GitHub Agentic Workflows chega à disponibilidade geral: automações em Markdown com agentes no GitHub Actions

Fala aí, beleza? O GitHub tirou do preview o projeto open source do GitHub Next que coloca agentes de código pra trabalhar dentro do GitHub Actions (anúncio oficial no GitHub Changelog)

No dia 28 de outubro de 2026 saiu no Changelog a disponibilidade geral: você escreve em Markdown, em linguagem natural, tarefas como triagem de issues, análise de falhas de CI, atualização de documentação e escrita de testes, e isso é compilado pra YAML padrão do Actions

Quem executa é o Copilot ou outro agente de código que você escolher, e a ferramenta está disponível em github.com nos planos Free, Team e Enterprise

O que é o GitHub Agentic Workflows e como ele funciona

É uma forma de automatizar tarefas que exigem raciocínio usando agentes de código dentro do GitHub Actions

Aquele tipo de coisa que um script fixo não resolve bem, tipo ler uma issue e decidir onde ela se encaixa, ou olhar um CI quebrado e entender o porquê

O fluxo básico, quando você escreve o workflow do zero, é:

• Você cria um arquivo Markdown com frontmatter e um corpo em linguagem natural
• Compila esse Markdown pra .lock.yml com gh aw compile
• Se mudar o frontmatter depois, precisa recompilar de novo com gh aw compile

Tem também um caminho mais rápido usando templates prontos: o comando gh aw add-wizard (que a gente usa mais adiante, na seção de teste) gera o arquivo Markdown a partir de um template do repositório githubnext/agentics, já compila o .lock.yml correspondente e abre um pull request adicionando os dois arquivos dentro de .github/workflows/ (quickstart da documentação)

Se você já mexe com Actions, pensa assim: o Markdown é a "fonte" e o .lock.yml é o artefato gerado, parecido com o lockfile que o NPM gera a partir do package.json 🙂

E como no fim são Actions comuns, os workflows reaproveitam os grupos de runners e as restrições de política que a sua organização já tem

Cada workflow pode rodar com o GitHub Copilot ou com um agente próprio (o famoso bring your own agent)

No quickstart da documentação, as contas de IA aceitas como pré-requisito são GitHub Copilot, Anthropic Claude, OpenAI Codex ou Google Gemini

O que mudou desde o preview público

O changelog lista cinco destaques pra GA, se liga:

• ARC e Docker-in-Docker: agora dá pra rodar agentic workflows em runners self-hosted do Actions Runner Controller (ARC) com Docker-in-Docker, o que interessa MUITO a quem já roda a própria infraestrutura de CI
• gh aw forecast fora do modo experimental: segundo o changelog da GA, a previsão de gasto deixou de ser experimental e passou a incluir os créditos da detecção de ameaças e faixas mensais de gasto com créditos de IA
• Modelos, motores e templates: o inventário de modelos foi atualizado, o provedor de modelo pode ser escolhido por workflow e há novos templates que entram no repositório com gh aw add-wizard
• Roteamento de modelos: os workflows podem usar um roteador de modelos que otimiza a escolha pelo tipo e pela dificuldade da tarefa
• Isolamento de agentes: entra a opção de os agentes rodarem em micro-VM Cloud Hypervisor ou NVX, e enclaves evitam vazamento de dados em workflows que cruzam repositórios (o anúncio não detalha quando essa opção substitui o container isolado descrito nas proteções embutidas)

A lista completa está nas release notes do GitHub Agentic Workflows, referenciadas no próprio anúncio

Como configurar o roteador, as micro-VMs e os enclaves não está detalhado no changelog, então vale ir direto na documentação oficial antes de mexer nisso

Quais proteções de segurança vêm embutidas

A ferramenta trabalha com camadas de proteção, uma em cima da outra

• Integrity filter: os agentes acessam o conteúdo do GitHub respeitando as regras desse filtro
• Somente leitura por padrão: as permissões começam em leitura, então escrever exige decisão explícita
• Container isolado: a execução acontece num container sandbox atrás do Agent Workflow Firewall
• Safe outputs: as saídas do agente passam por um processo de validação
• Detecção de ameaças: um job dedicado analisa todas as mudanças propostas antes de elas serem aplicadas

Por que isso importa?

Porque dar a um agente acesso ao repositório é tipo entregar a chave de casa pra alguém que ainda tá aprendendo onde fica cada coisa, e você quer limitar o estrago caso ele leia uma instrução maliciosa numa issue ou resolva fazer um rm -rf da vida xD

Essas camadas reduzem o risco, mas não eliminam

Revisar o que o agente propõe continua sendo trabalho seu, na mesma linha das permissões assistidas do Copilot, que também giram em torno de controlar o que o agente pode fazer

Quanto custa rodar um agentic workflow

Cada execução gera dois custos independentes: os minutos do GitHub Actions (computação) e a inferência de IA, cobrada pelo provedor do modelo (referência de billing do gh-aw)

No gh-aw, o gasto de IA aparece em AI Credits: 1 AIC equivale a US$ 0,01, segundo a página de gestão de custos da documentação do gh-aw

Esse valor aparece em gh aw logs, em gh aw audit e no rodapé das execuções (é uma estimativa feita com o melhor esforço possível, então pode não bater exatamente com a cobrança final do provedor)

Pra ter noção do consumo de Actions, a documentação de billing traz as durações típicas:

• Job de pré-ativação: de 10 a 30 segundos
• Job do agente: de 1 a 15 minutos
• Overhead de setup do runner: cerca de 1,5 minuto por job

Ou seja, um workflow rodando várias vezes por dia em vários repositórios soma rápido…

Antes de escalar, usa o gh aw forecast pra estimar o gasto: na GA ele deixou de ser experimental e agora também mostra os créditos da detecção de ameaças junto com as faixas mensais de gasto com IA

E lembra: usar o motor padrão (GitHub Copilot CLI) exige licença do Copilot

Como testar o primeiro workflow no seu repositório

O quickstart oficial adiciona um workflow pronto de relatório diário de status do repositório, e a documentação estima cerca de 10 minutos pro processo todo

Requisitos:

• Conta de IA: Copilot, Claude, Codex ou Gemini
• Repositório com acesso de escrita
• GitHub Actions habilitado no repositório
• GitHub CLI (gh) v2.0.0 ou superior, instalada e autenticada

Bora ver na prática?

1. Instale a extensão da CLI:

gh extension install github/gh-aw

2. Na raiz do repositório, adicione o workflow de status diário:

gh aw add-wizard githubnext/agentics/daily-repo-status

Esse comando usa o fluxo do add-wizard: ele gera o Markdown do workflow, compila o .lock.yml correspondente e abre um pull request adicionando os dois arquivos em .github/workflows/

Tome cuidado: rode na raiz do repositório certo, de preferência um repositório de teste, e não naquele projeto de produção que todo mundo usa

O workflow vem do repositório githubnext/agentics, que reúne exemplos prontos de triagem, gestão de dependências, code review e relatórios

Vale dar uma olhada lá antes de escrever o seu do zero 😀

Quem se beneficia e o que considerar antes de adotar

Quem tende a ganhar mais são times que já vivem no GitHub Actions e querem tirar do colo tarefas repetitivas que exigem algum julgamento: triagem de issues, análise de CI quebrado, documentação desatualizada e escrita de testes

Organizações com runners self-hosted via ARC também entram no jogo agora, graças ao suporte a Docker-in-Docker

O anúncio traz um depoimento de Ben Alton, da Accenture, com números bem chamativos:

• Cerca de 29 horas por semana economizadas por um líder
• Velocidade do time mais que dobrada, em média
• 91% dos commits escritos por IA
• Erros de produção caindo de cerca de 11.000 por dia para menos de 1.000

Mas atenção: isso é relato de cliente divulgado pelo próprio GitHub, não medição independente

Serve como sinal do que é possível, não como promessa do que vai acontecer no seu time

No lado das limitações, pesa o custo combinado de créditos de IA e minutos de Actions, que cresce junto com o número de execuções

E se a ideia for usar o motor padrão, a licença do Copilot é obrigatória

Outro ponto: o anúncio fala em github.com, e não confirma suporte ao GitHub Enterprise Server, então quem roda GitHub self-hosted precisa checar isso antes

Mais novidades de IA em vídeo

No Matheus Battisti Show tem um vídeo sobre instalação e uso do Freebuff, um agente de código gratuito, se liga 😀

Próximo passo

Pega um repositório de teste e roda o daily-repo-status primeiro, sem pressa de automatizar tudo

Depois de algumas execuções, abre o gh aw logs ou o gh aw audit e confere quanto aquilo custou de verdade em AIC

Só então usa o gh aw forecast pra projetar o gasto antes de levar workflows pra mais repositórios

E pra detalhes que mudam rápido, como opções de modelo, isolamento e configuração, a fonte certa é o changelog, as release notes e a documentação oficial do gh-aw

Até o próximo post!

Perguntas frequentes

O GitHub Agentic Workflows está em disponibilidade geral?

Sim, desde 28 de outubro de 2026 o GitHub Agentic Workflows está em disponibilidade geral em github.com, disponível nos planos GitHub Free, Team e Enterprise, conforme o anúncio oficial no GitHub Changelog.

Como funciona a automação em Markdown?

Você escreve a tarefa em um arquivo Markdown com frontmatter e texto em linguagem natural, e compila com gh aw compile pra gerar o .lock.yml padrão do GitHub Actions. Há também um caminho via gh aw add-wizard, que usa templates prontos do repositório githubnext/agentics: ele gera o Markdown, compila o .lock.yml e abre um pull request adicionando os dois arquivos em .github/workflows/.

Preciso de licença do GitHub Copilot para usar?

Só é obrigatório ter licença do Copilot se você usar o motor padrão, o GitHub Copilot CLI, para rodar os workflows. É possível usar outro agente de código próprio (Anthropic Claude, OpenAI Codex ou Google Gemini, por exemplo) como alternativa.

Quer aprender mais sobre inteligência artificial e programação na prática? Conheça o canal Hora de Codar no YouTube e acompanhe os próximos vídeos.