De acordo com relatórios da mídia tecnológica chinesa em meados de setembro, a versão de consumidor do assistente telefônico Doubao da ByteDance está sendo implementada com uma arquitetura de agente que prioriza chamadas de protocolos estruturados — MCP e interfaces no estilo A2A, onde os aplicativos expõem suas capacidades — antes de recorrer ao controle de tela através de um agente GUI.
A notícia principal reside no mecanismo de execução e nas regras do ecossistema, e não no lançamento de um modelo de telefone específico. O Doubao está mudando a abordagem de como o agente no dispositivo interage com serviços de terceiros, pois as compilações preliminares iniciais dependiam fortemente da automação por reconhecimento de imagem (toque e deslize).
De acordo com o caminho híbrido descrito, se um aplicativo já fornecer endpoints MCP ou A2A, o Doubao pode transmitir a intenção e receber resultados estruturados sem a necessidade de controlar a interface do usuário. Na ausência de tal caminho de protocolo, o agente GUI permanece disponível na versão beta, mas o SAEP permite que os desenvolvedores definam limites em nível de página, intenção e ação para o que a automação de tela pode fazer.
A ByteDance estabeleceu um período de acesso público de 30 dias, durante o qual a automação é aplicada por padrão a aplicativos do sistema, aplicativos da ByteDance e aplicativos de terceiros que deram consentimento explícito. Aplicativos que recusarem esse consentimento permanecem excluídos da automação mesmo após o término desse período. Além disso, operações de alto risco, como pagamentos ou publicação de conteúdo, ainda exigem confirmação do usuário.
Relatórios de usuários após o lançamento da versão de consumidor mostram uma abordagem cautelosa: o assistente pode abrir aplicativos como WeChat, lojas ou serviços de entrega de comida, mas recusa a automação interna onde o SAEP ou as regras padrão proíbem. No entanto, aplicativos da família ByteDance executam cenários de múltiplas etapas com mais disposição. Os materiais oficiais apresentam o SAEP como um mecanismo de estabelecimento de limites setoriais, semelhante ao arquivo robots.txt para clientes da era dos agentes — são declarações públicas e passíveis de revisão, e não uma análise oculta de cada interface.
Para os criadores de agentes, o sinal é claro: a prioridade é a integração por meio de protocolos, enquanto o controle GUI serve como uma opção de reserva limitada, operando dentro das restrições declaradas pelo desenvolvedor. O quão amplamente os grandes aplicativos não pertencentes à ByteDance adotarão os hooks MCP/A2A determinará a frequência de uso do Doubao pelo caminho estruturado em comparação com o modo beta GUI.