Ferramentas do Ecossistema OKF

Curadoria honesta das ferramentas que existem hoje (jun/2026) ao redor do Open Knowledge Format. Para cada item: o que faz, como usar, onde encontrar, e minha opinião sobre maturidade.

1. Enrichment Agent (OKF — BigQuery → Bundles)

O que é: Um agente de referência que ingere metadata de uma fonte plugável (hoje BigQuery) e emite um bundle OKF completo — diretório de markdowns com YAML frontmatter prontos para humanos, LLMs e ferramentas de catálogo.

Como funciona:

BQ pass: Gera um doc OKF por conceito usando apenas metadados do BigQuery (schemas, descrições, tabelas).
Web pass: Aqui o bicho fica interessante. O LLM (Gemini via ADK) vira o próprio crawler. Recebe uma lista de seed URLs (via --web-seed ou --web-seed-file), busca via tool fetch_url, e decide sozinho quais links outbound vale a pena seguir — basicamente: “isso parece documentação autoritativa pro conceito X?” Se sim, segue. Pra cada página buscada, ele toma uma de três decisões:
- (a) Enrich — adiciona citações, schemas ou join paths a docs existentes
- (b) Mint — cria um doc standalone em references/<slug> pra aquela página
- (c) Skip — não vale o token
Pra não virar um webcrawl descontrolado: --web-max-pages define um cap hard e --web-allowed-host restringe por same-domain. Use --no-web pra pular o web pass inteiro.

Stack: Python 3.13, Google Agent Development Kit (ADK), Gemini como backend de modelo.

Como rodar:

# Instalar
python3.13 -m venv .venv
.venv/bin/pip install -e .[dev]

# Credenciais
gcloud auth application-default login
export GEMINI_API_KEY=<sua-key>  # ou Vertex AI

# Rodar (mínimo)
.venv/bin/python -m enrichment_agent enrich \
    --source bq \
    --dataset <project>.<dataset> \
    --web-seed-file seeds.txt \
    --out ./bundles/<nome>

# Só BigQuery (sem web crawl)
.venv/bin/python -m enrichment_agent enrich \
    --source bq \
    --dataset bigquery-public-data.ga4_obfuscated_sample_ecommerce \
    --no-web \
    --out ./bundles/ga4

Bundles de exemplo incluídos:

bundles/ga4/ — GA4 e-commerce
bundles/stackoverflow/ — Stack Overflow public dataset
bundles/crypto_bitcoin/ — Bitcoin blocks/transactions

Link: github.com/GoogleCloudPlatform/knowledge-catalog/tree/main/okf

Limitações:

Só BigQuery como source (interface Source existe mas nenhuma outra implementação)
Exige Gemini API key ou Vertex AI configurado
O web pass pode consumir bastante token se os seeds forem muitos
Não suporta incremental updates — roda do zero cada vez

🟡 Maturidade: Proof of concept funcional. Os bundles gerados são legítimos e úteis, mas o agente em si é uma demo do que é possível, não um produto pronto. Funciona de verdade para datasets públicos do BigQuery. Para uso em produção, você vai querer customizar o prompt e os seeds.

2. Static HTML Visualizer (viz.html)

O que é: Um subcomando visualize que pega qualquer bundle OKF e gera um arquivo HTML self-contained — grafo interativo de conceitos, painel de detalhes, busca, filtros por tipo, backlinks. Zero backend, zero instalação no lado do viewer.

O que mostra:

Grafo force-directed (Cytoscape.js) com nós coloridos por tipo
Painel lateral com frontmatter + body renderizado em markdown
Links internos navegáveis dentro do viewer
Seção “Cited by” (backlinks computados)
Busca por título, ID, tags
Layouts alternativos (cose, concentric, breadthfirst, circle, grid)

Como gerar:

.venv/bin/python -m enrichment_agent visualize --bundle ./bundles/ga4
# Gera bundles/ga4/viz.html

# Customizar
.venv/bin/python -m enrichment_agent visualize \
    --bundle ./bundles/crypto_bitcoin \
    --out /tmp/btc.html \
    --name "Bitcoin OKF"

Como consumir: Abra o viz.html em qualquer browser moderno. Pode hospedar em file server estático, compartilhar por email, commitar no repo.

Link: Mesmo repo — okf/README.md#visualize

Limitações:

Bundles muito grandes podem gerar HTMLs pesados (tudo é inline no JSON)
O viewer é um SPA minimal — não tem paginação, não tem lazy loading
Depende de CDN para Cytoscape.js e marked.js (não é 100% offline sem ajuste)

🟢 Maturidade: Funciona de verdade. É simples, faz o que promete, e os viz.html commitados no repo são ótimos para demo. Para bundles de 10-50 conceitos, perfeito. Para 500+, provavelmente precisa de otimização.

3. Metadata as Code (kcmd) — Sync com Knowledge Catalog

O que é: Ferramenta de sync bidirecional entre metadata local (YAML/markdown no filesystem) e o Google Cloud Knowledge Catalog (antigo Dataplex). Pense em “git para metadados” — você edita localmente e faz push/pull para o catálogo cloud.

Formato: YAML para entries, sidecar .md para conteúdos ricos (overviews, descriptions). Organização hierárquica espelhando a estrutura de recursos.

Distribuição: TypeScript library (npm install kcmd), CLI standalone (kcmd), e MCP server.

Como usar (CLI):

# Inicializar snapshot de um dataset BigQuery
kcmd init --bigquery-dataset <projectId>.<datasetId>

# Puxar metadata do catálogo
kcmd pull

# Ver mudanças locais
kcmd status

# Enviar mudanças para o catálogo (com dry-run)
kcmd push --dry-run
kcmd push

Como usar (MCP Server):

{
  "mcpServers": {
    "kc-mac": {
      "command": "kcmd",
      "args": ["mcp", "--path", "/path/to/root"]
    }
  }
}

Tools MCP disponíveis: pull, push, list-entries, lookup-entry, modify-entry.

Link: github.com/GoogleCloudPlatform/knowledge-catalog/tree/main/toolbox/mdcode

Limitações:

Exige projeto GCP com Knowledge Catalog habilitado
Autenticação via gcloud (não suporta service accounts direto)
O formato YAML/sidecar é diferente do OKF puro (mais voltado para o catálogo Dataplex)
Documentação ainda esparsa — o docs/concept.md referenciado existe mas é conceitual

🟡 Maturidade: Early product, mas bem estruturado. A CLI funciona, o MCP server é real, e o workflow push/pull faz sentido. O fato de ter library + CLI + MCP mostra intenção de ser usado em ambientes variados. Ainda não tem releases versionadas no npm.

4. Enrichment Agent (Toolbox — kcenrich)

O que é: Uma versão mais “production-oriented” do enrichment, integrada ao workflow do kcmd. Diferente do agente OKF (que gera bundles standalone), este enriquece metadata que já está no formato do catálogo.

Diferença do agente OKF:

O OKF agent gera bundles markdown autônomos
O kcenrich enriquece snapshots do Knowledge Catalog (formato kcmd)
Usa MCP servers como sources (ex: md-fileset para crawlear docs locais)
Customizável via prompt.md + diretório de tools/skills/

Como usar:

# Pré-requisito: ter um snapshot kcmd já inicializado
kcmd init --bigquery-dataset <project>.<dataset>
kcmd pull

# Rodar enrichment com tools customizados
kcagent enrich --catalog-path . --tools-path tools --prompt-path prompt.md

Link: github.com/GoogleCloudPlatform/knowledge-catalog/tree/main/toolbox/enrichment

Limitações:

Depende do kcmd (Metadata as Code) configurado
O demo funciona mas requer setup BigQuery real
Ainda não tem release binário standalone

🟠 Maturidade: Mais proof of concept que produto. O demo é didático e funciona, mas é claramente um showcase de como combinar MCP + skills + catálogo. Não é “instala e sai usando” — precisa montar a infra de tools ao redor.

5. Google Cloud Knowledge Catalog (Ingestão Nativa)

O que é: O produto GCP (antigo Dataplex) que serve como catálogo de metadados AI-powered. É o “backend oficial” que o ecossistema de ferramentas acima sincroniza.

Features relevantes para OKF:

🆕 Ingestão nativa de OKF — Sim, o Knowledge Catalog agora engole bundles OKF direto e serve pros agentes. Sem conversão, sem middleware. Veja o demo e código.
Harvesting automático de BigQuery, AlloyDB, Spanner, Cloud SQL, Firestore, Looker
Integrações 3P: Ab Initio, Anomalo, Atlan, Collibra, Datahub
Enrichment nativo com Gemini — gera descrições, glossários, mapeia entidades
Semantic search sub-segundo para agentes
Context APIs + MCP tools para que agentes descubram assets
Data products — empacotamento de assets com SLAs e governança

Pricing (resumo):

Free tier: 100 DCU-hour/mês + 1 MiB storage + 1M API calls/mês
Standard: $0.06/DCU-hour
Premium (lineage, quality, profiling): $0.089/DCU-hour
Storage: $2/GiB/mês (acima de 1 MiB)

Link: cloud.google.com/products/knowledge-catalog

Limitações:

Vendor lock-in GCP (o kcmd é a ponte para portabilidade)
Pricing pode escalar rápido com muitos DCU-hours
O “formato nativo” NÃO é OKF — OKF é a camada portável que interopera

🟢 Maturidade: Produto GA do Google Cloud. É real, funciona em produção, tem SLA, tem suporte enterprise. O Knowledge Catalog em si está maduro — o que é novo são as ferramentas open-source ao redor.

6. Possíveis Integrações

6.1 Obsidian

Status: Não existe plugin oficial, mas o OKF foi deliberadamente desenhado para funcionar com Obsidian out-of-the-box.

Por que funciona:

Bundles OKF são diretórios de .md com YAML frontmatter — exatamente o que o Obsidian espera
Links internos funcionam como wikilinks (paths relativos)
Tags no frontmatter aparecem nativamente no Obsidian
O index.md funciona como nota índice

Como usar hoje:

Gere um bundle OKF com o enrichment agent
Abra o diretório do bundle como vault no Obsidian
Navegue, edite, use o graph view nativo

O que faltaria para um plugin real:

Validação inline (lint de conformidade OKF)
Template para criação de novos conceitos
Sync com Knowledge Catalog via kcmd

🟢 Compatibilidade natural. Não precisa de plugin — funciona por design. Um plugin seria nice-to-have para validação, mas não é blocker.

6.2 GitHub Actions

Status: Nenhum Action oficial publicado, mas os comandos são todos scriptáveis.

Workflows possíveis:

# .github/workflows/okf-validate.yml
name: Validate OKF Bundle
on: [push, pull_request]
jobs:
  validate:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.13'
      - run: pip install okf-validator  # quando existir
      - run: okf validate ./bundles/

# .github/workflows/okf-enrich.yml (mais avançado)
name: Enrich on Schedule
on:
  schedule:
    - cron: '0 6 * * 1'  # Toda segunda
jobs:
  enrich:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: pip install -e ./okf[dev]
      - run: |
          python -m enrichment_agent enrich \
            --source bq --dataset ${{ secrets.BQ_DATASET }} \
            --no-web --out ./bundles/weekly
      - uses: peter-evans/create-pull-request@v6
        with:
          title: "chore: weekly OKF enrichment"

🟡 Potencial alto, implementação zero oficial. O workflow de “enrich → commit → PR” é natural para OKF. Nosso projeto (okf.md) poderia publicar um Action reutilizável como diferencial.

6.3 MCP Servers

Status: O kcmd mcp é real e documentado. É o ponto de integração mais maduro.

O que o MCP server do kcmd oferece:

Tool	Descrição
`pull`	Puxa metadata mais recente do Catalog
`push`	Envia mudanças locais para o Catalog
`list-entries`	Lista entries no snapshot local
`lookup-entry`	Busca entry específico + metadata
`modify-entry`	Modifica entry no snapshot

Onde usar:

Gemini CLI / Google AI Studio
Claude Desktop (via MCP config)
Cursor / VS Code (qualquer editor com suporte MCP)
Agentes customizados (LangChain, ADK, etc.)

Também existe: O md-fileset MCP server (usado pelo toolbox/enrichment) para navegar diretórios de markdown como knowledge base.

🟢 Maturidade do kcmd MCP: Funcional. Está documentado com exemplo de config JSON, tools claras. O md-fileset é mais básico mas serve como padrão.

6.4 Coding Agents (Claude, Codex, Cursor, Gemini)

Status: Nenhuma skill oficial publicada (essa é justamente a oportunidade do nosso projeto).

O que existe hoje:

O README do OKF funciona como documentação para um agente entender o formato
O SPEC.md é legível o suficiente para um LLM gerar bundles conformantes
O toolbox/enrichment usa tools/skills/ como diretório de skills do agente

O que falta (e onde entramos):

Uma skill .md standalone que ensine qualquer agente a produzir OKF
Validação em tempo de geração (o agente checa conformidade antes de salvar)
Templates reutilizáveis para cenários comuns (SaaS metrics, analytics, APIs)

Padrão de skill que o toolbox já usa:

---
name: fileset-source
description: >
  Use the fileset source to find relevant markdown documents...
---

[instruções de uso das tools]

🟡 Oportunidade clara. O formato OKF foi feito para ser agent-friendly, mas ninguém empacotou isso como skill distribuível ainda. Nosso okf-skill será o primeiro.

Mapa de Maturidade

Pra uma visão visual de onde cada ferramenta se encontra (maturidade × barreira de entrada), veja o Mapa do Ecossistema dedicado.

Conclusão

O ecossistema OKF tem duas camadas claras:

Camada portável (OKF puro): Format spec + enrichment agent + visualizer. Funciona standalone, sem GCP. É onde vivem as oportunidades para comunidade.
Camada enterprise (Knowledge Catalog): kcmd + kcenrich + catálogo GCP. Funciona em produção mas exige infra Google Cloud.

Nosso projeto (okf.md / okf.ia.br) se posiciona na camada 1 — tornando OKF acessível, validável e produzível por qualquer agente, sem dependência de cloud provider.

7. Ferramentas da Comunidade

A spec OKF saiu em 12 Jun 2026. Em semanas, implementações independentes apareceram em todas as categorias.

Geradores & Produtores

Ferramentas que criam bundles OKF a partir de conteúdo existente.

AgentFitech

Startup que construiu suporte OKF (producer + consumer) no dia seguinte ao lançamento. Documentaram no Medium: “Google just standardized ‘How AI Agents read the web’. Here’s how we shipped it in a day.”

Takeaway: O formato é simples o suficiente pra um time pequeno ir de zero a conformante em um sprint.

Link: medium.com/@AgentFitech

kb.duyet.net

Um desenvolvedor (Duyet) converteu sua base de conhecimento existente para um bundle OKF strictly-conformant — tópicos aninhados, timestamps ISO-8601, index files reservados.

Takeaway: Se você já tem documentação em markdown, converter pra OKF é trivial. Adicione type ao frontmatter. Pronto.

Link: kb.duyet.net

Padrões & Profiles

Extensões formais e profiles construídos em cima do OKF.

W3C Holon CG (DataBook)

O W3C Holon Community Group (30+ participantes na reunião inaugural, 19 Jun 2026) está propondo DataBook como um profile formal do OKF para semantic web.

O que DataBook adiciona sobre OKF:

Identidade baseada em IRI (URIs dereferenciáveis como IDs de conceito)
Blocos tipados com RDF (Turtle, JSON-LD), SPARQL, SHACL
Push para triplestore SPARQL via Graph Store Protocol
Versionamento e proveniência de autor

Implicação: A comunidade Semantic Web vê OKF como base layer válida para estender — não como competidor. Valida a decisão de design extensível do OKF.

Link: The Ontologist — “The Format Convergence”

🟡 Maturidade: Proposta. Se aterrizar, OKF ganha tipagem ontológica formal de graça via profiles.

Publicação & Visualização

Ferramentas que transformam bundles em sites ou grafos visuais.

Suganthan Web Converter

Cola uma URL ou sitemap, ele crawlea até 100 páginas, arranca o HTML decorativo, converte cada uma em conceito OKF com cross-links, e te entrega o bundle num zip. O grafo visual — pontos pras páginas, linhas pros links — já vale a pena rodar sozinho. Você enxerga páginas órfãs em segundos.

Link: suganthan.com/free-seo-tools/okf-generator/

🟡 Maturidade: Funcional. Opera no nível de página (um arquivo por página). Extração real de conceitos — puxar ideias distintas de dentro da prosa — é o próximo passo que ninguém resolveu ainda.

Suganthan WordPress Plugin

Provavelmente o caminho mais rápido pra ter um bundle OKF ao vivo se seu site roda WordPress. Instala o plugin, ativa, e o conteúdo já tá servindo em /okf/. Sem etapa de export, sem cron, sem manter arquivos markdown na mão.

O plugin escuta eventos de publicação e edição. Toda vez que você clica “Atualizar” num post, o bundle reconstrói. No painel, aparece um grafo dos links internos — mesmo motor da ferramenta web acima, só que plugado direto no WordPress.

Na prática:

Posts e páginas viram arquivos de conceito OKF (frontmatter + body em markdown limpo)
Serve em seusite.com/okf/ com pretty permalinks, ou seusite.com/?okf=index.md sem
Página de settings pra incluir/excluir por tipo de post
GPL, gratuito, open source — só leitura (nunca mexe no seu conteúdo, remover não deixa rastro)

Precisa de: WordPress 6.0+, PHP 7.4+, pretty permalinks ligados (Configurações → Links Permanentes — qualquer opção exceto “Simples”).

Instalar:

Pega o zip: uploads.suganthan.com
Plugins → Adicionar Novo → Upload de Plugin → seleciona o zip → Instalar → Ativar
Pronto. Confere o menu OKF pro grafo. Já tá ao vivo em /okf/.

Também submetido ao Diretório de Plugins do WordPress — aguardando revisão.

Link: suganthan.com/blog/open-knowledge-format/

🟢 Maturidade: Pronto. WordPress roda uns 40% da web. Pra essa fatia, é instalar e esquecer — o bundle fica atualizado sem você pensar nisso.

superops-team/okf CLI

CLI em Go que escaneia um repositório Git e gera um bundle OKF a partir do código-fonte — roda okf init e pronto, aparece um diretório .okf/knowledge/ com um conceito por arquivo relevante. Vem com updates incrementais via git hooks, linter embutido (13 regras), e engine de busca por tipo, tags ou texto livre.

O que chama atenção:

okf init → escaneia o repo, gera o bundle
okf hook -type post-commit → instala git hook que mantém o bundle atualizado a cada commit
okf lint → valida contra a spec OKF (erros pra type/title ausentes, warnings pra estilo)
okf search -q "database" → filtra por tipo, tags ou texto
Updates incrementais — só regenera conceitos dos arquivos que mudaram desde o último commit

Instalar: one-liner (curl | bash), go install, ou binários pré-compilados (Linux, macOS, Windows — amd64/arm64).

# One-liner
curl -fsSL https://raw.githubusercontent.com/superops-team/okf/main/scripts/install.sh | bash

# Ou via Go
go install github.com/superops-team/okf/cmd/okf@latest

Stack: Go, licença Apache 2.0. v1.2.0 lançada em 16 Jun 2026.

Link: github.com/superops-team/okf

🟢 Maturidade: Funcional, com release. Arquitetura limpa (pacotes separados pra parsing, linting, querying, git). A abordagem de git hook preenche um gap real — a maioria das outras ferramentas são geradores one-shot, essa mantém o bundle em sync conforme o código evolui. Comunidade pequena (10 stars), mas entregou com stress tests e binários cross-platform.

Validadores & Linters

Ferramentas que checam conformidade OKF.

okflint (Linter)

Lembra daquele gap na página que dizia “um plugin de validação seria legal, mas não trava nada”? O okflint é exatamente isso — só que como CLI, não plugin. Um linter determinístico (zero LLM) que valida bundles OKF contra a spec e contra as regras que você declarou no seu próprio manifesto.

A analogia mais honesta: é o Ruff da documentação. Roda, aponta, sai com exit code. Pronto.

Dois comandos, filosofias distintas:

okflint audit — radiografia da base. Links quebrados, candidatos a split, estatísticas. Sempre exit 0 — é observação, não gate.
okflint validate — portão de CI. Passou? exit 0. Não passou? exit 1. Ponto. Feito pra pre-commit hook e pipeline.

O pulo do gato é o sistema de três etapas:

Etapa	Quem manda	Regras	Se violar
Cœur OKF (§9)	A spec — inegociável	F001, F002, R001, R002	erro → exit 1
Profil	Seu manifesto	F101–F106, S101–S102	erro → exit 1
Hygiène	Opt-in, mais exigente que OKF	L001–L003, S201, R201, F201	warning → exit 0

A sacada é a camada do meio. OKF é deliberadamente mínimo (só exige type no frontmatter, basicamente). Mas na prática todo time quer mais: “todo ADR precisa ter campo created”, “status só pode ser draft/prod/obsoleto”. O okflint te deixa declarar isso num YAML (okf-base.yaml) e depois cobra. Nenhum vocabulário vem hardcoded — a engine é genérica.

Outro detalhe que importa pra quem usa Obsidian: ele resolve [[wikilinks]] contra a vault inteira, não só contra o bundle. Ou seja, um link pra uma nota fora do bundle não dispara falso positivo.

Instalar:

# Via uv (recomendado)
uv tool install okflint

# Ou pip, se preferir
pip install okflint

# Validar um bundle
okflint validate --manifest okf-base.yaml ./meu-bundle/

Na CI fica assim:

- name: Validate OKF conformance
  run: |
    pip install okflint
    okflint validate --manifest docs/okf-base.yaml docs/

18 regras documentadas (com exemplo de erro e correção pra cada uma), saída JSON pra quem quer parsear no pipeline.

Stack: Python 3.12+, MIT. v0.1.0 saiu em 27 Jun 2026.

Links: github.com/mattdav/okflint · PyPI · API docs

Autor: mattdav

Como se encaixa com o superops-team/okf: são complementares, não concorrentes. O CLI Go gera bundles a partir de código-fonte e mantém em sync via git hook. O okflint não gera nada — só valida. Um produz, outro gateia. Faz sentido usar os dois juntos.

🟢 Maturidade: Com release. Escopo afiado — faz uma coisa e faz bem. O diferencial real é o sistema de profiles: você declara suas regras, ele cobra. Sem mágica, sem IA, sem opinião embutida.

Kiso (Publishing)

Kiso é um engine de publicação que pega seu bundle OKF e cospe um site estático pronto — com llms.txt e sitemap.xml gerados automaticamente. Ou seja: um comando e você tem um site legível por humanos e por agentes de IA ao mesmo tempo.

O que chama atenção: a CLI é enxuta de verdade — só dois comandos. check valida a estrutura do seu markdown antes de qualquer coisa, build gera o site. Tem GitHub Action pronta, suporte a temas DaisyUI, e um sistema de publishing profiles (.kiso/<perfil>/configuration.yaml) que deixa você manter configs diferentes pro mesmo bundle.

Quick start:

# Valida a estrutura do bundle
./kiso-cli check --source=meu-bundle

# Gera o site estático
./kiso-cli build --source=meu-bundle --destination=public

GitHub Action:

- name: Build com Kiso
  uses: oak-invest/kiso/applications/kiso-cli-action@v0.1.3
  with:
    command: build
    source: meu-bundle
    destination: public

Configuração (.kiso/configuration.yaml):

site:
  baseUrl: https://knowledge.example.com/
  language: pt
  title: Minha Base de Conhecimento
  description: Documentação para humanos e agentes de IA

theme:
  name: corporate

content:
  ignorePatterns:
    - drafts/**
    - interno/**

Stack: Java · Apache-2.0 · v0.1.5 (Jul 2026)

Link: github.com/oak-invest/kiso · Site

🟢 Maturidade: Com release. Funciona, tem CI action, tem releases tagueadas — não é vaporware. Dito isso, é projeto jovem (12 stars, primeiras versões). A proposta é sólida e a execução tá limpa, mas espere mudanças de API entre minors. Bom pra quem quer publicar bundles OKF sem inventar pipeline do zero.

OpenWiki 0.2 (LangChain)

O OpenWiki lê seu repositório e gera um wiki estruturado no formato OKF — pronto pra ser consumido por coding agents como Claude Code e Cursor. A ideia é simples: seu código já tem conhecimento implícito (decisões de arquitetura, padrões, convenções), e o OpenWiki transforma isso num artefato explícito que agentes conseguem ler sem ficar adivinhando.

Harrison Chase confirmou a direção no X: “there needs to be an OPEN standard for memory. OKF is one such standard.” 113 likes. O CLI conecta o wiki gerado nos instruction files do seu agent, então o contexto flui sem fricção entre o codebase e quem opera nele.

Quick start:

pip install openwiki
openwiki init .
openwiki generate --format okf

Stack: Python · MIT · v0.2 (Jul 2026)

Link: langchain-ai/openwiki · Blog post

🟢 Maturidade: Produção. Backed pela LangChain, mantido ativamente, documentação sólida. Já na segunda major release com suporte OKF nativo.

Confiança & Proveniência

Verificação, assinaturas e proof on-chain pra bundles.

signed-okf (Trust Layer)

O OKF resolve estrutura. Mas quem garante que aquele bundle não foi adulterado? O signed-okf adiciona proveniência criptográfica: assinatura, verificação e cadeia de custódia pro conteúdo OKF. O metadata padrão do OKF para num timestamp estático — o signed-okf preenche exatamente esse gap que o próprio Google reconheceu na spec v0.1.

A DynamicFeed integrou com o OriginTrail DKG pra quem precisa de proof on-chain. Pra maioria dos casos, a verificação local já resolve. Mas se você opera em contextos onde proveniência auditável importa (pesquisa, compliance, supply chain de dados), o layer blockchain está ali.

Quick start:

npm install signed-okf
npx signed-okf sign ./my-bundle --key ./private.pem
npx signed-okf verify ./my-bundle

Stack: TypeScript/Node.js · Apache-2.0 · v0.3 (Jun 2026)

Link: dynamicfeed/signed-okf · dynamicfeed.ai

🟡 Maturidade: Early adopter. Conceito forte, execução ainda jovem. Poucas stars, time pequeno. A integração DKG funciona mas a documentação é esparsa. Se você precisa de trust layer pro OKF hoje, é a única opção — mas vá sabendo que a API pode mudar.

Memória & Skills de Agentes

OKF como memória ou instrução runtime pra agentes IA.

hermes-okf (Memória)

Cada decisão que seu agente toma, cada observação sobre o projeto, cada pedaço de contexto — tudo vive num knowledge graph no filesystem, legível por humanos e por máquinas. O hermes-okf é o sistema de memória do Hermes Agent, mas formatado como OKF. Memória versionada, estruturada, que sobrevive entre sessões.

O diferencial: não é só um dump de contexto. Tem tool registry (o agente sabe quais ferramentas tem), plans (sequências de ação persistidas) e integração nativa com o HermesAgent. Se você já usa Hermes, plugar o OKF como backend de memória leva minutos.

Quick start:

pip install hermes-okf
hermes-okf init ./my-project

from hermes_okf import OKFMemory

memory = OKFMemory("./my-project/.hermes")
memory.observe("O usuário prefere deploys via Coolify")
memory.decide("Usar PostgreSQL ao invés de SQLite pra prod")

Stack: Python · MIT · v0.4.4 (Jul 2026)

Link: EliaszDev/hermes-okf · PyPI

🟡 Maturidade: Funcional, mas nicho. Publicado no PyPI, versionado, com releases consistentes. Comunidade pequena. Se você não usa o Hermes Agent, o valor cai bastante — a lib foi construída pra aquele ecossistema específico. Documentação ok, mas com gaps nos edge cases.

Inkeep Open Knowledge

Um editor de knowledge base que já nasce pensado pra consumo por LLMs. O starter pack okf cria a estrutura de um bundle conformante no primeiro commit — você não precisa decorar a spec pra começar. Escreve markdown, o Inkeep cuida da estrutura OKF por baixo.

O workflow documentado mostra como ir de “pasta vazia” a “knowledge base OKF publicado” em poucos passos. Funciona bem como ponto de entrada pra quem quer adotar OKF sem mergulhar na spec inteira primeiro.

Quick start:

npx create-open-knowledge@latest my-kb --template okf
cd my-kb
npm run dev

Stack: TypeScript · MIT · v0.1 (Jun 2026)

Link: inkeep/open-knowledge · Docs preview

🟡 Maturidade: Preview funcional. A ferramenta funciona, o scaffold OKF gera bundles válidos. Mas é v0.1 — espere breaking changes. A Inkeep tem track record em tooling de docs, o que dá confiança no longo prazo. Hoje, boa pra experimentar; pra produção, monitore o roadmap.

knowledge-template (Ciência)

Template vazio e conformante de bundle OKF voltado pra ciência aberta. Você clona, preenche com seu conteúdo, e sai com um bundle que atende tanto a spec OKF v0.1 quanto os requisitos do Open Science Pillars (SPECIFICATION.md §5). Inclui um exemplo anotado por tipo de conceito — definição, hipótese, método, resultado — pra você entender o que vai onde.

Não é framework, não é CLI, não tem dependência. É um template. Faz uma coisa só e faz bem.

Quick start:

gh repo create my-knowledge --template open-science-pillars/knowledge-template
cd my-knowledge
# Edite os bundles em /concepts, /methods, /results

Stack: Markdown/YAML · CC-BY-4.0 · v1.0 (Jul 3, 2026)

Link: open-science-pillars/knowledge-template

🟢 Maturidade: Completo pro que se propõe. É template — não tem bug, não tem runtime, não quebra. Conformante com OKF v0.1, exemplos claros, publicado há duas semanas. Se você trabalha com conhecimento científico e quer OKF, começa aqui.

OriginTrail DKG + OKF

Junta o Open Knowledge Format com o Decentralized Knowledge Graph da OriginTrail. Na prática: seus bundles OKF ganham um dono verificável, prova de origem e imutabilidade registrada em blockchain. Por baixo usa signed-okf pra assinar os pacotes.

O ponto forte aqui é confiança. Um agente IA consulta o DKG, encontra um bundle OKF e consegue verificar criptograficamente quem publicou, quando, e se o conteúdo foi alterado. Sem trust-me-bro. Sem depender de um servidor central dizendo “esse dado é legítimo”. O grafo descentralizado faz isso sozinho.

Quick start:

# Consulte o blog post pra setup completo — envolve node DKG + signed-okf
# Fluxo básico:
# 1. Crie seu bundle OKF
# 2. Assine com signed-okf
# 3. Publique no DKG da OriginTrail
# 4. Agentes consultam via DKG API

Stack: TypeScript/Solidity · Open Source · Integração anunciada Jul 2026

Link: Google’s OKF comes to the OriginTrail DKG

🟡 Maturidade: Conceito validado, adoção ainda inicial. A integração é recente (Jul 2026) e a documentação ainda está espalhada entre o blog post e repos separados. Promissor pra quem precisa de proveniência verificável, mas prepare-se pra montar o quebra-cabeça sozinho por enquanto.

openknowledgeformat.com

Site comunitário que resolve o problema mais básico: “meu bundle OKF tá certo?”. Cola seu YAML frontmatter, recebe validação instantânea. Sem instalar nada. Sem CLI. Sem dependência.

Além do validator, tem templates prontos pra copiar e exemplos interativos que mostram bundles reais em ação. Perfeito pra quem tá começando e quer entender a estrutura sem ler a spec inteira. Também funciona como referência rápida quando você esquece um campo obrigatório (acontece).

Quick start:

# Não precisa de terminal. Abra no browser:
# https://openknowledgeformat.com/
# Cole seu YAML → veja erros em tempo real
# Copie templates → adapte pro seu caso

Stack: Web · Gratuito · Publicado Jun 13, 2026

Link: openknowledgeformat.com

🟢 Maturidade: Pronto pra uso. Funciona, é direto, faz o que promete. Zero fricção. Limitação óbvia: só valida — não gera, não publica, não integra com pipelines. Mas pro que se propõe, resolve.

okf-skill (Agent Skill)

Um arquivo markdown. Só isso. Mas esse arquivo transforma qualquer agente com suporte a Agent Skills (Claude Code, Cursor, Hermes, etc.) num produtor e consumidor de bundles OKF. Referencia a spec completa e dá instruções claras pro agente seguir.

Preenche um gap real: coding agents sabem escrever código, mas não sabem estruturar conhecimento no formato OKF sem orientação explícita. Esse skill é essa orientação. Joga no diretório de skills do seu agente e pronto — ele passa a gerar bundles conformantes.

Quick start:

# Clone e copie pro diretório de skills do seu agente
git clone https://github.com/rakibtg/okf-skill.git

# Exemplo pra Claude Code:
cp okf-skill/SKILL.md ~/.claude/skills/okf-skill.md

# Exemplo pra Cursor:
cp okf-skill/SKILL.md .cursor/skills/okf-skill.md

Stack: Markdown · Open Source · GitHub: rakibtg/okf-skill

Link: github.com/rakibtg/okf-skill

🟡 Maturidade: Funcional, mas depende do agente host. A qualidade da saída varia conforme o modelo e o agente que consome o skill. Não tem testes automatizados — você confia que o agente vai seguir as instruções. Repo pequeno, sem muita atividade ainda, mas a ideia é sólida.

leadcraft

Analisa um repositório e gera Knowledge Bundles OKF v0.1 automaticamente. A saída é YAML frontmatter + directory tree em markdown — legível tanto por humanos quanto por agentes, e versionável com git como qualquer outro arquivo do projeto.

A proposta é simples: você aponta pro repo, o leadcraft extrai a estrutura e o conhecimento relevante, empacota no formato OKF. Útil pra documentação automatizada de codebases que outros agentes vão consumir depois.

Quick start:

# Clone o repo
git clone https://github.com/dskst/leadcraft.git
cd leadcraft

# Siga as instruções do README pra setup
# Gere bundle OKF a partir de um repo:
# leadcraft analyze <caminho-do-repo>

Stack: Open Source · OKF v0.1 · GitHub: dskst/leadcraft

Link: github.com/dskst/leadcraft

🟡 Maturidade: Early stage, documentação limitada. Repo recente com pouca documentação além do básico. Funciona pro caso de uso principal (gerar bundles de repos), mas não espere configuração avançada ou edge cases cobertos. Contribuições bem-vindas — o código tá lá, é aberto.

pi-openwiki (IBM PI)

O agente OpenWiki da LangChain reimplementado dentro do PI (Platform for AI da IBM). Gera e mantém documentação de codebase automaticamente, com o mesmo formato de saída OKF que o OpenWiki original produz.

A diferença é o runtime: ao invés de rodar standalone com LangChain, roda dentro do ecossistema PI — o que dá acesso às capacidades de orquestração, observabilidade e governança que o harness oferece. Se você já usa PI na sua org, é uma forma natural de adicionar geração de docs OKF ao pipeline.

Quick start:

# Clone o repo
git clone https://github.com/barvhaim/pi-openwiki.git
cd pi-openwiki

# Requer PI harness configurado
# Siga o README pra setup do ambiente PI
# O agente gera docs OKF automaticamente pro codebase apontado

Stack: Python · PI (IBM) · Open Source · Publicado Jul 2026

Link: github.com/barvhaim/pi-openwiki

🟡 Maturidade: Funcional, mas nicho. Publicado em Jul 2026, ainda fresco. Depende do harness PI — se você não tá nesse ecossistema, o OpenWiki original faz mais sentido. Documentação básica, poucos contributors. Mas se PI é seu mundo, essa é a porta de entrada pro OKF.

8. Padrões Emergentes (Ainda Não São Ferramentas)

OKF + llms.txt para Discovery

Vários analistas especulam que llms.txt vai apontar agentes para bundles OKF:

# llms.txt
...
## Knowledge
- /knowledge/index.md: OKF bundle — conhecimento organizacional para agentes

Status: Especulação lógica, não confirmada oficialmente.

Marketplace de Bundles OKF

Marie Haynes argumenta que bundles OKF serão produtos vendáveis — advogados, contadores, SEOs empacotando expertise como bundles compráveis.

Status: Pura especulação. Interessante mas sem infraestrutura.

OKF + Obsidian como IDE

Framing do Karpathy: “Obsidian is the IDE. The LLM is the programmer. The wiki is the codebase.” Vários times já usam Obsidian pra autorar bundles OKF enquanto agentes mantêm cross-references.

Status: Padrão funcional. Sem plugin dedicado mas zero fricção.

Timeline & Oportunidades

Movido para o Mapa do Ecossistema dedicado.