Saltar para o conteúdo principal

Arquitetura DeFAI: Como os LLMs Estão Substituindo o DeFi Repleto de Cliques por Linguagem Natural

· 14 min de leitura
Dora Noda
Dora Noda
Software Engineer

Em um laboratório de pesquisa no MIT, um agente de IA autônomo acaba de rebalancear um portfólio DeFi de US$ 2,4 milhões em três blockchains — sem que um único humano clicasse em "Approve" na MetaMask. Ele analisou uma instrução em linguagem natural, decompôs-a em dezessete operações on-chain distintas, competiu contra solvers rivais pelo melhor caminho de execução e liquidou tudo em menos de nove segundos. A única entrada do usuário foi uma frase: "Mova minhas stablecoins para o rendimento mais alto entre Ethereum, Arbitrum e Solana."

Bem-vindo ao DeFAI — a camada arquitetural onde grandes modelos de linguagem substituem os painéis confusos, aprovações de várias etapas e dores de cabeça de troca de rede que mantiveram as finanças descentralizadas como um parquinho para usuários avançados. Com 282 projetos de cripto-IA financiados em 2025 e a capitalização de mercado do DeFAI ultrapassando US$ 850 milhões, isso não é mais uma narrativa de whitepaper. É infraestrutura de produção e está reescrevendo as regras de como o valor se move on-chain.

De Transações Imperativas para Intenções Declarativas​

O DeFi tradicional força os usuários a pensar como máquinas. Trocar tokens no Uniswap requer selecionar o par exato, definir a tolerância de slippage, aprovar um contrato de token, confirmar a transação e monitorar falhas — cada etapa é um ponto de erro potencial. As operações cross-chain multiplicam essa complexidade em uma ordem de magnitude: seleção de ponte, estimativa de gás em duas redes, análise de profundidade de liquidez e gerenciamento de exposição a MEV.

A arquitetura baseada em intenções (intents) inverte o modelo. Em vez de especificar como uma transação deve ser executada, os usuários declaram o que desejam alcançar. Uma intenção é uma mensagem assinada — uma declaração declarativa de um resultado desejado. Os detalhes de execução são transferidos para uma rede competitiva de atores especializados chamados solvers, que correm para cumprir a intenção pelo melhor preço possível.

A arquitetura funciona em três estágios:

  1. Expressão de Intenção. O usuário declara seu objetivo: "Troque 1.000 USDC na Ethereum por ETH na Arbitrum com o melhor preço disponível em 10 minutos." Isso pode ser expresso por meio de uma interface estruturada ou, cada vez mais, por meio de linguagem natural processada por um LLM.

  2. Competição de Solvers. A intenção é transmitida a uma rede de solvers que analisam as condições de mercado em DEXs, pontes, mercados de empréstimo e pools de liquidez. Cada solver simula caminhos de execução potenciais e envia sua melhor oferta. O solver vencedor agrupa a transação e paga o gás em nome do usuário.

  3. Liquidação (Settlement). O usuário assina uma vez e recebe o resultado — com proteção de slippage integrada, resistência a MEV e sem transações falhas. O solver absorve o risco de execução.

Isso não é teórico. CoW Swap, UniswapX, Across Protocol e 1inch Fusion já operam leilões de solvers testados em batalha hoje. UniswapX e Across propuseram o ERC-7683, um formato padronizado para intenções cross-chain, abordando o problema da fragmentação onde cada protocolo inventava seu próprio formato de intenção e fluxo de trabalho.

A Camada LLM: Linguagem Natural como uma Interface DeFi​

A peça que faltava e que eleva a arquitetura de intenção de uma melhoria de UX para uma mudança de paradigma é o grande modelo de linguagem (LLM). Os LLMs traduzem a linguagem humana irrestrita em intenções estruturadas e executáveis por máquina — e fazem isso com uma compreensão contextual que nenhum menu suspenso pode igualar.

Aqui está como isso se parece na prática. Um usuário diz a um agente de IA: "Rebalanceie meu portfólio em stablecoins de alto rendimento em três redes." O LLM decompõe isso em:

  • Consultar as posições atuais do portfólio em carteiras conectadas
  • Buscar APYs em tempo real de Aave, Compound, Morpho e Kamino em Ethereum, Arbitrum e Solana
  • Considerar custos de gás, taxas de ponte e risco de perda impermanente (impermanent loss)
  • Gerar um conjunto de intenções que, quando executadas, alcancem o rebalanceamento ideal
  • Rotear cada intenção para a rede de solvers apropriada

A base acadêmica para isso está avançando rapidamente. Pesquisadores da Universidade Nacional de Singapura desenvolveram o framework TIM (Transaction Intent Mining), um sistema LLM multi-agente que usa um Planejador de Meta-Nível para coordenar agentes Especialistas de Domínio — cada um especializado em análise financeira, análise de código ou avaliação de risco. Uma camada de Avaliador de Cognição monitora os resultados para mitigar alucinações. Em benchmarks, o TIM superou significativamente tanto as abordagens de LLM único quanto os modelos tradicionais de aprendizado de máquina na interpretação correta das intenções de transação do usuário.

As implementações práticas já estão ativas:

  • Hey Anon, criado por Daniele Sesta, usa processamento de linguagem natural para simplificar as interações on-chain. Os usuários executam negociações, fazem stake de tokens e gerenciam portfólios por meio de comandos de conversação. Recebeu US20milho~esemfinanciamentodeagentesdeIAdaDWFLabseviuseutokenANONsaltardeUS 20 milhões em financiamento de agentes de IA da DWF Labs e viu seu token ANON saltar de US 10 milhões para US$ 130 milhões em capitalização de mercado.

  • Griffain, construído pelo desenvolvedor principal da Solana, Tony Plasencia, permite que os usuários criem e implantem agentes de IA personalizados para automação DeFi. Sua plataforma apenas para convidados suporta tarefas como investimento médio em dólar (DCA), lançamento de tokens e gerenciamento de portfólio. A capitalização de mercado atingiu US$ 390 milhões no início de 2025.

  • NEUR, o "copiloto inteligente" da Solana, é uma aplicação full-stack de código aberto que combina LLMs com funcionalidade blockchain, integrada ao Jupiter, Pump.fun e Magic Eden.

  • Orbit suporta operações DeFi cross-chain em mais de 100 blockchains e cerca de 200 protocolos, atuando como um companheiro assistido por IA para swaps, pontes, staking e yield farming.

Arquitetura de Quatro Camadas da DeFAI​

Os sistemas DeFAI modernos organizam-se em quatro camadas distintas, cada uma resolvendo uma parte diferente do problema de autonomia:

Camada 1: A Camada de Modelo de IA​

Este é o cérebro computacional — hospedando modelos de aprendizado de máquina que examinam dados de mercado, identificam tendências, preveem eventos e geram insights acionáveis. Os modelos variam de LLMs baseados em transformadores para compreensão de linguagem natural a modelos quantitativos especializados para previsão de preços, análise de liquidez e pontuação de risco.

O DGrid, lançado em janeiro de 2026 como a primeira agregação de gateway descentralizado Web3 para inferência de IA, representa uma peça crítica desta camada. O DGrid roteia solicitações de inferência para nós de computação ideais com base em métricas de staking e desempenho. Seu mecanismo de Prova de Qualidade ( PoQ ) usa verificação criptográfica combinada com teoria dos jogos: os Nós de Verificação amostram aleatoriamente e re-verificam tarefas de inferência, aplicando slashing em tokens $ DGAI de nós que produzem resultados incorretos. Isso garante que cada inferência de IA no stack DeFAI seja transparente, rastreável e auditável.

Camada 2: A Camada de Agentes​

Os agentes de IA servem como intermediários entre usuários e protocolos. Eles interpretam instruções, decompõem objetivos complexos em operações atômicas e interagem diretamente com contratos inteligentes. A Ethereum Foundation reconheceu a importância desta camada ao lançar sua Equipe dAI em setembro de 2025, especificamente para apoiar sistemas de pagamentos e identidade de agentes.

O esforço de padronização está centrado no ERC-8004, finalizado em agosto de 2025, que estabelece registros de Identidade, Reputação e Validação para agentes autônomos. Isso fornece aos agentes de IA credenciais on-chain verificáveis — um pré-requisito para qualquer sistema onde atores não humanos gerenciam valores significativos.

Camada 3: A Camada de Blockchain e Segurança​

Este é o backbone de liquidação. Os agentes executam e liquidam ações on-chain, com a blockchain verificando transações, gerenciando ativos e lidando com a interoperabilidade entre cadeias. Soluções de Camada 2 — Optimism, Arbitrum, zkSync — compactam lotes de transações para alcançar o rendimento que o DeFi impulsionado por agentes exige.

De acordo com o relatório State of Crypto 2025 da a16z Crypto, a Ethereum com Camadas 2 tornou-se a principal escolha para novos desenvolvedores que constroem na interseção cripto - IA. As melhorias no rendimento importam diretamente: estratégias impulsionadas por agentes que reequilibram em múltiplos protocolos em tempo real não podem tolerar confirmações de bloco de 12 segundos e taxas de gás de $ 5.

Camada 4: A Camada de Feedback e Monitoramento​

Esta camada rastreia continuamente o desempenho do agente, valida resultados em relação às intenções do usuário e envia dados de volta para a camada de modelo para melhorias. É o mecanismo de garantia de qualidade que separa os sistemas DeFAI de produção dos experimentos — garantindo que os agentes realmente entreguem o que os usuários pediram e melhorem com o tempo.

A Economia de Solvers: Onde a Competição Impulsiona a Qualidade da Execução​

O modelo de solver introduz um mercado competitivo que alinha incentivos de maneiras que o roteamento DeFi tradicional não consegue. Quando um usuário envia uma intenção, vários solvers competem para cumpri-la. Essa competição reduz custos, melhora a velocidade de execução e fornece proteção MEV integrada — porque os solvers absorvem o risco de MEV em vez de passá-lo para os usuários.

Três forças estão tornando 2026 o ano de ruptura para os sistemas baseados em intenções:

As redes de solvers amadureceram. CoW Swap, UniswapX, Anoma, SUAVE e Across agora executam leilões de nível profissional com centenas de solvers competindo em tempo real, entregando taxas de preenchimento quase perfeitas.

A abstração de cadeia está se tornando dominante. Projetos como NEAR, Agoric e Particle Network estão eliminando pontes visíveis, permitindo que os usuários declarem objetivos entre cadeias enquanto os solvers lidam com a execução multi-chain por baixo.

Os LLMs tornam a expressão de intenções acessível. A interface IntentsGPT da Aperture Finance traduz a linguagem natural em uma Linguagem Específica de Domínio ( DSL ) que os solvers podem processar. O LLM reflete a intenção do usuário de volta em um formato altamente legível para confirmação antes de transmitir para a rede de solvers.

No entanto, a economia de solvers enfrenta um risco de centralização. Solvers verdadeiramente sem permissão — onde qualquer um pode operar um e competir — permanecem raros. Barreiras de alto desempenho favorecem equipes bem financiadas com infraestrutura sofisticada. Sem um fluxo de ordens descentralizado robusto e mecanismos de neutralidade credível, as redes de solvers poderiam se tornar oligopólios silenciosamente piores do que o mempool público de hoje.

Arquitetura de Segurança: Confiança Sem Precisar Confiar​

O modelo de segurança da DeFAI deve abordar uma nova superfície de ameaça: agentes autônomos gerenciando valor real. A abordagem é multi-camadas:

Baselines comportamentais. Os agentes estabelecem padrões operacionais normais para contratos inteligentes e posições de portfólio. Desvios acionam ações protetoras automaticamente — antes que explorações possam drenar fundos.

Verificação criptográfica. O mecanismo de Prova de Qualidade do DGrid garante que os resultados da inferência de IA estejam corretos. Os Nós de Verificação re-executam tarefas aleatoriamente e penalizam provedores de computação desonestos.

Credenciais on-chain. Os registros ERC-8004 fornecem identidade e reputação verificáveis para agentes. Um protocolo de empréstimo pode verificar o histórico on-chain de um agente antes de conceder crédito, assim como um banco verifica a pontuação de crédito de um mutuário.

Guardrails e disjuntores. A maioria dos sistemas DeFAI em produção ainda exige limites definidos pelo usuário — tamanhos máximos de posição, protocolos aprovados, tolerâncias a riscos. A autonomia total continua sendo uma aspiração em vez de uma realidade implementada, e por uma boa razão: as consequências de transações impulsionadas por alucinações são medidas em dinheiro real.

A Escala do Que Está por Vir​

Os números definem a oportunidade. O CoinGecko lista mais de 550 projetos de cripto de agentes de IA com um valor de mercado combinado de aproximadamente $ 4,34 bilhões. Pesquisas da Messari projetam que o DeFAI pode atingir $ 25–50 bilhões até o final de 2025. Os agentes de IA já impulsionam cerca de 15–20 por cento do volume de finanças descentralizadas.

A NVIDIA projetou que a economia de agentes mais ampla poderia exceder um trilhão de dólares. Mesmo que a interseção entre cripto e IA capture uma porcentagem de um único dígito desse valor, as implicações para a infraestrutura on-chain são enormes.

Até meados de 2026, os agentes poderiam gerenciar trilhões em valor total bloqueado (TVL), funcionando como "baleias algorítmicas" que fornecem liquidez, governam DAOs e originam empréstimos com base em pontuações de crédito on-chain. Os participantes de DeFi mais bem-sucedidos podem não ser humanos monitorando painéis, mas sim aqueles que implantam frotas de agentes inteligentes com parâmetros de risco cuidadosamente calibrados.

Os Desafios Sobre os Quais Ninguém Quer Falar​

Três riscos estruturais ameaçam a trajetória do DeFAI:

Déficit de confiança. Os usuários podem hesitar em delegar autoridade financeira a sistemas autônomos. Cada mau funcionamento de agente de alto perfil — e haverá maus funcionamentos — erodes a confiança em toda a categoria.

Incerteza regulatória. Os quadros jurídicos para ações impulsionadas por agentes estão quase inteiramente subdesenvolvidos. Quando um agente autônomo executa uma negociação que viola a lei de valores mobiliários, quem é o responsável — o usuário, o desenvolvedor do agente ou o solver?

Risco sistêmico. Se centenas de milhares de agentes usarem modelos e dados semelhantes, eles convergirão para estratégias semelhantes. Durante o estresse do mercado, esse comportamento de manada poderia amplificar as quedas de formas que os traders humanos, com sua tomada de decisão idiossincrática, não fariam. O DeFAI precisa de seus próprios circuit breakers — e a indústria ainda não os construiu.

O Veredito Final​

O DeFAI não é uma reformulação das narrativas existentes de IA e cripto. É uma tese arquitetônica específica: grandes modelos de linguagem (LLMs) como a camada de interface, execução baseada em intenções como o modelo de transação, solvers competitivos como o mecanismo de otimização e agentes autônomos verificados como a espinha dorsal operacional. Cada camada resolve um problema real — acessibilidade, qualidade de execução, eficiência de custos e coordenação sem confiança (trustless).

A infraestrutura está ativa. Os padrões estão sendo ratificados. O financiamento está fluindo. O que resta é o trabalho árduo de tornar esses sistemas confiáveis o suficiente para que os usuários confiem neles com capital real, e resilientes o suficiente para que não se tornem o próximo vetor de risco sistêmico para as finanças descentralizadas.

Para desenvolvedores que constroem nesta interseção, a escolha da infraestrutura importa. A pilha DeFAI exige acesso à blockchain de baixa latência, dados cross-chain confiáveis e infraestrutura de nós de alto rendimento que possa acompanhar os volumes de transações impulsionados por agentes.

BlockEden.xyz fornece acesso a APIs de blockchain de nível empresarial e infraestrutura de nós em Ethereum, Solana, Sui, Aptos e mais de 20 redes — a camada de base que os agentes DeFAI precisam para uma execução on-chain confiável e de alto rendimento. Explore nosso marketplace de APIs para construir infraestrutura de DeFi autônoma projetada para a era dos agentes.

Fontes:

Share on Twitter