Executando verificação de segurança...
4

Pitch: SkillDepot — O npm para Skills de AI Agents

O futuro da AI não é mais um SaaS com prompt escondido — é skill como infraestrutura

Fala, devs. Esse post vai ser longo, mas se você trabalha com AI ou pretende trabalhar, lê até o final.


A verdade que ninguém fala sobre o mercado de AI

Abre o ProductHunt qualquer dia da semana. Conta quantos "AI-powered" SaaS foram lançados. 10? 20? Agora abre o código fonte (ou faz engenharia reversa no request) de qualquer um deles.

90% é um wrapper de API com um prompt system escondido no backend.

O cara cobra 29 dolares por mês pra fazer o que um prompt de 200 tokens faz. O outro cobra 49 dolares por mês por um "AI financial analyst" que é literalmente um system: "Você é um analista financeiro..." + uma chamada pra OpenAI. E o pior: você paga, fica preso no SaaS, e quando o cara desiste do projeto (e ele vai desistir), você perde tudo.

Isso não é inovação. Isso é arbitragem de ignorância. E tem data de validade.


A tese: Skills são o novo pacote npm

Pensa comigo. Em 2010, se você precisava de um server HTTP em Node, escrevia do zero. Aí veio o Express. Depois vieram milhares de pacotes no npm. Hoje ninguém escreve um HTTP parser na mão — você instala o pacote e usa.

O mesmo vai acontecer com capacidades de AI.

Hoje, se você quer que seu agente saiba analisar dados financeiros, ou gerar código Terraform, ou fazer scraping inteligente, você:

  1. Escreve o prompt do zero
  2. Testa na tentativa e erro
  3. Cola no seu código
  4. Reza pra funcionar em produção

É exatamente o que fazíamos com código antes do npm. E é exatamente isso que vai mudar.


O que é o SkillDepot

SkillDepot é um marketplace aberto de skills para AI agents. Não é um SaaS com prompt escondido. É infraestrutura.

Pensa nele como o npm/PyPI, mas para capacidades de IA.

Hoje tem 4.500+ skills cobrindo 20 categorias: desde geração de código, análise de dados, automação DevOps, segurança, healthcare, finanças, e-commerce, pesquisa, educação... tudo que um agente precisa pra ser útil de verdade.

Como funciona na prática

CLI — instala e roda em segundos:

$ skilldepot install web-researcher-pro

Resolving dependencies...
Downloading web-researcher-pro@3.2.1
✓ Installed successfully in 1.2s
Ready to use: skilldepot run web-researcher-pro

API — chama qualquer skill via HTTP:

import { SkillDepot } from '@skilldepot/sdk';

const client = new SkillDepot({
  apiKey: process.env.SKILLDEPOT_API_KEY,
});

const result = await client.skills.run('financial-agent-analyst', {
  ticker: 'AAPL',
  analysis: ['sentiment', 'technical', 'fundamentals'],
  format: 'json',
});

Resposta:

{
  "status": "success",
  "duration_ms": 1240,
  "data": { ... },
  "metadata": {
    "skill": "financial-agent-analyst",
    "version": "2.1.0",
    "tokens_used": 156
  }
}

Cada skill é um endpoint REST. Latência média abaixo de 200ms. Rate limiting, monitoring, error handling — tudo built-in.


O Claude Connector (MCP)

Isso aqui é onde fica interessante.

O SkillDepot tem um conector oficial MCP (Model Context Protocol) que integra direto com o Claude. O que isso significa na prática?

O Claude consegue descobrir, instalar e executar skills do SkillDepot direto na conversa. Via OAuth. Sem sair do chat.

Imagina: você tá no Claude, pede "analisa o sentimento do mercado crypto essa semana" e ele automaticamente puxa a skill financial-agent-analyst do SkillDepot, executa, e te dá o resultado formatado. Sem você configurar nada.

Isso é o futuro. O LLM não é mais um chatbot — ele se torna um orquestrador de capacidades. E o SkillDepot é o catálogo dessas capacidades.


O que tem lá dentro (exemplos reais)

Pra não ficar abstrato, aqui vão skills reais que estão no marketplace agora:

  • Neural Vision Core — object detection e classificação de imagem enterprise-grade
  • Terraform Module Generator — gera módulos Terraform completos pra AWS, GCP e Azure
  • Financial Agent Analyst — análise de mercado automatizada com sentiment tracking pra crypto e stocks
  • React Component Generator — gera componentes React production-ready com TypeScript, hooks, testes
  • Playwright Automation — automação completa de browser com detecção automática de dev servers
  • CICD Automation Workflow — cria pipelines CI/CD e GitHub Actions completas
  • Strategic Deployment Planner — deploy zero-downtime com canary releases e blue-green
  • Clarity Gate — quality gate pra sistemas RAG com verificação de 9 pontos
  • Fal Image Edit — edição de imagem via linguagem natural: inpainting, style transfer, remoção de fundo

E tem 4.500+ dessas. Todas gratuitas no tier free. Todas com API.


Arquitetura e segurança

Não é um playground — é pensado pra produção:

  • Sandboxing — cada skill roda em ambiente isolado com limites de recursos e políticas de rede
  • Versionamento semântico — compatibilidade automática, suas integrações nunca quebram
  • Analytics real-time — dashboard com contagem de invocações, percentis de latência, taxa de erro, breakdown de custo
  • Pipelines — encadeia múltiplas skills em workflows composáveis (sequencial ou paralelo)
  • Webhooks — notificações real-time pra eventos de skill, conclusão de pipeline, alertas de uso

Stack: Next.js 16, React 19, TypeScript, Supabase, Vercel. SDKs oficiais em Python, TypeScript, Go e Rust.


Para criadores: 90% da receita é sua

Se você já criou prompts, chains, ou ferramentas úteis, pode publicar no SkillDepot.

  • 90% da receita fica com o criador (via Stripe Connect)
  • Sistema de ranking com progressão de tier
  • O marketplace cuida de distribuição, billing, discovery e analytics
  • Publica uma vez, monetiza enquanto dormir

Compara com os SaaS wrappers que cobram $29/mês e ficam com 100% da receita. Aqui quem criou o valor, recebe o valor.


O mercado futuro: por que isso importa

Vou ser direto:

1. Agentes vão substituir a maioria dos SaaS single-purpose. Se um SaaS faz uma coisa e é basicamente um prompt + UI, um agente com a skill certa faz o mesmo. Sem mensalidade, sem vendor lock-in, sem UI que você não pediu.

2. Composabilidade é o novo diferencial. Um agente que combina 5 skills do SkillDepot em um pipeline faz mais que 5 SaaS separados. E custa uma fração.

3. O modelo "prompt como produto" vai explodir. Assim como o npm transformou "código reutilizável" em economia real, skills de AI vão se tornar uma nova classe de ativo digital. Quem publicar primeiro, domina o nicho.

4. MCP (Model Context Protocol) está mudando tudo. A Anthropic abriu o protocolo. O Claude já usa. O SkillDepot já integra. Quem entender isso agora, vai estar 2 anos na frente.

5. A era dos AI agents composáveis já começou. LangChain, CrewAI, AutoGen, Claude SDK, OpenAI Agents SDK — todos os frameworks estão convergindo pra agentes que precisam de capacidades modulares. O SkillDepot é a camada que faltava.


Free tier

  • 1.000 chamadas de API/mês
  • Sem cartão de crédito
  • Acesso a todas as skills gratuitas
  • CLI + API + SDKs

Link: https://skilldepot.dev


Por que estou construindo isso em público

Porque eu acredito que o futuro da AI não é mais um SaaS bonitinho com waitlist. É infraestrutura aberta, composável, e que remunera quem cria.

Se você é dev e trabalha com AI agents, testa. Se você cria prompts e automações, publica. Se você acha que estou errado, comenta! quero o debate.

Feedback é bem-vindo. Isso tá sendo construído por devs, pra devs.

Caio — Fundador, SkillDepot
https://skilldepot.dev

Carregando publicação patrocinada...
2

Cara, esse é um dos posts mais lúcidos que já vi sobre o rumo de AI 👏

Você colocou em palavras algo que muita gente já percebeu, mas ainda não conseguiu estruturar: a maioria dos “AI SaaS” hoje é só empacotamento de prompt com UI — e isso realmente não escala como moat de longo prazo. Concordo 100% com a ideia de que isso é uma fase transitória, tipo os primeiros sites estáticos antes dos frameworks.

A analogia com npm foi cirúrgica. Se a gente olhar historicamente, toda vez que surge um novo paradigma (web, mobile, cloud), o primeiro ciclo é de “reinventar roda”. O segundo ciclo é padronização + abstração. SkillDepot claramente tenta ser essa camada de abstração pra AI.

O ponto mais forte pra mim:
👉 composabilidade como diferencial competitivo

Hoje, quem ganha não é quem tem “um prompt melhor”, mas quem consegue orquestrar capacidades:

combinar análise + execução + validação
encadear ferramentas especializadas
reduzir latência e custo com reuso

Se isso realmente virar plug-and-play como você descreveu (principalmente com MCP), muda completamente o jogo. O LLM vira só o cérebro — e as skills viram o corpo.

Agora, sendo bem direto (feedback honesto mesmo):

  1. O maior risco não é técnico — é confiança
    Pra isso virar “npm de AI”, vocês vão precisar resolver:

qualidade inconsistente entre skills
segurança (principalmente execução externa)
previsibilidade de output

npm funciona porque código é determinístico. Skill não é.

  1. Descoberta e ranking vão ser tudo
    4.500+ skills já é bastante — como evitar virar um “cemitério de packages” tipo npm?

curadoria?
ranking por uso real?
benchmark padronizado?

Se isso não for muito bem resolvido, vira ruído rápido.

  1. Latência <200ms é agressivo (e excelente se for real)
    Se vocês realmente sustentarem isso em escala + pipelines compostos, aí sim tem um diferencial técnico forte.

  2. Monetização pro criador é um baita acerto
    90% é MUITO competitivo. Isso pode virar um efeito de rede forte se:

  • tiver distribuição real
  • e não só “mais um marketplace vazio
1

Obrigado pelo feedback detalhado, korbit. Vou responder ponto a ponto porque você levantou as perguntas certas.

  1. Confiança e qualidade inconsistente — Concordo que esse é o maior desafio, e não é técnico. Skill não é código determinístico, e tratar como se fosse seria desonesto. O que a gente faz hoje: cada skill tem rating da comunidade, métricas reais de uso (invocações, taxa de erro, latência p95), e sandboxing obrigatório. Mas curadoria manual em 4.500+ skills não escala. O próximo passo é benchmark padronizado por categoria... tipo um test suite que valida output consistency. Ainda não tá pronto, mas é prioridade.
  2. Descoberta e ranking — Pergunta justa. Hoje o ranking é por uso real + rating + taxa de sucesso. Tem filtro por categoria e busca. Mas concordo que sem curadoria forte, qualquer marketplace vira cemitério. A ideia é ter "verified skills" com selo de qualidade, tipo o que o npm faz com pacotes populares organicamente, mas com um layer de validação a mais. Tá no roadmap.
  3. Latência <200ms — É a média real em skills leves (as que não dependem de chamada LLM pesada). Pra skills que chamam modelo por baixo, a latência depende do provider. Não vou te vender que um pipeline composto com 5 skills encadeadas roda em 200ms — não roda. Mas o overhead do SkillDepot em si (roteamento, auth, sandboxing) fica abaixo de 50ms. O resto é latência da skill em si.
  4. Monetização e distribuição — 90% é a aposta pra criar efeito de rede. Mas você tem razão: split bom sem distribuição real = marketplace vazio. Hoje a distribuição é via CLI, API, MCP no Claude, e o site. O próximo passo é integração com mais frameworks (LangChain, CrewAI) pra que o discovery aconteça onde o dev já tá. Sem isso, não escala.

Valeu pela honestidade. É exatamente esse tipo de feedback que faz o produto melhorar.

2

Cara, excelente sacada. O timing pra isso não poderia ser melhor.

Eu tenho batido muito na tecla de que a gente precisa parar de tratar IA como um "oráculo mágico" e começar a tratar como engenharia de software séria. Esse modelo de "SaaS wrapper" que você descreveu é exatamente a mediocridade que eu tento evitar no meu workflow — é conveniência pura em cima de uma base frágil.

O que me pegou no SkillDepot foi a visão de infraestrutura composável. Tratar skills como pacotes npm resolve um problema latente de reprodutibilidade e modularidade. No meu contexto, onde foco em Security Engineering e Zero Trust, a ideia de ter um skilldepot install com versionamento semântico e sandboxing me agrada muito mais do que confiar em uma API de terceiro com um prompt que eu não controlo.

Alguns pontos que achei matadores no seu pitch:

MCP (Model Context Protocol): A integração nativa com o Claude muda o jogo. Transforma o LLM de um chat estático em um orquestrador de ferramentas real.

Sandboxing: Essencial. Se vou rodar uma skill de terceiros no meu pipeline, preciso saber que ela tá isolada.

Fim da "Arbitragem de Ignância": Finalmente alguém falando abertamente sobre como os wrappers de $29 são insustentáveis a longo prazo.

Vou subir um setup aqui e testar as skills de DevOps e Security (vi que tem umas de Terraform e análise de vulnerabilidades). Quero ver como a latência se comporta na prática e como o SDK de TypeScript lida com o tratamento de erros em workflows complexos.

Parabéns pela iniciativa, Caio. O mercado precisa desse choque de realidade técnica. Vou acompanhar de perto essa evolução.

Link salvo. Vou testar agora.

1

Valeu demais pelo feedback, petrusnoleto. E bom saber que a visão de infraestrutura composável fez sentido pra quem trabalha com Security Engineering, porque foi exatamente pensando nesse tipo de use case que o sandboxing e o versionamento semântico entraram como prioridade desde o dia zero.
Sobre o SDK de TypeScript e tratamento de erros em workflows complexos: a API retorna erros estruturados com códigos específicos por tipo de falha (rate limit, timeout, skill error, auth), então dá pra montar retry logic e fallback sem ficar parseando string. Mas como você vai testar na prática, qualquer feedback sobre edge case que encontrar vai ser muito bem-vindo! isso é o tipo de coisa que só quem roda em pipeline real consegue pegar.
As skills de Terraform e DevOps tão lá. Testa e me diz o que achou. Se precisar de algo, abre uma issue ou me manda direto.