Um CMS feito para agentes de IA

Aqui vai um teste que vale a pena fazer com qualquer CMS em 2026: dê a um agente de IA uma tarefa como "atualize a página de preços em todos os dez idiomas" e conte de quantas integrações personalizadas ele precisa antes de começar. Para a maioria dos sistemas hospedados, a resposta é um cliente de API, credenciais, um esquema que ele não pode ver e um ambiente de teste que você espera que ele respeite. Para um repositório cheio de arquivos MDX, a resposta é zero. O agente já tem tudo o que precisa: read, grep, edit, diff.

O Scribe aposta nisso. É um CMS cuja superfície inteira é formada por coisas que os agentes já dominam.

Leitura: tudo é um arquivo

Um agente que explora um projeto Scribe não precisa de documentação para se orientar. Os tipos de conteúdo são esquemas Zod em um arquivo de configuração, então o formato de cada documento pode ser lido como código. Os documentos são arquivos MDX cujo nome de arquivo é o slug. As traduções ficam em um banco de dados SQLite ao lado deles. Não há nada escondido atrás de um painel de administração; o repositório é todo o sistema e um grep em content/ realmente pesquisa tudo.

Escrita: proteções em vez de confiança

O risco com os agentes não é que eles não saibam escrever. É que, de vez em quando, eles escrevem algo sutilmente quebrado. A resposta do Scribe é a mesma que para humanos, mas aplicada com mais rigor:

Os esquemas bloqueiam cada documento. O frontmatter deve ser validado no esquema Zod do tipo de conteúdo. Um campo alucinado ou a falta de um campo obrigatório falha no scribe validate, e não na produção.
Os corpos do texto devem ser compilados. Todo corpo MDX é compilado no momento da validação, então um componente malformado ou uma sintaxe quebrada é pego antes da compilação.
Os links não podem se deteriorar silenciosamente. Tokens de relação integrados fazem referência a documentos por tipo e slug, e erros de validação em qualquer token que aponte para um documento inexistente. Um agente é fisicamente incapaz de passar um link interno quebrado pelo validador.
A exclusão é planejada, não improvisada. O scribe delete calcula toda a cascata de referência primeiro e os bloqueadores interrompem a operação. Um agente que remove uma página vê exatamente o que mais é afetado.

O resultado é que a ideia de "deixar o agente editar o conteúdo" deixa de dar medo. O modo de falha de uma edição ruim é uma linha vermelha na CLI, assim como um teste que falhou.

Revisão: o diff é a interface

Como cada alteração é um commit, o trabalho do agente chega da mesma forma que a sua equipe já revisa o trabalho: como um pull request. Não há um registro de auditoria separado para verificar e nenhum histórico de CMS para reconciliar com o git. Os instantâneos em inglês registram de onde cada tradução foi feita, então até mesmo o conteúdo traduzido por IA tem um rastro de proveniência revisável: este texto em francês veio daquele texto em inglês, com este modelo, nesta data.

O estúdio local fecha o ciclo para os humanos. Navegue pelo que o agente alterou, pesquise em todos os documentos, visualize corpos de texto com links e imagens resolvidos e verifique a cobertura da tradução em um piscar de olhos. Os agentes editam os arquivos e os humanos verificam no estúdio.

Entregando conteúdo para a IA, não apenas com ela

As mesmas propriedades que tornam o Scribe fácil para os agentes escreverem também tornam o seu site fácil para os sistemas de IA lerem. O scribe export-static grava versões MDX simples de cada página, por localidade, em um diretório estático: um texto limpo, com pouca marcação, que os rastreadores de LLM e os mecanismos de resposta lidam muito melhor do que o HTML renderizado. O seu conteúdo é legível pela IA nas duas pontas da operação.

Isso não é uma hipótese

Este site é um exemplo prático. A consolidação do changelog, a reestruturação dos documentos e a maior parte da manutenção do conteúdo que você está lendo foram realizadas por agentes de IA trabalhando no repositório, validados pelo scribe validate e revisados por um humano como diffs. O modelo baseado em git foi projetado para equipes e acabou sendo exatamente o que os agentes precisavam também.

Se você estiver criando um site que será mantido por agentes, comece pelo guia de introdução e dê uma tarefa a um deles. O fluxo de trabalho parecerá familiar para ele.