Como rodar Codex, Claude Code e OpenCode lado a lado em Worktrees paralelas

Orca: como executar vários agentes de código sem perder o controle

Orca é um aplicativo desktop da Stably para executar uma frota de agentes de codificação simultaneamente, cada um em seu próprio worktree Git isolado. Ele opera qualquer agente CLI usando as assinaturas existentes, adiciona divisões de terminal, anotação de diff, worktrees SSH, Modo de Design com Chromium, navegação por GitHub e Linear e um aplicativo móvel complementar.

Em 1º de setembro de 2026, o projeto tinha 58.464 estrelas, licença MIT e versões para macOS, Windows e Linux. A proposta é remover você do gargalo de produtividade — embora Orca não decida qual dos cinco diffs está correto nem mantenha, por si só, um registro que a equipe possa consultar depois.

Esta é uma análise aprofundada de uma das cinco ferramentas de agente de IA de código aberto que vale a pena instalar em 2026.

Experimente o Apidog hoje

Um agente no terminal é uma unidade de trabalho: você envia um prompt, espera, revisa e envia outro prompt. O agente é rápido, mas você continua sendo a parte lenta — uma situação estranha depois de dois anos de evolução nas ferramentas de desenvolvimento.

A solução óbvia é executar vários agentes ao mesmo tempo. O problema é que agentes editando o mesmo worktree destroem o trabalho uns dos outros. Orca resolve os dois pontos e adiciona recursos para reduzir trocas de contexto.

A ideia central: um worktree por agente

Worktrees Git permitem que um repositório tenha vários diretórios de trabalho, cada um associado a um branch diferente. Orca transforma esse recurso no primitivo principal: cada agente recebe seu próprio worktree e cinco agentes podem trabalhar no mesmo repositório sem alterar os arquivos uns dos outros.

O padrão mais importante é o fan-out: distribuir o mesmo prompt para vários agentes e comparar os resultados.

Distribua um prompt para cinco agentes, cada um em seu worktree isolado. Compare os resultados e mescle o vencedor.

Para uma tarefa bem especificada, isso é desperdício. Para um problema difícil, no qual você não sabe antecipadamente qual abordagem funcionará, pode ser a estratégia mais valiosa. Três tentativas de uma migração complexa feitas por modelos diferentes provavelmente não falharão da mesma maneira, e escolher a melhor abordagem pode ser mais eficiente do que iterar sobre a primeira.

Manualmente, isso exige cinco abas de terminal, cinco comandos git worktree add e um mapa mental para lembrar qual aba corresponde a qual agente. É exatamente o tipo de controle que costuma ser abandonado depois de uma semana.

O que o Orca executa

Orca executa qualquer ferramenta que funcione em um terminal. A lista inclui:

• Claude Code;
• Codex;
• Cursor CLI;
• GitHub Copilot CLI;
• OpenCode;
• Grok;
• Amp;
• Antigravity;
• Pi e oh-my-pi;
• Hermes Agent;
• Devin;
• Goose;
• Auggie;
• Charm;
• Cline;
• Codebuff;
• Command Code;
• Continue;
• Droid;
• Kilocode;
• Kimi;
• Kiro;
• Mistral Vibe;
• Qwen Code;
• Rovo Dev;
• MiMo Code;
• além de um modo “catch-all” para outros agentes CLI.

O ponto crucial é que Orca usa suas próprias assinaturas e chaves de API. Ele não revende seus tokens nem atua como proxy das requisições. Se você usa Claude Code com Opus 5 e Codex com modelos abertos, ambos são executados nas contas que você já paga.

Isso torna a comparação entre modelos barata de experimentar: distribuir um prompt entre Claude Code, Codex e OpenCode custa três chamadas das suas assinaturas, sem criar um novo relacionamento com um fornecedor.

Instalação

# macOS
brew install --cask stablyai/orca/orca

# Arch Linux
yay -S stably-orca-bin

Os downloads diretos incluem versões para macOS Apple Silicon e Intel, instalador para Windows e AppImage para Linux.

Para um servidor Linux headless, use orca serve e consulte o guia no repositório. O aplicativo móvel emparelha com o desktop e está disponível na App Store do iOS; o APK do Android está nos lançamentos.

Recursos que importam depois da primeira semana

O paralelismo de worktrees chama atenção, mas estes recursos mudam o uso diário.

Alternância de contas e rastreamento de uso

Veja o uso de Claude e Codex, acompanhe quando os limites de taxa serão redefinidos e alterne de conta sem fazer logout e login novamente. Com cinco agentes em paralelo, você atingirá limites com frequência. Saber quando eles serão renovados permite planejar a execução em vez de descobrir o bloqueio no meio da tarefa.

Anotação de diffs gerados por IA

Adicione comentários a qualquer linha do diff e envie o feedback de volta ao agente. Revise, edite e faça commit sem sair do aplicativo.

Esse é um modelo adequado para revisar saída de agentes: o feedback útil costuma ser específico da linha. “No helper de retry, o backoff deve ser exponencial” é muito mais acionável quando permanece ancorado no código do que quando é digitado em uma caixa de chat separada.

Worktrees SSH

Execute agentes em uma máquina remota mais potente, com edição completa de arquivos, Git e terminais, reconexão automática e encaminhamento de portas. É especialmente útil quando o laptop não consegue hospedar cinco builds paralelos — o que geralmente acontece.

Modo Design

Clique em qualquer elemento em uma janela real do Chromium. Orca envia o HTML, o CSS e uma captura de tela recortada para o prompt do agente.

Isso elimina uma das partes mais difíceis do trabalho frontend com agentes: descrever em palavras qual elemento está quebrado.

Divisões de terminal

Os terminais têm renderização WebGL, divisões infinitas e scrollback que sobrevive a reinicializações. Guarde esse último detalhe: ele é útil, mas não substitui um registro compartilhado.

GitHub e Linear no aplicativo

Navegue por pull requests, issues e boards e abra um worktree diretamente a partir de uma tarefa.

CLI do Orca

Agentes podem operar o próprio Orca com comandos como:

orca worktree create
orca snapshot
orca click
orca fill

Isso torna os fluxos de trabalho scriptáveis, em vez de depender apenas de cliques.

Também há suporte para:

• arrastar arquivos e imagens para os prompts;
• editor baseado em VS Code com salvamento automático;
• abertura rápida entre worktrees e agentes;
• pré-visualizações de Markdown e PDF;
• uso de computador para fluxos que exigem interação real com a interface;
• notificações e estado de não lido para indicar quando um agente terminou ou travou.

Os mantenedores entregam mudanças diariamente e afirmam que o changelog é a verdadeira lista de recursos — um aviso justo e um bom sinal de atividade.

Quando o fan-out compensa

Paralelismo não é gratuito. O principal modo de falha é gastar cinco vezes mais tokens para obter cinco versões da mesma resposta.

Uma regra prática:

Distribua quando houver ambiguidade; execute um único agente quando a especificação for clara.

Distribua quando a tarefa tiver várias abordagens defensáveis:

• refatoração de gerenciamento de estado;
• migração de dados complexa;
• investigação de desempenho sem gargalo conhecido;
• integração com uma biblioteca desconhecida.

Nesses casos, os modelos podem produzir estruturas diferentes, e uma delas pode ser melhor do que a primeira solução que você escreveria.

Execute um único agente quando a tarefa estiver especificada:

• adicionar um campo a um endpoint;
• conectar um handler semelhante a outros quatro já existentes;
• escrever testes para uma função cujo comportamento está documentado.

Cinco agentes provavelmente produzirão cinco diffs quase idênticos, multiplicando o custo por uma diferença mínima.

Distribua entre modelos, não apenas entre execuções

Três instâncias do Claude Code com o mesmo prompt tendem a produzir resultados próximos. Claude Code, Codex e OpenCode costumam divergir mais, porque as diferenças vêm do treinamento, e não apenas da amostragem.

A comparação entre modelos em um clique é um dos recursos menos valorizados do Orca. Por isso, o alternador de contas e o rastreamento de uso são tão importantes quanto os worktrees.

Defina critérios de aceitação antes de distribuir

Se você não consegue descrever como deve ser uma resposta correta antes de os agentes começarem, escolherá um vencedor com base na estética.

Escreva três critérios de aceitação antes do fan-out. Isso transforma a revisão de um julgamento subjetivo em uma verificação objetiva e fornece aos agentes uma definição clara de sucesso.

A economia é simples: fan-out troca tokens por uma busca mais ampla no espaço de soluções. É uma boa troca quando esse espaço é amplo e uma má troca quando existe apenas uma resposta sensata.

O problema que o Orca cria

Execute cinco agentes e você terá cinco diffs. E agora?

Essa é a parte que a ferramenta não resolve — e o problema aumenta conforme a ferramenta melhora. O fan-out multiplica a saída, mas sua capacidade de distinguir o correto do plausível permanece a mesma.

Ler cinco diffs cuidadosamente pode levar mais tempo do que escrever o código. Na prática, é fácil fazer uma revisão superficial, escolher o diff que parece mais limpo e mesclá-lo.

Boa aparência não significa correção. Isso é especialmente perigoso em integrações de API, nas quais o agente pode estar adivinhando o contrato:

• cada agente inventa sua própria interpretação do retorno do endpoint;
• cada um escreve código para lidar com sua forma imaginada;
• cada um cria testes que passam contra as próprias suposições;
• os diffs discordam, mas nenhum pode ser verificado apenas pela leitura.

Você precisa de um árbitro externo: um contrato que os agentes não inventaram e testes que falhem nas diferenças.

• A especificação OpenAPI é a verdade compartilhada. Cada agente lê os mesmos esquemas, códigos de status e envelopes de erro, em vez de criar cinco interpretações. Esse é o argumento de [usar sua especificação OpenAPI como ferramentas de agente](https://apidog.com/ caminho feliz falhe imediatamente, e não apenas no staging.
• Use testes de contrato para escolher o vencedor. Execute o mesmo conjunto de testes nos cinco worktrees. Dois passam e três falham: a decisão de merge passa a ser baseada em evidências.
• Faça mudanças de contrato falharem ruidosamente. Quando o contrato upstream mudar, os testes devem quebrar, em vez de permitir uma divergência silenciosa. Veja o que acontece quando mudanças na API quebram agentes de IA.

É aqui que o Apidog complementa o Orca. Orca fornece respostas candidatas a baixo custo. Uma especificação e uma suíte determinística de testes tornam a escolha entre elas igualmente barata.

Sem essa segunda metade, o paralelismo multiplica sua fila de revisão, não sua produtividade. Baixe o Apidog e configure a especificação antes de ativar o fan-out.

Para o contexto mais amplo, consulte:

• Você ainda precisa de uma ferramenta de API na era dos agentes de IA?
• Confiabilidade de agentes de IA em produção

Scrollback não é um registro

A segunda lacuna não é exatamente uma falha do Orca, mas um limite do que ele foi projetado para ser.

Orca é um excelente cockpit para um operador. Tudo fica na sua máquina: worktrees, sessões de terminal, diffs e scrollback persistente. Isso funciona muito bem para trabalho individual, mas se torna um problema quando outra pessoa precisa entender o que aconteceu.

Você executa cinco agentes na quinta-feira. Na segunda, alguém pergunta por que a lógica de retry mudou no cliente de pagamentos. A resposta está em um painel de terminal no seu laptop — se o worktree ainda estiver aberto.

O prompt que produziu a mudança desapareceu, o raciocínio desapareceu e o único artefato durável é uma mensagem de commit escrita por um modelo.

Prompts não são um registro. Um cockpit não é uma organização.

O Sharkly é construído do outro lado dessa fronteira. Os dois produtos isolam o trabalho por unidade e permitem usar suas próprias execuções e assinaturas. A diferença está na unidade de trabalho:

• no Orca, a unidade é um worktree que você está observando;
• no Sharkly, a unidade é uma tarefa que sobrevive à sessão.

O que muda com uma camada de tarefas

• A tarefa é o registro compartilhado, não o prompt. Progresso, chamadas de ferramenta e resultados retornam à tarefa. A saída do agente aparece como comentários que você pode revisar e responder.
• Um Agente é uma configuração salva. Instruções, runtime, habilidades, repositórios e ambiente podem ser reutilizados, em vez de redigitados em um novo painel.
• Uma Equipe combina agentes e pessoas. Um agente líder lê o contexto da tarefa, decide quais membros chamar e consolida os resultados em um só lugar. É fan-out com síntese, em vez de fan-out mais cinco diffs para você analisar sozinho.
• A execução é “traga a sua”. Você conecta um Computador — laptop, servidor ou container — e o Sharkly usa o Runtime instalado nele. É o mesmo modelo de assinaturas próprias do Orca.
• Cada tarefa usa um worktree separado. O isolamento acontece no nível da tarefa, e não apenas no painel.
• O backlog não executa tarefas. Uma tarefa no backlog não inicia nada. O trabalho pode ser preparado e revisado antes do consumo de tokens.
• A estrutura é familiar para equipes. Espaços, projetos, sprints e tarefas, com sincronização com Jira para equipes que trabalham nessa plataforma.

O resumo é simples: para quem trabalha sozinho, Orca provavelmente é suficiente — e é muito bom. Quando outra pessoa precisa de visibilidade sobre o que os agentes fizeram, você precisa de um registro de tarefa durável. Nenhuma quantidade de scrollback oferece isso.

Uma configuração que funciona

Se você pretende adotar esse fluxo, siga esta ordem:

1. Instale o Orca e use um agente por uma semana. Conheça o terminal, o editor e a anotação de diff antes de introduzir paralelismo.
2. Configure a especificação e os testes de contrato primeiro. Fan-out sem árbitro aumenta a confusão.
3. Distribua apenas problemas difíceis. Use três agentes para um refatoramento ambíguo e um para um ticket claro.
4. Reduza o desperdício de tokens antes de aumentar o número de agentes. Cinco agentes vasculhando o mesmo repositório representam cinco vezes o desperdício. Combine o fluxo com codebase-memory-mcp.
5. Prefira anotações a novos prompts. Comentários diretamente nas linhas do diff preservam o contexto.
6. Use worktrees SSH quando o laptop não aguentar mais. Isso costuma acontecer por volta do terceiro ou quarto agente em um build real.
7. Adicione uma camada de tarefas quando outra pessoa entrar no fluxo. Para trabalho individual, você pode ignorá-la; em equipe, o registro é essencial.

Perguntas frequentes

Orca substitui minha IDE?

Principalmente para trabalho orientado por agentes. Ele inclui editor baseado em VS Code com salvamento automático, explorador de arquivos, terminais e revisão de diffs. Para depuração profunda, muitas pessoas continuarão usando uma IDE completa.

Preciso de uma assinatura separada para cada agente paralelo?

Não. Orca usa as contas que você já possui. O rastreamento integrado mostra limites de Claude e Codex e os horários de redefinição.

Você ainda pode atingir limites de taxa ao executar vários agentes simultaneamente. Isso é uma limitação do plano, não do Orca.

Executar cinco agentes em um repositório é seguro?

Sim, no que diz respeito aos arquivos do Git: cada agente recebe seu próprio worktree e não sobrescreve os arquivos dos outros.

O estado compartilhado fora do repositório continua sendo sua responsabilidade: bancos de dados, servidores de desenvolvimento e portas podem entrar em conflito. Use ambientes separados para evitar falhas que parecem erros do agente.

Como escolho entre os diffs?

Execute o mesmo conjunto de testes em todos os worktrees e deixe os resultados decidirem. Se os testes não distinguirem os candidatos, corrija os testes antes de aumentar o fan-out.

Rastrear o que cada agente realmente chamou também ajuda. Consulte rastreamento de chamadas de ferramenta de agente.

Orca ou uma ferramenta de gerenciamento de trabalho como Sharkly?

São camadas diferentes e podem ser complementares. Orca é o ambiente para operar agentes agora. Um sistema de tarefas é onde o trabalho reside, é atribuído e continua revisável depois.

Para trabalho individual, talvez apenas o Orca seja necessário.

O Orca realmente usa a licença MIT?

Sim. Diferentemente de algumas ferramentas da categoria, o aplicativo desktop de código aberto da Stably é distribuído sob a licença MIT.

Conclusão

Orca é uma resposta forte para o problema de produtividade na engenharia orientada por agentes. Worktrees paralelos, terminal real, anotação de diff, execução remota e aplicativo móvel formam uma ferramenta séria. Usar suas próprias assinaturas, em vez de revender tokens, também é um modelo adequado.

O que Orca oferece são mais respostas candidatas por hora. Isso só representa progresso se você puder decidir entre elas e lembrar o que aconteceu.

A decisão exige um contrato e testes — esse é o papel do Apidog. A memória exige uma tarefa que sobreviva à sessão — esse é o papel do Sharkly.

Cinco agentes sem um árbitro não produzem cinco vezes mais resultado. Produzem cinco vezes mais fila de revisão.