TanStack AI chega a RC: o que isso significa para times TypeScript

Três pessoas, trabalhando no tempo livre, passaram os últimos dez meses construindo um framework completo de IA para TypeScript. Em 21 de agosto de 2026, chamaram de release candidate. Uma coisa para saber antes de ler o anúncio: npm atualmente serve @tanstack/ai na versão 0.49.1, então "RC" é rótulo de project phase, não semver tag. A arquitetura está locked; o número da versão ainda não alcançou. Nenhum dos fatos é escândalo, mas você calibra melhor o anúncio mantendo ambos juntos.

Principais conclusões - TanStack AI, framework open source de IA do ecossistema TanStack, entrou em fase release candidate em 21 de agosto de 2026, construído por três maintainers no tempo livre. - Um método chat() cobre provider chat, media generation, MCP, sandboxes e agent harnesses, com AG-UI como wire protocol e type safety como selling point. - Os packages continuam 0.x e Vercel AI SDK supera projeto em cerca de 70 para 1 em downloads npm semanais. RC significa "ajude-nos a testar", não "migre segunda". - Se você constrói features de IA em TypeScript, esta é a semana para testar em algo pequeno.

O que realmente aconteceu esta semana?

Em 21 de agosto, Alem Tuzlak, Jack Herrington e Tom Beckenham anunciaram a fase RC no blog TanStack. Projeto começou em outubro de 2025 como um método chat() e quatro providers, e agora cobre maior parte do que produto de IA precisa: chat, persistence, media generation, embeddings, memory, MCP e sandboxed agent harnesses que rodam Codex, Claude Code ou outros coding agents compatíveis ACP contra sua própria UI.

Alguns claims merecem footnotes. Headline "24 providers" conta entre modalidades; página oficial de comparação lista 16 LLM adapters mais 5 harness adapters. Os "100+ models" para media generation são em grande parte catálogo de um adapter via fal. E adoção AG-UI, apresentada como notícia nova, estava funcionalmente concluída em maio, quando time ship compliance bidirecional completa com spec. Nada disso é desonesto. É inflação normal de launch post, vale desinflar antes de repetir.

A frase que soa mais verdadeira aparece perto do fim: "We don't have a commercial roadmap, a product to upsell, or a hidden agenda." Para AI tooling em 2026, é realmente incomum.

TanStack AI entrou na fase release candidate em 21 de agosto de 2026. Framework cresceu de um método chat e quatro providers para stack completo de IA com AG-UI como protocolo oficial, construído abertamente por time de três pessoas (blog TanStack).

Por que isso importa?

Porque competição que entra não está próxima, e isso é justamente o interessante. Incumbent é Vercel AI SDK, ao qual Vercel atribui mais de 40 milhões de downloads mensais e adoção Fortune 500. Nesta semana, registry npm tinha ai, package Vercel, em cerca de 23,1 milhões de downloads semanais. @tanstack/ai perto de 329 mil. Gap aproximado 70 para 1.

Downloads npm semanais, última semana de agosto de 2026, desenhados em escala. A barra TanStack tem três pixels de altura, que é justamente o ponto: este é o challenger, não o incumbent.

Resposta TanStack ao gap é mesma que deu a data fetching uma década atrás. React Query venceu sendo headless, framework-agnostic, type-safe e ligado a nenhuma plataforma, e TanStack AI aplica padrão ao AI plumbing. Onde AI SDK streama proprietary UI message format, TanStack AI emite native AG-UI events end to end, protocolo já falado por mais de 20 agent frameworks. E página de comparação, para mérito, concede terreno nos dois lados: enquadra escolha como library composition problem versus full-stack platform problem, depois lista o que AI SDK faz melhor. É a página "us versus them" mais honesta que li dos dois lados.

Vercel AI SDK lidera TanStack AI por cerca de 70 para 1 em downloads npm semanais, 23,1 milhões contra 329 mil no fim de agosto de 2026. Contra-argumento TanStack é arquitetural: protocolo AG-UI aberto, clients framework-agnostic e type safety end-to-end, sem plataforma anexada.

O que significa para times TypeScript?

Três coisas concretas, em ordem decrescente de quanto acredito.

Primeiro, persistence deixa de ser projeto. Você implementa uma pequena store interface, roda contra conformance suite do time e passa a um persistence middleware. Exemplo nos docs tem cerca de 20 linhas, e users podem refresh mid-stream e retomar onde pararam. Footnote: versão de 20 linhas usa stream in-memory para development. Durable resumability em production precisa de backend externo Durable Streams, então orce antes de citar número ao time.

Segundo, MCP ganha types. Package @tanstack/ai-mcp ship uma CLI que inspeciona remote MCP server e gera TypeScript types para tools, então malformed tool call falha em compile time em vez de 2am. Se você conecta MCP servers à mão, e minhas notas sobre MCP for Business sugerem que muitos times ainda fazem, isso sozinho vale uma tarde.

Terceiro, agent harnesses viram componente, não vendor. Rode Codex ou Claude Code dentro de sandbox que escolher, branch conversations, rode vários attempts do mesmo prompt em paralelo e mantenha cada run durable. Ninguém escolhe Daytona ou E2B por você. Se ideia de harness é nova, meu blueprint prático para agentic architecture cobre loop por baixo. Para quem acompanha labs chineses, adapter OpenRouter coloca Qwen, DeepSeek e Kimi a uma linha de config da mesma API, combinando com postura model-agnostic que defendi no field guide do ecossistema open-weight chinês.

Para times TypeScript, atrativos práticos do RC são persistence em cerca de 20 linhas de middleware, type safety em compile time para MCP tools via CLI que gera tipos, e harnesses sandboxed provider-agnostic para coding agents como Codex e Claude Code.

O que fazer agora?

1. Esta semana: instale em algo descartável. pnpm add @tanstack/ai @tanstack/ai-openai, conecte chat() a endpoint server-sent events e veja como streaming e types se sentem contra setup atual.

2. Este mês: leia comparação do próprio time com Vercel AI SDK antes de qualquer outra, inclusive a minha. É franca sobre onde AI SDK está à frente, o que torna claims por TanStack AI mais críveis.

3. Se encontrar bug: file it. Repo tem 45 open issues e três maintainers, rough edges são reais: first text delta perdido quando tool call vem antes do texto, 400 intermitentes no loop OpenAI Responses tool. RC feedback vira v1.

Não faça nenhuma destas coisas:

• Não migre application AI SDK de production esta semana. Packages são 0.x por motivo.

• Não leve "24 providers" literalmente. Docs listam 16 LLM adapters mais 5 harness adapters; número maior conta providers entre modalidades.

• Não confie na tanstack.com/ai landing page, que ainda diz alpha e lista quatro providers. Simplesmente não foi atualizada para RC.

O quadro maior

Story por baixo do release é formato do time. Três pessoas, tempo livre, sem pricing page, 52 commits merged nos seis dias depois do post RC. Contra platform company com gateway para vender, é versão romântica de open source ou risco operacional real, provavelmente ambos. Packages npm TanStack estavam entre atingidos pelo supply-chain worm de maio de 2026, que mostra como uma superfície operacional de três pessoas fica em uma semana ruim.

Time diz v1 muito perto, commit log diz que acreditam. O que v1 não muda é gap do gráfico acima; fechar isso é negócio mais lento que shipping code. Observe issue tracker, não announcement cadence, para saber quando está pronto para você.

Perguntas frequentes

TanStack AI está production-ready?

Ainda não, pelo próprio framing. Release candidate significa arquitetura locked e time quer adversarial testing antes de v1. Packages ainda 0.x e issue tracker mostra rough edges reais. Pronto para side projects e avaliação séria, não migration production.

TanStack AI funciona só com React?

Não. Core packages são framework-agnostic, com first-party clients para React, Vue, Svelte, Angular e Preact, mais quickstart server-only. Independência de framework é um dos principais diferenciais do Vercel AI SDK.

Leitura adicional

• MCP for Business: onde protocolo que TanStack AI agora tipa para você realmente ganha valor.

• Agentic AI Architecture: A Practitioner's Blueprint: loop por baixo dos agent harnesses que framework empacota.

• A Field Guide to China's Open-Weight AI Ecosystem: models do outro lado daquele adapter OpenRouter.