O trabalho dos pesquisadores Guilherme M. Soares, Lucas S. Vrielink, Juliano A. Wickboldt, Jéferson C. Nobre e Lisandro Z. Granville, do Instituto de Informática da Universidade Federal do Rio Grande do Sul (UFRGS), propõe uma maneira de transformar arquivos de configuração de computadores (como o Docker Compose) em um “mapa inteligente” que uma Inteligência Artificial (IA) consegue entender, permitindo que sejam tiradas dúvidas sobre sua infraestrutura apenas conversando.
O trabalho, apresentado no SBRC 2026, surge num contexto em que contêineres (pequenos sistemas isolados para rodar seus sites e apps) são amplamente utilizados por cerca de 90% das empresas (Nutanix 2025), e há uma complexidade crescente em arquiteturas de microsserviços.
Ferramentas de orquestração como Kubernetes sendo mais utilizadas para gerenciar esta expansão e o aumento da complexidade, levando ao paradigma de Infrastructure as Code (IAC). E ferramentas geralmente utilizadas na automação (linters, CLI) focam apenas nos contêineres que estão sendo executados e nas sintaxes dos arquivos de definição.
Sendo assim, falta uma visão unificada da infraestrutura que forneça uma compreensão de como os componentes interagem, e as soluções existentes não fornecem mecanismos facilitadores como consultas com linguagem natural para auditar dependências transitivas ou riscos de segurança em arquiteturas complexas.
Isso significa que, atualmente, empresas usam centenas de contêineres (pequenos sistemas isolados) e as instruções para esses sistemas ficam em arquivos de texto, que são os chamados docker compose. Mas as ferramentas tradicionais só checam se o texto está escrito corretamente (isto é, sintaxe). Elas não conseguem “enxergar” o quadro geral, como por exemplo: “Se este banco de dados falhar, quais outros 10 serviços vão parar?”.
O sistema proposto pelos pesquisadores transforma arquivos técnicos e frios em um conhecimento ativo que a IA usa para ajudar o administrador do sistema a evitar erros graves e ataques de segurança de forma muito mais rápida e simples. O framework proposto faz um mapa inteligente, ou um grafo de conhecimento, a partir desses arquivos. É como um mapa mental onde cada serviço, rede ou volume é um ponto conectado a outro. O que organiza esse mapa é uma ontologia – ou seja, um conjunto de regras que definem como cada peça pode se conectar a outras (por exemplo: um serviço usa uma imagem, um serviço se conecta a uma rede).
Inovação: uso do Model Context Protocol (MCP) para ligar esse mapa à IA (como o ChatGPT ou Claude)
A grande inovação do projeto é usar o Model Context Protocol (MCP) para ligar esse grafo à IA generativa (como o ChatGPT ou o Claude). Normalmente, a IA inventa respostas, se não souber algo. Com esse sistema, a IA é obrigada a consultar o “mapa inteligente” antes de responder.
Graças ao uso de linguagem natural, não é preciso ser um expert em código. Pode-se perguntar: “Existe algum risco de segurança na minha rede?”, e o sistema analisa todas as conexões para oferecer a resposta.
Os pesquisadores testaram o sistema em situações reais e ele encontrou problemas que ferramentas comuns ignoram, como por exemplo o Efeito Dominó: foi identificado que uma queda de um banco de dados derrubaria um serviço que nem estava conectado a ele diretamente, mas que dependia de outros serviços no meio do caminho.
Outro problema detectado foi a invasão de rede um “caminho escondido” que um hacker poderia usar para pular de uma rede pública para uma rede privada segura (movimentação lateral).
Além disso, foram identificados Conflitos de “Porta”, que acontecem quando dois serviços tentam usar a mesma “entrada” do computador ao mesmo tempo, o que causa um erro na hora de rodar.
O artigo completo dos pesquisadores está disponível neste link