Datasette Agent dispensa configurar modelo manualmente na nova versão do datasette-llm

A versão 0.1a9 do plugin datasette-llm, lançada em 31 de outubro de 2026, faz o Datasette Agent herdar automaticamente o modelo padrão configurado no LLM. Antes era preciso repetir essa escolha numa flag separada.

Simon Willison, criador do Datasette e da biblioteca LLM, publicou em 31 de outubro de 2026 a versão 0.1a9 do plugin datasette-llm. É uma mudança pequena em volume de código, mas que mexe direto no atrito de quem testa agentes de IA sobre bases de dados locais: o plugin agora detecta sozinho o modelo padrão já configurado na ferramenta llm, sem precisar de uma flag separada repetindo essa escolha.

O que muda na linha de comando

Antes desta versão, rodar o Datasette Agent exigia declarar explicitamente qual modelo usar, mesmo que esse modelo já fosse o padrão configurado no llm. O comando de configuração era assim:

-s plugins.datasette-agent.default_model gpt-6-astra

Esse -s é a flag genérica de settings do Datasette, usada para passar configuração para qualquer plugin em formato chave/valor. Com o datasette-llm 0.1a9, essa linha deixa de ser necessária. Basta subir o Datasette com o agente instalado:

uvx --with datasette-agent datasette content.db --internal internal.db

Aqui uvx é o executor de ferramentas do uv (o gerenciador de pacotes Python que Astral mantém): ele roda o datasette num ambiente efêmero, já incluindo a dependência datasette-agent via --with, sem exigir instalação global. content.db é o banco de dados que você quer explorar. --internal internal.db é a flag do Datasette para apontar um banco de dados interno separado, mantendo a base de dados original intacta.

Pra que serve o Datasette Agent, afinal

O Datasette é a ferramenta de Willison para explorar e publicar bancos SQLite direto do navegador, com uma API JSON embutida. O llm é a biblioteca e CLI dele para falar com múltiplos modelos (OpenAI, Anthropic, Gemini, modelos locais via plugins como llm-ollama ou llm-gguf) por uma interface única. O datasette-agent junta os dois numa camada de agente que opera sobre os dados abertos no Datasette, usando os modelos configurados via llm.

O datasette-llm é descrito pelo próprio autor como "plugin de integração com LLM para que outros plugins dependam dele", ou seja, não é algo que o usuário final toca diretamente: é a cola que padroniza como plugins como o datasette-agent conversam com o ecossistema llm. Até esta versão, essa cola não sabia reaproveitar o modelo padrão que o usuário já definia na própria ferramenta llm. Agora sabe.

O ganho real é consistência, não velocidade de execução

A diferença não é performance do modelo nem latência de resposta: é eliminar uma fonte de divergência. Se seu time já usa o llm no dia a dia (resumir logs, gerar commits, rodar prompts batch) e já fixou um modelo padrão ali, o Datasette Agent agora usa o mesmo modelo sem reconfiguração. Isso evita o cenário chato de alguém abrir o agente com um modelo diferente do que o resto do time espera, só porque esqueceu de passar a flag.

Para quem está só testando a ideia de ter um agente conversando com dados locais, o ganho é ainda mais direto: dá pra rodar o comando do uvx sem precisar descobrir, de cara, qual string de modelo usar. Isso reduz o número de decisões antes do primeiro teste, o que importa quando a barreira de entrada é justamente o que separa "vou tentar depois" de "testei agora".

O que o release não resolve

Simon Willison é direto sobre o tamanho da mudança:

Tenho grandes atualizações para o Datasette Agent no pipeline, mas por enquanto aqui está uma pequena melhoria de experiência do usuário no plugin datasette-llm subjacente.

I have some big upgrades to Datasette Agent in the pipeline, but in the meantime here's a tiny user experience improvement to the underlying datasette-llm plugin.Simon Willison, criador do Datasette e do LLM

Ou seja: isso é um ajuste de fricção, não uma nova capacidade do agente. Não muda como ele gera SQL, não adiciona ferramentas novas, não muda limites de contexto. Quem espera recursos novos do Datasette Agent em si vai precisar esperar as próximas versões, que o próprio autor sinaliza como maiores.

Versão alfa, custo de quem você já escolheu

O número de versão importa aqui: 0.1a9 segue a convenção de pré-lançamento do Python (PEP 440), onde a9 indica a nona versão alfa. Isso é sinal de que a API do plugin ainda pode mudar entre uma versão e outra, o que é coerente com o aviso de que vêm atualizações grandes pela frente. Para quem for colocar isso num pipeline que não seja só exploração pessoal, vale fixar a versão exata em vez de puxar sempre a mais recente.

Sobre custo, este release específico não adiciona nem remove nenhuma cobrança: o que ele faz é herdar o modelo que você já escolheu como padrão no llm. Se esse padrão for um modelo local rodando via llm-ollama ou llm-gguf, o custo por consulta do agente é zero, pagando só processamento local. Se for um modelo hospedado de alguma provedora, o custo segue sendo o preço por token dessa API, cobrado por fora do Datasette e do llm. A mudança aqui é só não ter que repetir essa escolha numa segunda flag.

Para quem já tem o llm configurado e quer só apontar um agente para um banco SQLite e começar a fazer perguntas, o caminho ficou mais curto em uma linha de comando. Para quem espera um agente mais capaz, o anúncio de Willison deixa claro que isso ainda está por vir.

Fonte: Simon Willison