WaveSpeedAI
← Blog

claw-code vs Claude Code: O Que É Realmente Diferente?

claw-code é uma reescrita em Python do harness do Claude Code. Esta análise cobre o que é igual, o que está faltando e quando cada um faz sentido para desenvolvedores.

9 min read
claw-code vs Claude Code: O Que É Realmente Diferente?

Acordei no primeiro dia de abril esperando rolar pela timeline cheia de memes. Em vez disso, meu feed estava pegando fogo — a Anthropic havia publicado acidentalmente o código-fonte completo do Claude Code dentro de um pacote npm, e um desenvolvedor na Coreia já havia reconstruído a arquitetura central do zero e enviado para o GitHub. Quando fui buscar café, o repositório já havia ultrapassado 30.000 estrelas.

Esse repositório é o claw-code. E se você está tentando entender se ele é realmente utilizável, seguro para produção, ou apenas um artefato interessante de uma noite caótica — esta análise é para você.

Posicionamento em uma linha de cada um

Claude Code é o agente de codificação oficial da Anthropic, nativo do terminal. Ele roda no seu CLI ou IDE, entende toda a sua base de código, lida com operações git, executa testes e é sustentado pela infraestrutura e equipe de segurança da Anthropic. Requer uma assinatura Claude Pro ou Max (~$20/mês).

claw-code é uma reescrita open-source de sala limpa da arquitetura do agente Claude Code, construída em Python e Rust pelo desenvolvedor Sigrid Jin nas horas seguintes ao último vazamento do código-fonte. Ele captura os padrões arquiteturais do Claude Code sem copiar código proprietário. Gratuito, auto-hospedado e em desenvolvimento ativo.

Estes não são concorrentes diretos no sentido tradicional. Um é um produto polido com suporte empresarial. O outro é um estudo de arquitetura orientado pela comunidade que, por acaso, realmente funciona.

Comparação da arquitetura central

Linguagem e runtime

O código-fonte vazado do Claude Code tinha aproximadamente 512.000 linhas de TypeScript em 1.906 arquivos — uma base de código massiva e testada em batalha, enviada como pacote npm. Ele roda no Node.js, integra-se diretamente ao VS Code e JetBrains via extensões, e transmite respostas via SSE.

O claw-code é construído com um híbrido Python + Rust. De acordo com os próprios documentos de arquitetura do projeto, o Rust atualmente compreende 72,9% da base de código (caminhos críticos de desempenho, um parser JSON sem dependências, fluxo OAuth PKCE, renderização de terminal) enquanto o Python lida com orquestração de agentes e integração LLM em 27,1%. Existe um branch ativo dev/rust visando um runtime totalmente seguro em memória.

A diferença prática: o Claude Code é estável, testado em batalha e roda com um único npm install. O claw-code requer configuração Python, ainda está em desenvolvimento ativo e a migração para Rust ainda não foi mesclada à branch principal.

# Instalação do Claude Code — um comando, pronto
npm install -g @anthropic-ai/claude-code

# claw-code — clone, configure, execute
git clone https://github.com/instructkr/claw-code
cd claw-code
pip install -r requirements.txt
python src/main.py

Suporte a orquestração multi-agente

Esta é uma das partes mais fascinantes do vazamento. A arquitetura interna do Claude Code inclui um sistema de “enxame” para gerar sub-agentes que paralelizam tarefas de engenharia complexas — cada um rodando em contextos isolados com acesso à memória compartilhada. A especificação do Model Context Protocol fornece o padrão subjacente para como essas interações de chamada de ferramenta são estruturadas.

O claw-code documenta e reimplementa isso através da sua ferramenta Agent — um gerador de sub-agentes que decompõe grandes tarefas em subtarefas executáveis independentemente. Se a qualidade da coordenação corresponde ao ajuste de produção do Claude Code ainda não foi testado em escala, mas o padrão arquitetural está lá.

MCP e integração de ferramentas

Ambas as ferramentas suportam o Model Context Protocol. A implementação do claw-code documenta seis tipos de transporte: Stdio, SSE, HTTP, WebSocket, SDK e ClaudeAiProxy — com normalização automática de nomes, hashing de configuração e autenticação OAuth. Isso é, na verdade, uma área de superfície mais ampla no papel do que muitos desenvolvedores esperam de uma reescrita comunitária.

O suporte MCP do Claude Code é mais maduro e melhor documentado no site de documentação do Claude Code, com integrações oficiais testadas contra implementações reais de servidor. Para fluxos de trabalho MCP em produção, isso importa.

Modelo de permissões e sandboxing

O Claude Code roda com controles de permissão explícitos e granulares. Quando precisa de acesso a arquivos ou execução de shell, ele pede. A Anthropic mantém infraestrutura de segurança dedicada, realiza auditorias regulares e gerencia o limite de confiança entre o agente e seu sistema. O recurso Remote Control adicionado no início de 2026 oferece acesso móvel nativo sem expor portas de entrada.

O claw-code implementa uma camada de gerenciamento de contexto de permissões (veja permissions.py na árvore de código-fonte) com 19 ferramentas controladas por permissão. Cada ferramenta — leitura de arquivo, execução Bash, operações Git, raspagem web, integração LSP — tem seus próprios controles de acesso. A arquitetura é sólida. A questão é o quão minuciosamente ela foi auditada.

Vale notar: um ataque à cadeia de suprimentos em 31 de março de 2026 afetou instalações do Claude Code baseadas em npm durante a janela do vazamento. O claw-code em si não foi afetado, mas o ecossistema mais amplo justifica cautela. O guia OWASP sobre segurança da cadeia de suprimentos de software vale a pena revisar antes de implantar qualquer agente de terceiros em produção.

O que o claw-code tem, o que ainda está faltando

Status atual de paridade de recursos

O que está bloqueado por flags não lançados no original

O vazamento do código-fonte revelou 44 flags de funcionalidades compilados na base de código do Claude Code — dos quais 20 permanecem desativados para usuários externos. Isso é um pipeline interno substancial à frente dos lançamentos públicos. Três se destacam:

Modo KAIROS: Um assistente proativo em execução contínua que observa seu ambiente de desenvolvimento e toma ações autônomas sem esperar pela entrada do usuário. Sustentado por um log independente de apenas acréscimo.

Modo ULTRAPLAN: Transfere o planejamento arquitetural complexo para um contêiner de nuvem remoto executando um modelo de classe Opus com até 30 minutos de tempo de raciocínio dedicado e fluxos de trabalho de aprovação humana baseados em navegador.

Serviço autoDream: Um mecanismo de consolidação de memória em segundo plano — descrito internamente como o mecanismo de “sonho” do sistema — que reorganiza padrões aprendidos e poda contexto obsoleto durante o tempo ocioso.

Nenhum destes está implementado no claw-code ainda. Eles representam a lacuna entre o que você pode fazer engenharia reversa e o que leva meses de ajuste de produção para tornar confiável.

Matriz de decisão: quando cada um faz sentido?

Uso experimental e pesquisa de arquitetura

O claw-code é genuinamente interessante aqui. Se você quer entender como um agente de codificação com IA de nível de produção realmente conecta ferramentas, gerencia contexto de runtime e orquestra sub-agentes — a base de código é legível, documentada, e o repositório GitHub inclui uma auditoria de paridade contra o código-fonte TypeScript. Para desenvolvedores estudando design de sistemas agênticos, isso é valioso.

O blog de pesquisa da Anthropic sobre arquiteturas de agentes fornece contexto útil para entender de onde vieram as escolhas de design no Claude Code.

Fluxos de trabalho agênticos de nível de produção

Claude Code. Não porque o claw-code não seja inteligente — é — mas porque fluxos de trabalho de produção precisam de estabilidade, auditorias de segurança oficiais, qualidade de modelo consistente e suporte quando as coisas quebram às 2h da manhã. A recuperação de erros do Claude Code em sessões longas e sua retenção de contexto são recursos que foram ajustados contra bilhões de tokens reais.

Critérios de avaliação para equipes

Use esta tabela honestamente:

Perguntas frequentes

P: O claw-code está pronto para produção?

Ainda não, na minha avaliação honesta. A base em Python é funcional para tarefas delimitadas, mas a reescrita em Rust ainda está em andamento em um branch separado, as integrações com IDE não existem e a orquestração multi-agente não foi testada em escala. Está avançando rapidamente — 48 mil estrelas em dias significa muitos contribuidores — mas “arquitetura interessante” e “pronto para produção” são barras diferentes.

P: O claw-code suporta servidores MCP?

Sim, no papel. O projeto documenta seis tipos de transporte incluindo Stdio, SSE, HTTP e WebSocket. Na prática, a implementação é mais nova e menos testada do que a do Claude Code. Se a estabilidade do servidor MCP importa para seu fluxo de trabalho, o Claude Code é mais seguro por enquanto. Verifique a especificação MCP para entender o que a conformidade completa realmente requer.

P: O claw-code pode se conectar a provedores de modelos não-Anthropic?

Sim — esta é uma de suas vantagens genuínas. O claw-code é projetado com uma camada de abstração LLM agnóstica ao provedor, o que significa que você pode apontá-lo para OpenAI, Gemini ou modelos locais via Ollama. O Claude Code está bloqueado nos modelos da Anthropic. Se a flexibilidade de modelos importa (e ela importa cada vez mais à medida que o cenário muda), o claw-code tem uma vantagem estrutural aqui.

P: O que acontece se a Anthropic tomar mais ações legais contra o claw-code?

O projeto é projetado como uma reescrita de sala limpa — nenhum código proprietário foi copiado, apenas padrões arquiteturais foram estudados e reimplementados independentemente. Essa é a mesma abordagem legal usada com sucesso por projetos como Wine e ReactOS. Dito isso, a Anthropic não emitiu nenhuma ação legal pública contra o repositório instructkr até o momento da escrita. O mantenedor do projeto é explícito sobre a metodologia de sala limpa no README.

P: A reescrita em Rust do claw-code está mais próxima do uso em produção?

O branch dev/rust está ativo, e a própria documentação do projeto diz que o espaço de trabalho Rust de 6 crates inclui 16 módulos de runtime com caminhos críticos de desempenho já implementados. Mas “desenvolvimento ativo” e “pronto para merge” são coisas diferentes. Com base na atividade atual, eu esperaria que o núcleo Rust se estabilizasse nos próximos meses — mas não construa um pipeline de produção com base nessa suposição de cronograma.

Posts anteriores:

Compartilhar