Em resumo
A apresentação defendeu que testar apps mobile com múltiplos agentes de IA exige uma camada de orquestração de dispositivos, não apenas mais simuladores. Sem ela, dois agentes rodando em paralelo acabam interagindo no build um do outro. A solução mostrada combina leasing de simulador local (Simlock), um proxy que separa o agente (Linux, barato) do simulador (Mac, caro) e serviços hospedados para escalar sem manter parque de Macs.
- Agentes mobile precisam de simulador ou dispositivo real; não há equivalente ao "headless Chrome" da web.
- Rodar agente e simulador juntos numa mesma VM macOS é simples, mas caro: o Mac fica ocioso enquanto o agente só pensa.
- Mover o agente para Linux e expor o simulador via um proxy remoto (agent-device) corta custo sem perder a verificação real.
- Em 50 execuções, a conta apresentada foi de US$ 186 (tudo em Mac runner) contra US$ 78 (Linux + simuladores hospedados), uma diferença de US$ 108.
- A mesma camada (
agent-device) serve para rodar local, em nuvem, em todo pull request, com suíte E2E e agente de QA.
- US$ 186Custo de 50 execuções rodando tudo em Mac runner
- US$ 78Custo de 50 execuções com Linux + simuladores hospedados
- US$ 108Diferença de custo entre os dois cenários
- 15 minutosTempo de interação real com o simulador dentro de uma execução de 60 minutos
1. O problema muda em mobile: não existe "headless"
No palco, a comparação com agentes web foi o ponto de partida: um agente de navegador recebe uma VM Linux leve e um browser, e isso basta. Em mobile não há esse atalho, porque simulador e dispositivo real trazem latência e restrições próprias.
Agents on mobile need more on the web, simulators and real devices have latency and constraints.
A apresentação também descreveu o ciclo básico de um agente único: ele tira um "snapshot" da tela, recebe identificadores como E4 apontando para um botão (no exemplo, sign-out), interage com esse identificador e lê o snapshot de novo. Simples com um agente e um simulador. O problema aparece na escala.
2. Dois agentes, um simulador: o conflito que Git Worktrees não resolve
Para código, Git Worktrees já resolve paralelismo local sem que agentes pisem no trabalho um do outro. Para dispositivos, não. Segundo a apresentação, o Agente A instala o build e começa a testar; nesse meio-tempo o Agente B faz o mesmo e, quando A está testando, pode acabar interagindo com o aplicativo de B.
A resposta mostrada foi o Simlock, biblioteca open source sob licença MIT, disponível no GitHub. Ela dá a um agente um modo de arrendar (leasing) o dispositivo pelo tempo necessário: enquanto o dispositivo está ocupado, qualquer outro agente que tente acessá-lo espera; quando o trabalho termina, o device é liberado.
Na tela, o exemplo mostrado tinha três agentes (A, B e C) disputando dois simuladores de iPhone: A e B acessam os dois simultaneamente; quando C quer entrar, espera até que A termine o que está fazendo, e só então prossegue no simulador liberado.
3. Separar agente (Linux) de simulador (Mac) para não pagar por ócio
Localmente, tudo roda no Mac do desenvolvedor, sem problema. O desafio aparece na nuvem: a opção mais simples é rodar agente e simulador juntos num runner macOS hospedado, mas isso significa pagar pelo Mac o tempo inteiro, mesmo quando o agente está apenas "pensando" ou escrevendo código, sem tocar no dispositivo.
A alternativa apresentada foi mover o agente para uma VM Linux (até dez vezes mais barata por minuto, segundo os números do próprio slide) e expor o setup de Mac e simulador por um endpoint remoto: o agent-device proxy. O agente, rodando em Linux, conecta-se a essa URL (local ou remota), solicita um simulador, abre um túnel, recebe a alocação, instala e abre o app e realiza o trabalho normalmente; ao terminar, fecha a sessão e o dispositivo é liberado.
agent-device connect limrun --platform ios
agent-device open MyApp --platform ios
agent-device screenshot ./onboarding-ios.png
agent-device closeSegundo a documentação do próprio projeto agent-device, esse modelo também preserva o isolamento por git worktree em máquinas locais, para que agentes paralelos não tomem o dispositivo um do outro, reforçando o que a apresentação descreveu para a nuvem.
4. Quando faltam Macs: serviços hospedados como Expo Simulators e device farms
Se a equipe não tem Macs ou dispositivos suficientes para todos os agentes, a saída indicada foi usar um serviço hospedado. Dois exemplos citados: Expo Simulators, descrito como "recentemente disponível de forma geral" pela equipe do Expo, e farms de dispositivo real como AWS Device Farm (citada no palco como "AWS Device Farm").
Com Expo Simulators, o agente continua numa VM Linux e executa comandos (como eas simulator:exec) para acessar diversos simuladores, sem precisar administrar Macs. A contrapartida, segundo a apresentação, é pagar por sessão. Para dispositivos reais, o padrão é agent-device connect, que conecta por um plugin de terceiro (no exemplo, um plugin de device farm) e deixa tudo pronto assim que a sessão é estabelecida.
A documentação da Expo detalha esse desenho: cada sessão roda isolada em sua própria VM, grava vídeo completo, screenshots, logs, tráfego de rede, CPU e memória, e tem limite automático (no máximo duas horas, configurável), para que um job que trava não fique rodando, e cobrando, indefinidamente. Isso vai além do que a apresentação cobriu sobre controle de custo por sessão.
Tabela 1. Opções de infraestrutura de dispositivo citadas na palestra
| Opção | Onde roda o agente | Onde roda o dispositivo | Quem gerencia o hardware |
|---|---|---|---|
| Mac runner hospedado | macOS | macOS (mesma máquina) | Provedor de CI |
| agent-device proxy | Linux VM | Mac próprio, remoto | Equipe |
| Expo Simulators | Linux VM | Nuvem Expo (EAS) | Expo |
| Device farm (ex.: AWS) | Linux VM | Dispositivo real hospedado | Provedor do farm |
Fonte: a palestra
5. Construindo em cima: suíte E2E e agente de QA
Com a camada de dispositivo pronta, a apresentação passou para o que se pode construir acima dela: testes de regressão que validam PRs, checagem de quedas de frame, comparação visual (UI drift) contra Figma ou screenshot anterior, e medição automática de performance a cada PR.
Para ilustrar, foi mostrado um teste E2E com uma API descrita como "muito sexy": o teste descreve a interação em linguagem natural via agent.act() e depois faz a asserção normal.
test('sign-out shows the sign-in screen', async ({ app, agent, screen }) => {
await app.open();
await agent.act('Sign out through the account screen');
await expect(screen.getByTestId('sign-in-screen')).toBeVisible();
});Basta um arquivo de configuração com a plataforma (iOS, no exemplo) e o argumento de dispositivo apontando para o Expo Simulators para que o comando e2e run rode o teste a cada pull request, ainda numa VM Linux comum, sem nenhum Mac.
Para o agente de QA, a apresentação usou o framework de agentes da Vercel chamado Eve, que organiza comportamento por convenção de arquivos. Um arquivo agent-device define as ferramentas que proxyficam as APIs (MCP, CLI e Node) do agent-device para as convenções do Eve. A identidade do agente é dada por instrução em markdown (por exemplo, "vá a cada PR e dê feedback"), com saída estruturada usada depois para postar um comentário no GitHub.
If you need device elsewhere, just make sure to run connect before you run it.
Segundo a página do projeto agent-device, esse mesmo fluxo de "código, verificação, evidência, revisão" já é usado em produção por equipes como Expensify e Shopify, com screenshots, vídeo e um script de replay (.ad) anexados ao PR como prova, o que confirma a tese da apresentação de que a verificação, não a geração de código, é o gargalo.
6. A conta da escala: Mac caro, Linux barato, tokens de fora
A parte final tratou diretamente da pergunta de custo. As premissas assumidas foram: uma execução típica dura 60 minutos; um runner macOS custa US$ 0,062 por minuto; um runner Linux custa US$ 0,006 por minuto (dez vezes mais barato); e o agente gasta efetivamente 15 minutos em interação real com um simulador, com os outros 45 minutos sendo apenas raciocínio e escrita de código, sem precisar de recursos de Mac.
Tabela 2. Custo estimado por 50 execuções, segundo a palestra
| Cenário | Custo total (50 runs) |
|---|---|
| Mac runners (execução inteira em macOS) | US$ 186 |
| Linux + simuladores hospedados | US$ 78 |
| Diferença (custo extra de manter tudo em Mac) | US$ 108 |
Fonte: a palestra
Na apresentação, o ponto foi que manter o agente em Linux pelo máximo de tempo possível, usando macOS só quando a interação com o simulador realmente exige, é a alavanca de custo mais direta em infraestrutura. Mas o próprio palco reconheceu um limite: não cobriu custo de tokens de modelo, afirmando que esse é outro eixo de otimização relevante para uma "fábrica de software" que fatura por token em vez de por assinatura.
Onde as fontes discordam
As fontes lidas, em geral, sustentam e detalham a tese da apresentação, mas acrescentam camadas de segurança e limite que o palco não tratou:
- A documentação da Expo confirma que cada sessão de Expo Simulators roda em VM isolada própria,






