de teste com materiais fictícios e uma tarefa pequena: ler solicitações de exemplo e salvar um resumo em uma pasta de saída. Separe também um arquivo que deverá permanecer somente para leitura. O responsável pelo ambiente configura e confere as restrições antes da prática.
A pessoa acompanhada registra o resultado esperado em três situações:
- ler a entrada autorizada;
- salvar a entrega no destino permitido;
- tentar alterar o arquivo protegido, sem conseguir.
Depois, compara o esperado com o observado. Uma mensagem do agente dizendo que não alterou o arquivo é insuficiente: confira o conteúdo antes e depois, junto com o registro do bloqueio fornecido pelo ambiente. Se a alteração passar, a prática revelou uma configuração inadequada e precisa parar para revisão.
Na conversa de feedback, peça que a pessoa explique qual acesso era necessário, qual deveria ser negado e que evidência sustenta cada conclusão. Ela pode entregar uma nota curta com os casos, resultados e dúvidas restantes. Outro colega deve conseguir repetir a verificação.
Esse exercício complementa a prática que deixa algo executável e a definição de limites antes de delegar à IA. Aqui, a aprendizagem aparece na capacidade de explicar e verificar uma decisão de acesso.
Um bloqueio correto não confirma a qualidade do resumo nem demonstra segurança completa. São avaliações diferentes. Na próxima mentoria, escolha uma tarefa pequena e reserve tempo para revisar uma entrega e uma evidência de limite respeitado.
Fonte: Microsoft: limites de execução para agentes de IA, 7 de outubro de 2026.
