Quando um agente de IA precisa de um serviço de pagamento, banco de dados ou envio de e-mail pra um projeto, ele não inventa a solução do zero na maioria das vezes — escolhe um fornecedor terceirizado. A Armature mediu 16.893 sessões de Claude Code, Codex e Cursor construindo projetos reais (75 repositórios, 10 linguagens, 1.163 variações de prompt, das quais 5.292 sessões válidas entraram na análise final) pra descobrir exatamente qual serviço cada agente escolhe — e o padrão que aparece tem menos a ver com qualidade técnica do serviço e mais com o quanto ele é citado em conteúdo público.
Quem ganha em cada categoria
Em pagamentos, o resultado é quase unânime: Stripe é escolhido em 9 de cada 10 casos. Em banco de dados, o Neon leva 66% das escolhas — superando até o Supabase, que é mencionado 242 vezes ao longo das sessões analisadas mas perde a adoção real pro concorrente. Em armazenamento, Amazon S3 fica com 45%. No envio de e-mail, a disputa é mais equilibrada: Resend leva 35,6% e Postmark 27,4%.
O que os agentes falam é diferente do que eles escolhem
O dado mais revelador do estudo é a diferença entre menção e adoção. LangChain aparece mencionado 194 vezes ao longo das sessões, mas vira escolha real em só 4 delas. PayPal é citado 139 vezes e nunca é efetivamente adotado — zero. Netlify soma 152 menções e converte em apenas 6 adoções. Os agentes “conhecem” essas ferramentas — provavelmente porque aparecem muito no material de treinamento — mas na hora de decidir de fato, convergem pra um punhado de opções bem mais estreito.
Construir por conta própria ou usar web?
Os três agentes se comportam de forma bem diferente quando decidem entre construir uma solução interna ou pesquisar um serviço pronto. O Codex busca na web em 94% das sessões, e quando busca, usa operadores avançados de pesquisa (como “site:”) em 9 de cada 10 consultas — é o mais dependente de pesquisa ativa dos três. O Cursor baseia decisão em resultado de busca em dois terços das sessões. Já o Claude Code pesquisa bem menos — cerca de 30% das sessões —, mas quando pesquisa, navega três vezes mais páginas por busca que os outros dois, e em contextos novos ou sandboxes isolados, a taxa de busca sobe pra 80%.
Nos três agentes, construir a solução internamente em vez de usar um serviço terceiro acontece numa fração pequena dos casos — Codex e Cursor ficam perto de 10%, Claude Code um pouco mais alto, perto de 19%.
Os agentes nem concordam muito entre si
Um dado que contraria a ideia de que existe “a resposta certa” pra cada categoria: quando a Armature comparou as escolhas de Cursor contra as dos outros dois agentes na mesma tarefa, a taxa de concordância foi de apenas 42%. Ou seja, mais da metade das vezes, agentes diferentes resolvendo o mesmo problema escolhem fornecedores diferentes — o que sugere que a escolha tem tanto de viés de treinamento quanto de avaliação técnica real da ferramenta.
O que isso muda na prática
Pra quem desenvolve ferramentas, bibliotecas ou serviços que competem nesse espaço, o dado da diferença entre menção e adoção é o mais acionável: aparecer em muito conteúdo de treinamento (documentação, tutoriais, posts) não garante que um agente vai escolher aquela ferramenta na hora de decidir — o que conta é o quanto ela domina nas comparações diretas dentro de tarefas reais, não o volume de menções isoladas.
