Codex, Claude Code e DeepSeek Harness: como escolher? Troca de modelo, integração de API e automação em uma comparação de 4 dimensões

Nota do autor: comparamos Codex, Claude Code e DeepSeek Harness em relação à integração de modelos, à extensão de ferramentas e às formas de orquestração de execução, explicando o que cada um exige para trocar de modelo, integrar APIs e montar automações — ajudando você a tomar uma decisão clara.

Muitos desenvolvedores colocam Codex, Claude Code e DeepSeek Harness na mesma comparação na hora de escolher uma ferramenta, mas os três não são, na verdade, o mesmo tipo de produto. Este artigo conduz a comparação em 4 dimensões: liberdade de troca de modelo, formas de integração com API, extensão de ferramentas de negócio e execução e automação, além de oferecer recomendações claras por cenário.

Esta não é uma análise conciliatória do tipo “todos têm seus méritos”, nem apresenta pontuações de testes reais inventadas. Todas as descrições de capacidade neste artigo se baseiam nos materiais oficiais de cada fornecedor (data de verificação: 12 de novembro de 2026) e distinguem claramente três tipos de informação: “descrição oficial”, “inferência razoável” e “requer verificação própria”.

Valor central: ao final da leitura, você conseguirá responder a três perguntas — qual escolher para usar diretamente um agente de programação maduro, qual oferece maior liberdade para trocar de modelo e qual é mais adequado para montar seu próprio sistema de automação.

Por que Codex, Claude Code e DeepSeek Harness não podem ser vistos simplesmente como produtos equivalentes

Para facilitar a compreensão, vamos dar aos três produtos a mesma tarefa: todos os dias às 9h da manhã, coletar automaticamente as últimas notícias de IA, selecionar os temas que valem a pena escrever e gerar um pacote de materiais e um planejamento de artigo; em seguida, preencher o resultado no backend de gerenciamento de conteúdo da empresa e salvar, continuando a execução automática no dia seguinte. Essa tarefa envolve cinco etapas — coletar informações, gerar conteúdo, preencher o backend, executar de forma agendada e inferência do modelo — e cobre exatamente todas as capacidades que serão comparadas mais adiante.

Codex e Claude Code são Agentes de programação maduros. Têm formato de produto oficial, sistema de conta e cota de uso, conseguem ler repositórios de código, executar comandos, rodar testes e também têm capacidade de operação de navegador; o Codex ainda oferece o Codex Cloud, que permite executar tarefas em ambientes de computação remotos. Usá-los é como “contratar um engenheiro já treinado oficialmente”: os limites de capacidade e os modelos disponíveis são basicamente definidos pelo fornecedor oficial.

O DeepSeek Harness é diferente. É um projeto open source com licença MIT, e a documentação oficial de arquitetura o descreve como “Everything is a Plugin”: adaptadores de modelo, registro de ferramentas, registro de sessões, Agent Loop (o ciclo de execução em que o modelo e as ferramentas interagem repetidamente), sistema de arquivos e execução de comandos, política de aprovação de sandbox, tarefas em segundo plano e Webhook — tudo pode ser substituído por plugins e configuração. Ele está atualmente na fase Developer Preview, sendo mais um chassi que você mesmo pode modificar do que um produto pronto para usar.

Vale acrescentar um ponto: o Codex também tem um lado de plataforma. A OpenAI já tornou público o Codex Harness e oferece três formas de acesso programático: SDK, App Server e codex exec; mas a empresa deixa claro que o código de execução open source, o acesso aos modelos e o serviço de nuvem gerenciado são camadas distintas, e não podem ser confundidos.

Visão rápida dos termos: a base comum para entender a tabela comparativa entre Codex, Claude Code e DeepSeek Harness

A tarefa de “notícias diárias” mencionada acima aparecerá várias vezes mais adiante. Por isso, vamos esclarecer aqui os termos principais usando o mesmo exemplo, para evitar que cada parte fale uma língua diferente.

• API: o “formato de pedido” acordado entre o programa e o serviço de modelo; cada etapa de chamada na tarefa de notícias diárias depende dela.
• Chave API: a credencial que prova “quem você é”, equivalente a um código de retirada, e precisa ser guardada com cuidado.
• Base URL: o endereço do serviço para onde as requisições são enviadas; o fato de o endereço ser configurável não significa que o protocolo seja necessariamente compatível.
• Adaptador de modelo: o componente interno do Agent que conecta ao serviço de modelo e trata os formatos de requisição e resposta.
• Chamada de ferramenta: o mecanismo pelo qual o modelo diz “me ajude a pesquisar” em vez de simplesmente inventar uma resposta.
• MCP: o protocolo que conecta o Agent a ferramentas externas e serviços de dados; tanto o Codex quanto o Claude Code oferecem suporte.
• SDK: o kit de desenvolvimento que permite incorporar as capacidades do Agent ao seu próprio programa.
• Webhook: a interface pela qual eventos externos “tocam a campainha” do seu aplicativo.
• Agent Loop: o ciclo de execução em que o modelo e as ferramentas interagem de ida e volta até a tarefa terminar.
• Tarefa em nuvem: uma tarefa executada em um ambiente remoto; as permissões e a disponibilidade de arquivos dependem da configuração desse ambiente.

Querer trocar de modelo: Codex vs Claude Code vs DeepSeek Harness — quem tem mais liberdade

“Querer trocar de modelo” é o motivo direto pelo qual muitas equipes se interessam por frameworks de Agent, e as três soluções têm abordagens bem diferentes nesse aspecto.

O Codex suporta duas formas de acesso: login com a conta do ChatGPT, ou o uso da sua própria chave API (com configuração adicional). Vale destacar que a primeira utiliza a cota do Codex dentro do plano do ChatGPT, enquanto a segunda é cobrada por API — as cotas dos dois métodos não são compartilhadas, e também não se deve confundir o Codex CLI open source com a cota da assinatura.

O Claude Code oferece oficialmente login por assinatura, além de formas de acesso como Anthropic Console, Amazon Bedrock, Google Vertex AI e Microsoft Foundry; interfaces de desenvolvimento como Terminal CLI, VS Code e JetBrains também suportam configuração de Providers de terceiros. Mas é importante enfatizar: isso não significa que todas as entradas dos produtos Claude possam ser substituídas por qualquer modelo — o escopo específico de suporte deve seguir a documentação oficial da versão que você usa.

O DeepSeek Harness tem o maior grau de liberdade — e também a maior responsabilidade. Seu adaptador de modelo é, ele próprio, um plugin, e a documentação de desenvolvimento usa como exemplo as duas variáveis de ambiente DEEPSEEK_API_KEY e DEEPSEEK_BASE_URL: a API Key serve para autenticação, e a Base URL para especificar um endereço de API customizado; quando não definida, o padrão é a API oficial do DeepSeek. É preciso explicar especialmente que uma Base URL customizada é um exemplo de configuração do adaptador DeepSeek — se outros serviços de modelo funcionarão depende do protocolo real de requisição e da compatibilidade de chamada de ferramentas; poder configurar o endereço não significa funcionar direto de fábrica.

Se você já pretende alternar e comparar com frequência entre modelos como GPT, Claude e DeepSeek, colocar a camada de modelo sobre uma interface unificada reduz significativamente o custo de troca. Os materiais públicos do APIYI apiyi.com mostram que a plataforma oferece uma interface compatível com OpenAI: uma única chave API permite chamar vários modelos mainstream, com cobrança por uso e cota de teste gratuita para novos usuários (as descrições acima são públicas da plataforma; recomenda-se verificar a compatibilidade específica dos modelos por meio de testes reais).

A estratificação mostrada acima é a chave para entender este artigo: a camada de serviços de modelo fornece apenas capacidade de inferência, a camada de ambiente do Agent decide como as tarefas são planejadas e executadas, e é a camada de ferramentas externas que realmente alcança o navegador, os arquivos e o backend corporativo. Trocar de modelo resolve a camada de baixo; construir automação resolve as camadas do meio e do topo — uma não substitui a outra.

Para conectar ferramentas de negócio: qual é mais flexível na extensão — Codex, Claude Code ou DeepSeek Harness

Voltando ao terceiro passo da tarefa diária “preencher o backend da empresa”, essa etapa testa a capacidade de extensão das ferramentas.

O Codex conecta ferramentas externas via MCP e, por meio do SDK, inicia e gerencia tarefas de Agent dentro dos seus próprios programas; o App Server permite que outras aplicações se integrem às suas sessões, eventos, chamadas de ferramentas e fluxos de aprovação; o codex exec é voltado para cenários de scripts e CI, facilitando a construção de tarefas de automação repetíveis. A ideia geral é “produto oficial + interface de programação padronizada”.

O sistema de extensão do Claude Code gira em torno de MCP, Hooks e Subagents. Os exemplos oficiais de MCP incluem ler documentos de design do Google Drive, obter tarefas do Jira, consultar o PostgreSQL, criar rascunhos no Gmail e até enviar mensagens para sessões de Agent por meio de eventos externos ou Webhook. Os Subagents podem ter contexto, prompt de sistema, permissões de ferramentas e escolha de modelo independentes, além de trabalharem em paralelo em segundo plano; já os Hooks podem executar scripts personalizados antes e depois de chamadas de ferramentas, em solicitações de permissão, no início e no fim de sessões e em outras etapas, sendo ideais para adicionar “postos de verificação” ao processo.

A lógica de extensão do DeepSeek Harness é mais radical: o registro de ferramentas, o Agent Loop e as políticas de aprovação do sandbox são todos substituíveis, o que significa que você não apenas pode “adicionar ferramentas”, mas também alterar “como o modelo decide qual ferramenta chamar e como continuar a execução”. O custo disso também é claro — tudo precisa ser configurado e mantido por conta própria, e a nota oficial de segurança afirma explicitamente que o projeto ainda não passou por uma auditoria de segurança e não deve ser considerado um software seguro, adequado para ambientes de produção.

Quer montar automação: comparação dos modos de execução do Codex, Claude Code e DeepSeek Harness

A etapa mais difícil da tarefa de relatório diário é “continuar executando automaticamente amanhã, de preferência sem ligar o computador”. Isso testa a capacidade de execução e de agendamento, e exige primeiro distinguir três capacidades diferentes: execução de processo local, tarefa gerenciada na nuvem e agendamento contínuo.

O Codex Cloud oferece um ambiente de computação remota gerenciado pela OpenAI, em que cada tarefa tem um workspace independente; as tarefas na nuvem podem continuar rodando mesmo depois que o computador entra em suspensão. A documentação de ajuda oficial menciona que o estado salvo da máquina virtual pode ser restaurado por até 7 dias após a última inicialização ou retomada da tarefa (descrição oficial). Para cenários do tipo “mesmo desligando, ainda quero rodar tarefas agendadas”, o Codex Cloud é uma solução oficial bastante direta.

O Claude Code é voltado principalmente para execução local; o Agent em segundo plano e os Subagents entre sessões dependem do modo específico de execução. Se dá para continuar depois que o computador desliga depende de onde você implanta o ambiente de execução — oficialmente, ele não é posicionado como um produto de tarefa em nuvem do tipo “roda mesmo com o computador desligado”.

O DeepSeek Harness oferece Background Jobs e Webhook, e pode se integrar a outros sistemas de automação, mas o backend oficial de jobs locais depende de um processo em execução — para fazê-lo funcionar 24 horas por dia, você precisa implantá-lo por conta própria em um servidor ou contêiner sempre ligado. No que diz respeito à operação de navegador, é preciso instalar o dsh-browser-use e habilitar explicitamente provedores experimentais como Playwright MCP, Chrome DevTools MCP e Stagehand, além de que o estado de login não é restaurado automaticamente a partir dos logs de sessão. Tudo isso é o custo que vem junto com a “alta liberdade”.

Vale lembrar que busca no navegador, operação automatizada do navegador e controle de desktop são três níveis diferentes de capacidade — não misture tudo na hora de avaliar. E execução agendada local e execução contínua na nuvem também são duas coisas distintas.

Codex, Claude Code, DeepSeek Harness: introdução rápida — primeiro, coloque a camada de API do modelo para rodar

Independentemente de qual você escolher no final, o primeiro passo é fazer a camada do modelo funcionar. Usando a interface compatível com OpenAI como exemplo, uma dúzia de linhas de código já basta para completar a primeira chamada:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unificada APIYI, compatível com OpenAI
)

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "用一句话总结今天的 AI 新闻要点"}],
)
print(response.choices[0].message.content)

import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unificada APIYI
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_news",
            "description": "搜索今天的 AI 新闻",
            "parameters": {
                "type": "object",
                "properties": {"keyword": {"type": "string"}},
            },
        },
    }
]

def search_news(keyword):
    # Em um projeto real, substitua pela sua interface de busca ou pela interface do seu sistema de negócios
    return "关于 " + keyword + " 的示例新闻"

messages = [{"role": "user", "content": "搜索今天的 AI 新闻, 总结成一段日报"}]

for _ in range(5):
    # Agent Loop: o modelo e a ferramenta interagem repetidamente até a tarefa ser concluída
    response = client.chat.completions.create(
        model="gpt-4o-mini", messages=messages, tools=tools
    )
    msg = response.choices[0].message
    if msg.tool_calls:
        messages.append(msg)
        for call in msg.tool_calls:
            args = json.loads(call.function.arguments or "{}")
            result = search_news(args.get("keyword", "AI"))
            messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
    else:
        print(msg.content)
        break

Esse código explica exatamente por que “API do modelo não é o mesmo que ambiente de Agent”: o modelo só decide “se deve chamar uma ferramenta e qual ferramenta chamar”; search_news é a camada de execução que você mesmo fornece, e o laço for é o Agent Loop mais simples possível. Troque a função de ferramenta pela sua interface de negócios e, em seguida, envolva-a com o Codex SDK, o MCP do Claude Code ou o sistema de plugins do DeepSeek Harness — e você terá o esboço da automação de cada um. O formato específico dos parâmetros das chamadas de ferramentas e o escopo disponível dependem do modelo escolhido e da documentação da interface.

🚀 Início rápido: recomendo primeiro colocar a camada do modelo para rodar via APIYI apiyi.com, obter a chave API e o crédito de teste gratuito para novos usuários, e depois usar a interface unificada para integrar camada por camada as ferramentas e a orquestração. A plataforma oferece chamadas por interface unificada para diversos modelos populares, facilitando a comparação e a troca dentro do mesmo ambiente (descrição pública da plataforma).

⚠️ Atenção: o serviço de agregação de API ajuda a integrar e trocar modelos, mas não fornece automaticamente operação de navegador, permissões de arquivo, computação em nuvem e orquestração de tarefas; chamar a API do modelo e ter uma assinatura do produto Codex ou Claude são duas coisas diferentes.

Recomendações por cenário: como escolher entre trocar de modelo, integrar API e montar automação

Recomendação de decisão: primeiro pergunte a si mesmo quanta liberdade você quer

1. Quer usar diretamente um agente de programação maduro: escolha Codex ou Claude Code. Ambos têm fluxo de trabalho de desenvolvimento completo e a maior parte da manutenção fica por conta dos oficiais; são adequados para equipes que querem delegar tarefas e obter resultados o mais rápido possível. A condição aceita é que a escolha de modelo e as regras de uso são determinadas pelo produto oficial.
2. Quer substituir livremente o modelo e o mecanismo de execução: escolha DeepSeek Harness. Sua arquitetura de plugins oferece o maior espaço de modificação, mas você precisa aceitar o estado atual de Developer Preview, o aviso de que a auditoria de segurança não foi concluída e toda a responsabilidade por implantação e suporte próprios.
3. Quer integrar o agente ao seu próprio software de negócio: priorize avaliar os três caminhos programáticos — Codex SDK/App Server, Claude Agent SDK e DeepSeek Harness SDK — combinando conforme sua stack tecnológica existente e a liberdade de modelo que deseja.

💡 Sugestão de escolha: qual escolher depende de quanta liberdade você quer e de quanto custo de manutenção está disposto a assumir. Antes de decidir, recomenda-se testar um a um os modelos que pretende usar em uma interface unificada como a APIYI apiyi.com, validar o desempenho na camada de modelo e só então decidir qual formato de agente adotar.

Perguntas frequentes (FAQ)

Não necessariamente. O funcionamento de um Agent de ponta a ponta também depende do ambiente de execução, do registro de ferramentas, das permissões e do agendamento. Uma Base URL configurável não significa que o protocolo seja compatível automaticamente; mesmo com a camada de modelo conectada, operações no navegador, acesso a arquivos e tarefas agendadas ainda exigem componentes específicos para cada caso. Antes da integração, recomenda-se validar camada por camada: “camada de modelo → camada de ferramentas → camada de agendamento”.

Codex, Claude Code e DeepSeek Harness — Principais pontos

• Diferenças de posicionamento: Codex e Claude Code são Agents de programação maduros; o DeepSeek Harness é um framework open source para execução de Agents.
• Liberdade na escolha do modelo: os adaptadores do Harness são substituíveis e aceitam uma Base URL personalizada; os dois primeiros ficam restritos aos canais de integração oficiais.
• Formas de extensão: MCP e SDK são a linguagem comum; Hooks e Subagents são diferenciais do Claude Code; o Harness permite até trocar o Agent Loop.
• Diferenças de execução: o Codex Cloud continua rodando depois que o computador entra em suspensão; as tarefas agendadas do Harness precisam de um ambiente sempre ativo próprio.
• Limites de segurança: o DeepSeek Harness está em Developer Preview e ainda não passou por auditoria de segurança; ao hospedar por conta própria, mantenha o princípio do menor privilégio.
• Ordem de implementação: primeiro faça a API da camada de modelo funcionar; depois, conecte ferramentas e agendamento camada por camada, evitando buscar automação total de uma só vez.

Resumo

Colocando os três produtos de volta em seus devidos lugares, a conclusão fica clara:

1. Codex: um Agent de programação maduro, somado às tarefas em nuvem do Codex Cloud, ideal para equipes que querem “delegar a tarefa”.
2. Claude Code: um Agent de programação maduro, onde MCP, Hooks e Subagents formam um ecossistema de extensão flexível, ideal para personalização profunda dentro do fluxo de desenvolvimento já existente.
3. DeepSeek Harness: uma base modificável, de código aberto sob licença MIT, em que tanto o modelo quanto o mecanismo de execução podem ser trocados, ideal para desenvolvedores dispostos a construir seu próprio sistema de automação e que possam assumir a responsabilidade pela manutenção e pela segurança.

Por fim, voltemos à fronteira mais importante: a API do modelo determina a capacidade de raciocínio, e o ambiente do Agent determina o que o modelo pode chamar, como executa e como entrega os resultados ao usuário. Trocar de modelo, integrar APIs e montar automações são três coisas em níveis diferentes. Validar camada por camada, na ordem “camada de modelo → camada de ferramentas → camada de orquestração”, é mais seguro do que tentar acertar tudo de uma vez. Recomendamos validar rapidamente o efeito da camada de modelo através do APIYI apiyi.com; a plataforma oferece interfaces compatíveis com OpenAI, acesso unificado a múltiplos modelos e crédito gratuito para novos usuários.

Materiais de referência

1. GitHub – Codex: repositório oficial de código aberto da OpenAI
2. Link: github.com/openai/codex

3. Descrição: código-fonte da CLI e instruções de integração com conta e chave API

4. Codex as a platform: blog para desenvolvedores da OpenAI

5. Link: developers.openai.com/blog/codex-as-a-platform

6. Descrição: explicação em camadas sobre Harness de código aberto, SDK, App Server e serviços gerenciados

7. Using Codex Cloud: documento de ajuda oficial da OpenAI

8. Link: help.openai.com/en/articles/20001545-using-codex-cloud

9. Descrição: regras sobre ambiente de computação remota, espaço de trabalho independente e restauração de estado da máquina virtual

10. Claude Code Docs: documentação oficial da Anthropic

11. Link: code.claude.com/docs/en/overview

12. Descrição: descrição das capacidades de integração, MCP, Subagents e Hooks

13. GitHub – DeepSeek Harness: repositório oficial da DeepSeek

14. Link: github.com/deepseek-ai/deepseek-harness

15. Descrição: arquitetura de plugins, configuração de adaptadores de modelo, subsistema de navegador e notas de segurança

16. Guia do desenvolvedor APIYI: apresentação pública da plataforma

17. Link: help.apiyi.com/apiyi-wentuozhongxin-shangxian-kaifazhe-zhinan.html
18. Descrição: interfaces compatíveis com OpenAI, chave API unificada e integração de múltiplos modelos

Autor: equipe técnica da APIYI
Contato técnico: fale conosco pela página inicial do site da APIYI; mais materiais sobre integração de modelos estão disponíveis no centro de documentação docs.apiyi.com

Artigos relacionados

• Gemini 4 Carbon vs Claude Opus 5.5: principais diferenças e como escolher entre 3 tipos de cenários: Compare o Gemini 4 Carbon e o Claude Opus 5.5 em 7 dimensões, incluindo especificações, preço, mecanismo de raciocínio, protocolo e pontuações do cartão de modelo oficial, e forneça recomendações de escolha sobre "qual tipo de tarefa entregar a qual modelo".
• DSH ou Tencent WorkBuddy: como escolher — recomendações de seleção para 5 tipos de cenários de uso: Compare DSH (DeepSeek Harness) e Tencent WorkBuddy nos 5 cenários de automação de desenvolvimento, colaboração de escritório, conformidade de dados, controle de custos e implantação em equipe, e explique como chamar os modelos via APIYI de forma unificada.
• As 5 fases da popularização do Grande Peixe Gordo: como a criação derivada da comunidade DeepSeek, a "Garota Baleia", se tornou um novo tópico cultural de produto: Do nascimento da personagem, do revezamento de criações derivadas, da controvérsia de imagem e da entrada de um agente de IA como “Grande Peixe Gordo” nos comentários do Bilibili, mapeie a linha do tempo, os dados e as lições de cultura de produto do fenômeno da garota baleia da DeepSeek.
• DeepSeek Super-agent vs. Claude Code e Codex: 6 dimensões para entender se a diferença está no modelo ou no sistema de orquestração: Após a DeepSeek abrir o código do protótipo de pesquisa Super-agent, este artigo analisa, em seis dimensões, as capacidades do modelo, das ferramentas de programação e do sistema de coordenação, esclarecendo suas diferenças em relação ao Claude Code e ao Codex e recomendando opções para diferentes modos de trabalho.
• Limitações ocultas da API GPT Image 2.6: 5 tipos de limites na combinação de GIF, SVG e edição localizada: Entenda as limitações dos endpoints, os conflitos de parâmetros e os cuidados de migração para edição parcial de GIF, SVG e markup na API GPT Image 2.6, evitando o equívoco de que basta trocar o nome do modelo para usá-la.
• Comparativo entre tarefas agendadas do ChatGPT, agentes do Codex e automação completa do Dot: 6 diferenças fundamentais entre 3 tipos de automação: Compare as tarefas agendadas do ChatGPT, o agente Codex e o ChatGPT Dot quanto à automação total, aos custos e à confiabilidade, considerando acionamento, execução e coordenação contínua, e apresente recomendações de escolha.
• Tutorial passo a passo: conecte todos os agentes com uma única chave usando o gateway de API de acesso unificado e de código aberto magpie (com Claude Code, Codex, Pi e Hermes como exemplos): Um tutorial prático para seguir passo a passo: em cerca de 30 minutos, configure todos os agentes de programação da sua máquina — como Claude Code, Codex, Pi e Hermes — para usar a mesma chave API e o mesmo endereço de gateway, com capturas de tela da interface do magpie, etapas de integração, comparação das configurações nativas e uma tabela de solução de problemas.
• 1,54 milhão de usuários ativos diários, 92 trilhões de tokens e 35 mil plugins: até onde o DeepSeek Harness levou a transformação de agentes em plataforma?: Analise os dados oficiais do DeepSeek Harness: 1,54 milhão de usuários ativos por dia, 92 trilhões de tokens diários e 35 mil plugins; avalie oportunidades e riscos da transformação de agentes em plataforma e dê 5 recomendações para escolher o backend de modelos e controlar custos.
• Um backend Git pronto para produção em 10 semanas: como a OpenAI usou uma equipe de agentes Codex para concluir 5 tarefas essenciais de engenharia do Pando: Análise do OpenAI Pando: 1 engenheiro projetou o núcleo, várias equipas de agentes Codex implementaram-no e poucos engenheiros fizeram a implantação em produção em 10 semanas, com destaque para os testes, a migração gradual e as práticas replicáveis.