Foundgine - Plataforma de execução semântica programável para .NET
Foundgine é uma plataforma de execução semântica programável para .NET que cria uma fronteira controlada entre os chamadores de aplicação e os dados que eles podem executar. Ele transforma intenção estruturada em planos de execução autorizados, suportando cargas de trabalho SQL, InMemory, GraphQL e agentes de IA. Os chamadores descrevem o que desejam enquanto o Foundgine determina o que é permitido e como executa. Baseado em arquitetura orientada a eventos com planejamento ciente de autorização e evidência de execução.
O que é Foundgine
Aplicações modernas raramente têm um único chamador. Web, mobile, APIs REST, clientes GraphQL, serviços internos, automação e, cada vez mais, agentes de IA — todos precisam acessar os mesmos dados e operações de negócio. O problema é que, sem uma fronteira comum, cada interface acaba desenvolvendo seu próprio caminho de autorização, validação, tradução de consulta e acesso a dados. O resultado é um ecossistema fragmentado, com regras de segurança duplicadas, semânticas divergentes e superfícies de ataque maiores.
Foundgine é uma plataforma de execução semântica programável para .NET que cria uma fronteira controlada entre os chamadores da aplicação e os dados e operações que eles estão autorizados a executar. Em vez de permitir que cada chamador implemente sua própria lógica de validação, autorização, tradução de consulta e acesso a dados, o Foundgine converte intenção estruturada em um plano de execução autorizado e executa esse plano através de um provedor.
A ideia central pode ser resumida assim:
Os chamadores descrevem o que desejam. O Foundgine determina o que é permitido, como deve executar e qual provedor executa.
O pipeline central de execução segue um fluxo determinístico: Intenção → Modelo Semântico → Resolução → Autorização → Plano → Reescrita/Otimização → Compilação do Provedor → Execução → Resultado + Evidência. Cada etapa é uma fronteira arquitetural — a autorização não é um middleware opcional, mas um estágio obrigatório que alimenta restrições diretamente no plano de execução.
É importante esclarecer o que o Foundgine não é: não é um substituto de ORM, não é um banco de dados, não é um servidor GraphQL, não é um LLM, não é um framework de agentes e não é um provedor de identidade. Ele é uma camada de execução que pode ficar abaixo desses tipos de sistemas, atuando como o cérebro que decide o que pode ser executado e como.
A visão de longo prazo é estabelecer um limite de execução semântica estável entre o que um sistema pede e o que uma aplicação está disposta a executar — um limite que funcione tanto para software tradicional quanto para agentes inteligentes.
Execução semântica centralizada: uma única camada de execução para múltiplos chamadores (REST, GraphQL, JSON, automação, agentes de IA)
Planejamento ciente de autorização: restrições de segurança são propagadas diretamente no plano de execução
Independência de provedor: a intenção semântica não fica acoplada a um backend físico específico
Suporte a múltiplos chamadores: todos normalizam para Intenção Semântica, eliminando caminhos de execução duplicados
Evidência de execução: autorização, planejamento e execução são observáveis
Arquitetura Central e Detalhes Técnicos
Separação de preocupações
A arquitetura do Foundgine é deliberadamente modular, com cada componente responsável por uma única preocupação:
Modelo semântico — define as capacidades voltadas para a aplicação, independente de detalhes físicos de persistência
Intenção — descreve o que o chamador deseja, sem amarrar diretamente a um provedor físico
Autorização — determina quais partes da operação solicitada são permitidas e pode contribuir com predicados ou restrições ao plano de execução
Planejador — constrói uma representação independente do provedor da operação solicitada
Reescrita e otimização — transforma o plano preservando semântica e restrições de autorização
Provedor — compila e executa o plano contra um backend concreto
Modelo de execução multi-callers
O ponto arquitetural central é que REST/API, GraphQL, JSON, agentes de IA e automação — todos normalizam para uma Intenção Semântica que alimenta o Planejador Foundgine. Esse planejador roteia a operação para um provedor SQL, InMemory ou provedores futuros. O objetivo é evitar implementar semânticas de execução separadas para cada interface.
Por que o plano intermediário importa
O plano é a fronteira arquitetural entre intenção semântica e execução física. Ele dá ao runtime um ponto único para: preservar restrições de autorização, validar dependências, reescrever operações, estimar custo, raciocinar sobre capacidades do provedor, otimizar execução e produzir evidência de execução. Esse é o mecanismo que permite que múltiplas superfícies de entrada e provedores compartilhem a mesma semântica de execução.
Modelo semântico vs. modelo de persistência
Um modelo de persistência descreve como os dados são armazenados. Um modelo semântico descreve o que uma aplicação está disposta a expor e operar. Esses modelos não precisam ser idênticos — e não deveriam ser. A superfície semântica pode ser menor, mais segura e mais proposital que o modelo físico. Por exemplo, um modelo de persistência pode conter campos internos como TenantId ou InternalRiskScore que um modelo semântico voltado para aplicação não expõe.
Semântica centralizada: uma única definição de capacidades para todos os chamadores, eliminando lógica de autorização duplicada
Independência de provedor: intenção semântica separada da execução física permite trocar de backend sem reescrever lógica de negócio
Suporte AOT nativo:
Foundgine.Aotfornece atributos de metadados e suporte em runtime para implantações Native AOTEvidência de execução: autorização, planejamento e execução são totalmente observáveis
Performance de mutação variável: benchmarks mostram resultados mais consistentes em consultas do que em mutações
API pública em evolução: versão 0.5.x ainda em desenvolvimento ativo, com estabilidade de API conforme política de release
Foundgine e Agentes de IA
O paradigma convencional de agentes de IA acessando dados é perigoso em sua simplicidade: IA → gerar SQL → banco. Esse padrão dá ao modelo de linguagem autoridade direta sobre consultas SQL, exigindo credenciais de banco acessíveis ao agente e removendo a aplicação da equação de autorização. O Foundgine inverte essa lógica.
No modelo do Foundgine, o fluxo é: Agente de IA → intenção estruturada → Foundgine (resolver/validar/autorizar/planejar/executar) → PostgreSQL. O agente declara o que deseja alcançar, mas o Foundgine — não o modelo de IA — é a autoridade sobre quais capacidades de aplicação são permitidas e como são executadas.
Um modelo de IA decide o que quer realizar, mas não se torna a autoridade sobre quais dados de aplicação pode acessar, nem precisa de credenciais diretas de banco. Isso é deliberadamente diferente do padrão AI → generate SQL → database. O Foundgine mantém a aplicação no controle de autorização e execução enquanto permite que agentes de IA e outros chamadores estruturados usem as capacidades da aplicação.
Para suportar essa integração, o ecossistema oferece pacotes dedicados:
Foundgine.AI— integração de ferramentas viaMicrosoft.Extensions.AIFoundgine.Agent.OpenAI— integração de agentes OpenAIFoundgine.MCP— adaptador MCP que expõe capacidades semânticas via transporte HTTP Streamable em/mcp, com descoberta automatizada em.well-known/mcp.json
A identidade, o contexto de locatário e a autorização permanecem propriedade do host, fornecidos através do SecurityExecutionContext. Um benchmark dedicado mede o caminho do agente: como um agente chamando o Foundgine via MCP se compara a um agente chamando um caminho EF Core convencional diretamente, cobrindo contagem de chamadas de ferramentas, throughput, tempo de parede e carga estimada de tokens por transação.
A história E2E da cadeia de suprimentos torna essa arquitetura concreta: agente → MCP → Foundgine → PostgreSQL, com PlaceOrder como fatia vertical de alta garantia cobrindo autorização, propriedade, validação, precificação no servidor, verificações de inventário, mutação atômica, proteção contra replay e evidência de execução.
Agentes solicitam capacidades — mas nunca se tornam a autoridade que define como a capacidade é autorizada ou executada. O agente declara intenção; o Foundgine decide o que é permitido.
Evidência de Performance
O benchmark de performance mais documentado do Foundgine é o CoffeeBeanery PostgreSQL graph benchmark (12 de agosto de 2026). Três execuções independentes foram realizadas contra um workload de grafo PostgreSQL determinístico com a seguinte estrutura: Customer → CustomerBankingRelationship → Contract → Transaction.
Fixture do benchmark:
Parâmetro | Valor |
|---|---|
Clientes | 1.000 |
Relacionamentos | 4.000 |
Contratos | 12.000 |
Transações | 48.000 |
Concorrência | 1, 8, 32 |
Medição | 10 segundos por caso |
Aquecimento | 3 segundos |
Timeout de requisição | 5 segundos |
Resultados de consulta na concorrência 32
Implementação | RPS médio | p95 médio |
|---|---|---|
Hot Chocolate + EF Core | 139,4 | 338,4 ms |
Foundgine — sem cache | 2.781,0 | 20,3 ms |
Foundgine — cache de plano de provedor | 2.838,9 | 19,9 ms |
Traduzindo em melhorias relativas:
~20,0× o throughput da baseline sem cache
~20,4× com cache de plano
~16,7× menor latência p95 sem cache
~17,0× menor latência p95 com cache
A vantagem em consultas grandes não depende do caching de plano de provedor — o ganho substancial já está presente sem ele. Em termos de confiabilidade, as três execuções bem-sucedidas reportaram 0 erros de aplicação, 0 timeouts e 0 requisições canceladas.
Quanto a mutações, o benchmark é transparente: a performance de mutação é mais variável e não deve ser apresentada como a principal reivindicação de performance do Foundgine. Os resultados são evidência específica de workload, não uma declaração universal de que o Foundgine é mais rápido que qualquer workload de EF Core ou GraphQL. A reivindicação apropriada é: Foundgine demonstra forte performance de consulta para este workload de grafo com muitos relacionamentos, com o caching de plano de provedor medido separadamente.
Resultados de benchmark dependem do workload, schema, versões de provedor, host e fixture. Antes de adotar o Foundgine, execute o benchmark contra o seu cenário real de dados e concorrência para validar os ganhos.
Ecossistema, Pacotes e Integrações
Ao contrário de uma biblioteca monolítica, o Foundgine é distribuído como um conjunto coordenado de pacotes NuGet. Isso dá aos usuários um caminho claro: dos contratos independentes de provedor, passando por semântica, planejamento e execução, até SQL, IA, MCP, GraphQL, AOT e componentes de autorização de alta garantia.
Snapshot NuGet: versão mais recente 0.5.2, alvo .NET 9.0, com 18 pacotes publicados e 7.801 downloads totais no conjunto de pacotes.
Pacote | Downloads | Função |
|---|---|---|
Foundgine | 481 | Camada de execução semântica para .NET. Resolve intenção estruturada em planos autorizados. |
Foundgine.Abstractions | 1.039 | Contratos e identificadores independentes de provedor. |
Foundgine.Semantics | 914 | Intenção semântica, resolução, autorização e modelo de requisição. |
Foundgine.Planning | 721 | Planejamento de execução independente de provedor. |
Foundgine.Metadata | 613 | Modelo de metadados semânticos e registro de metadados em runtime. |
Foundgine.Execution | 675 | Contratos de execução, fronteira de provedor e coordenação. |
Foundgine.Sql | 405 | Provedor de execução SQL e compilação de mutação/consulta PostgreSQL. |
Foundgine.Aot | 404 | Atributos de metadados AOT e suporte em runtime para metadados gerados. |
Foundgine.InMemory | 426 | Provedor de execução em memória para teste e desenvolvimento. |
Foundgine.Intent.Json | 486 | Adaptador de intenção JSON para requisições semânticas. |
Foundgine.AI | 240 | Integração de ferramentas de IA usando |
Foundgine.MCP | 210 | Adaptador MCP para expor capacidades semânticas e intenção neutra de provedor. |
Foundgine.GraphQL.HotChocolate | 446 | Adaptador Hot Chocolate que converte seleções GraphQL em requisições semânticas. |
Foundgine.Agent.OpenAI | 246 | Integração de agentes OpenAI. |
Foundgine.GraphQL.HotChocolate.Mutations | 378 | Adaptador de mutações Hot Chocolate. |
Foundgine.CoffeeBeanery.ProductComposite | 117 | Pacote de integração ProductComposite. |
Foundgine.Authorization | 0 | Plano de controle de recuperação de autorização agnóstico de provedor. |
Foundgine.HighAssurance.Postgres | 0 | Suporte de autorização e execução PostgreSQL de alta garantia. |
A integração GraphQL é feita via adaptador Hot Chocolate (Foundgine.GraphQL.HotChocolate), que converte seleções GraphQL em requisições semânticas Foundgine — o GraphQL é usado como interface, mas não se torna o modelo de execução. O transporte MCP expõe capacidades semânticas via HTTP Streamable em /mcp, com metadados de descoberta disponíveis em .well-known/mcp.json.
A documentação está publicada no site Foundgine.io, incluindo um índice legível por máquina (llms.txt / llms-full.md) para ferramentas de IA e agentes LLM. Em termos de verificação externa, o Foundgine recebeu 90/100 na auditoria AST Security Audit & Verification da UnofficialOS, com notas máximas em Edge Sandbox Safety, Open-Source License Compliance, Documentation & Quickstart Quality e Repository Hygiene & Provenance.
Conformidade de Segurança e Mutações de Alta Garantia
O Foundgine trata requisitos de segurança como parte do contrato de execução semântica. Invariantes de segurança exigidos são propagados nos planos e verificados contra as capacidades do provedor antes da execução. Isso evita que um provedor execute silenciosamente uma capacidade cujas garantias de segurança ele não pode preservar.
A progressão de segurança inclui atualmente: registro de invariante de segurança, prova de invariante no nível do plano, conformidade do provedor SQL, conformidade de mutação de alta garantia e conformidade entre provedores.
Responsabilidade compartilhada
É fundamental entender o escopo: as fronteiras de autorização e execução do Foundgine visam reduzir caminhos de acesso inseguros, mas a segurança da aplicação permanece uma responsabilidade compartilhada. Autenticação, gestão de segredos, segurança de transporte, rate limiting, permissões de banco e segurança de implantação permanecem responsabilidades da aplicação e da infraestrutura.
Segurança de mutação de alta garantia
O cancelamento de mutação é propagado até a fronteira de execução do provedor e não pode confirmar após uma checagem de cancelamento falhar. O contexto de autorização de alta garantia PostgreSQL é seguro quanto ao ciclo de vida: identidade de ator/locatário é imutável, versões são estritamente monotônicas, identidades deletadas mantêm um tombstone de versão, e configuração de autorização ausente falha fechada (fail closed). Escritas de ciclo de vida usam o mesmo limite de serialização de bloqueio de linha que as leituras de autorização de mutação.
Integridade criptográfica
A evidência de autorização PostgreSQL persistida é criptograficamente vinculada à sua carga de segurança canônica completa usando uma chave HMAC-SHA256 mantida externamente, com ciclo de vida autorizado de chaves (estados ativo/verificação-apenas/retirado), proveniência de rotação monotônica, snapshots de anel atômicos imutáveis e verificações seguras de retirada contra evidência persistida. Chaves desconhecidas, incompatibilidade de algoritmo, valores alterados de ator/locatário/estado/versão/fingerprint e tombstones adulterados falham fechados. A rotação de chaves é suportada através de um anel de verificação de chaves, mantendo o material criptográfico fora do banco e da identidade de cache.
Portões de verificação
A arquitetura de verificação do Foundgine segue uma progressão rigorosa: testes unitários → integração PostgreSQL → penetração de autorização → entrada semântica adversarial → smoke de performance → E2E da cadeia de suprimentos. Cada portão cobre um aspecto específico, dos contratos determinísticos até o workflow completo agente → MCP → Foundgine → PostgreSQL. No workflow CI de release, os portões de unidade, integração, penetração, adversarial e performance são pré-requisitos para a publicação de pacotes.
Primeiros Passos e Status Atual
Para desenvolvedores começando com o Foundgine, o caminho mais eficiente é começar pelo índice de documentação no site publicado em Foundgine.io.
A recomendação central de onboarding é: comece com o provedor InMemory (Foundgine.InMemory) para desenvolvimento e teste local antes de adotar SQL. Esse provedor executa o mesmo modelo semântico sem necessidade de banco de dados, permitindo iterar rapidamente sobre definições de modelo, intenção e autorização — e só depois validar contra um PostgreSQL real.
O alvo é .NET 9.0, e para implantações orientadas a Native AOT, o pacote Foundgine.Aot fornece atributos de metadados e suporte em runtime para metadados gerados, permitindo builds AOT sem perda de funcionalidade semântica.
É importante estabelecer expectativas de maturidade: a versão atual é 0.5.x, e a estabilidade da API pública deve ser tratada conforme a política de release e compatibilidade do projeto. Para notas de engenharia detalhadas e datadas, consulte o CHANGELOG.md — que registra mudanças significativas como a promoção do Foundgine.Authorization a biblioteca real (com quorum de testemunhas, ciclo de vida de credenciais, reconciliação de journal e failover) na versão 0.5.0.
A estrutura central do repositório inclui:
src/Foundgine.MCP— adaptador MCP de primeira classebenchmarks/CoffeeBeanery.Performance/— benchmark de consulta PostgreSQLbenchmarks/AgentEndToEnd/— benchmark do caminho de agentedocs-site/— fonte do site publicado
Para onboarding orientado a agentes, o llms.txt legível por máquina fornece um índice de documentação que agentes de IA e ferramentas LLM podem consumir diretamente.
Use o provedor InMemory (Foundgine.InMemory) para iterar sobre modelos semânticos, intenção e regras de autorização localmente — sem infraestrutura de banco — antes de mover para workloads SQL reais.
FAQ
O Foundgine é um substituto de ORM?
Não. O Foundgine não é um substituto de ORM — e também não é um banco de dados, servidor GraphQL, LLM, framework de agentes ou provedor de identidade. Ele é uma camada de execução que pode ficar abaixo de ORMs e outros tipos de sistemas, atuando como fronteira de execução semântica que normaliza intenção estruturada em planos autorizados.
Posso usar GraphQL como minha interface?
Sim. O pacote Foundgine.GraphQL.HotChocolate fornece um adaptador que converte seleções GraphQL em requisições semânticas Foundgine. O ponto importante é que o GraphQL é usado como interface, mas não se torna o modelo de execução — a semântica de execução continua centralizada no Foundgine.
O Foundgine suporta Native AOT?
Sim. O pacote Foundgine.Aot fornece atributos de metadados e suporte em runtime para metadados gerados, habilitando implantações orientadas a Native AOT sem sacrificar a funcionalidade semântica.
Como o Foundgine autentica agentes de IA?
A identidade, o contexto de locatário e a autorização permanecem propriedade do host, fornecidos através do SecurityExecutionContext. Agentes de IA nunca recebem credenciais diretas de banco — eles declaram intenção estruturada, e o Foundgine decide o que é permitido e como executar.
Quais provedores são suportados?
Atualmente, o Foundgine suporta SQL via PostgreSQL (Foundgine.Sql) e execução em memória (Foundgine.InMemory). Provedores futuros estão planejados na arquitetura, que separa a intenção semântica da execução física.
Qual é a responsabilidade de segurança compartilhada?
O Foundgine cuida dos limites de autorização e execução. Autenticação, gestão de segredos, segurança de transporte (TLS), rate limiting, permissões de banco e segurança de implantação permanecem responsabilidades da aplicação e da infraestrutura.
Como expor o Foundgine a ferramentas MCP?
Use o adaptador Foundgine.MCP, que expõe capacidades semânticas e intenção neutra de provedor via transporte HTTP Streamable em /mcp. Os metadados de descoberta estão disponíveis em .well-known/mcp.json, e a identidade, contexto de locatário e autorização são fornecidos pelo host via SecurityExecutionContext.
O caminho de mutação é tão rápido quanto consultas?
Não necessariamente. Os benchmarks mostram que a performance de mutação é mais variável e não deve ser apresentada como a principal reivindicação de performance do Foundgine. Consultas são a principal evidência de performance, com ganhos de até ~20× throughput em workloads de grafo com muitos relacionamentos.
Destaque
Insight Agent
Ferramenta de pesquisa de mercado e otimização SEO para Etsy com IA
Emochi
Seus personagens favoritos de anime e jogos ganham vida com IA
Questie.ai
Seu companheiro de IA que assiste e reage aos seus jogos em tempo real
ManualFig
Gerador de ilustrações de manual por IA a partir de fotos de produtos
Seply AI Separação de Palestrantes
Ferramenta online de separação de palestrantes por IA
Emochi Review 2026: Chat com personagens de IA
Review do Emochi em 2026: roleplay com IA, personagens personalizados, preços do EMOCHI+, segurança, prós, contras e alternativas.
12 Melhores Ferramentas de IA para Programação em 2026: Testadas e Classificadas
Testamos mais de 30 ferramentas de IA para programação e selecionamos as 12 melhores de 2026. Compare recursos, preços e desempenho real do Cursor, GitHub Copilot, Windsurf e mais.








Comentários