Português (Brasil)

Análise do NemoClaw: o sandbox da NVIDIA para OpenClaw e Hermes

Análise do NemoClaw: o que a stack alfa da NVIDIA acrescenta à segurança do OpenClaw ou do Hermes Agent, como instalar, o hardware exigido e a telemetria padrão.

Acessar NemoClaw

É fácil entender errado o NemoClaw pelo nome. Ele não é mais um clone do OpenClaw; é a forma de código aberto da NVIDIA de rodar um agente existente, o OpenClaw por padrão, ou então o Hermes Agent ou o Deep Agents Code da LangChain, dentro de um sandbox OpenShell travado. Os recursos do agente vêm daquele que você escolher. O que o NemoClaw acrescenta é a caixa em volta: política de rede, regras de sistema de arquivos e chaves mantidas do lado de fora. Tem licença Apache-2.0, tinha 22.984 estrelas no GitHub quando conferimos, em 8 de novembro de 2026, e a NVIDIA o classifica como alfa. Para o contexto, veja O que é o NemoClaw?.

NemoClaw high-level component diagram: users and operators, NemoClaw control (CLI, installer, dashboard), the OpenShell gateway, the sandbox running OpenClaw, inference, integrations and state
How NemoClaw wraps an agent in an OpenShell sandboxgithub.com

Para quem é

O NemoClaw é indicado para quem já quer o OpenClaw ou o Hermes, mas não confia em deixá-lo no próprio host, e para equipes em que alguém deveria aprovar o que um agente sempre ligado pode acessar. Também serve para quem tem hardware da NVIDIA e quer inferência local sem montar tudo à mão. Se você quer uma instalação leve em uma VPS pequena, os requisitos mínimos abaixo descartam essa opção.

O que ele corrige na segurança do OpenClaw

O OpenClaw puro roda as ferramentas no host até você ativar o sandbox, e mesmo assim o gateway continua no host (detalhamos isso na nossa análise do OpenClaw e em O OpenClaw é seguro?). O NemoClaw coloca o agente inteiro no contêiner e parte do bloqueio total. Segundo a referência de políticas de rede:

  • A rede nega por padrão. A base só permite o endpoint de inferência da NVIDIA, o ClawHub, o site e a documentação do OpenClaw, e o npm em modo somente leitura para instalar plugins. GitHub e plataformas de mensagens não estão incluídos; você os adiciona com presets ou com um nível de política.
  • Destinos desconhecidos são bloqueados e mostrados a você. Quando o agente tenta um host fora da lista, o OpenShell o bloqueia, registra a tentativa e mostra o host, a porta e o binário solicitante em uma interface de terminal para que um operador aprove ou negue. Uma aprovação vale para a sessão; mudanças permanentes vão no arquivo de políticas ou por comandos openshell policy.
  • O sistema de arquivos é quase todo somente leitura. O agente pode gravar em /sandbox e /tmp; caminhos do sistema como /usr, /etc e /app são somente leitura, e ele roda como um usuário dedicado, sandbox.
  • As credenciais ficam do lado de fora. As chaves de inferência, mensagens e MCP ficam com o gateway OpenShell, não dentro do sandbox. Uma exceção: sessões pareadas por QR, como o WhatsApp, mantêm suas credenciais de sessão dentro.

O pedido de aprovação é o recurso principal: um agente vítima de injeção de prompt que tenta enviar dados para um lugar novo bate em um muro e em uma pessoa, em vez de ter sucesso em silêncio. A documentação admite com franqueza que parte da aplicação das regras (Landlock) é feita na base do melhor esforço, então trate isso como uma camada forte, não como uma garantia.

Instalação

O quickstart é um único comando:

curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash

Em seguida, o instalador pede, nesta ordem: aceitar um aviso de software de terceiros, escolher o agente, escolher um provedor de inferência e um modelo (NVIDIA Endpoints, OpenRouter, OpenAI, Anthropic, Gemini, Ollama local e outros), dar nome ao sandbox, adicionar opcionalmente busca na web e canais de mensagens, e escolher um nível de política de rede (Balanced por padrão). A documentação sugere pular a busca e os canais na primeira execução, o que é um bom conselho: tenha um sandbox funcionando e depois abra o acesso.

No dia a dia, você usa a CLI nemoclaw: nemoclaw my-assistant status, nemoclaw my-assistant connect para abrir um shell lá dentro, e um painel na porta 18789, que você acessa por um túnel SSH em uma máquina remota. A documentação avisa para tratar a URL do painel como uma senha.

Hardware e Docker

O NemoClaw precisa de um runtime de contêineres (Docker, Docker Desktop ou Colima) e de pelo menos 4 vCPUs, 8 GB de RAM (16 GB recomendados) e 20 GB de disco livre, com uma imagem de sandbox de 2,4 GB. É mais pesado do que rodar o OpenClaw sozinho. Linux e DGX Spark são as principais plataformas testadas; macOS com Apple Silicon e Windows via WSL2 funcionam com limitações. Para modelos locais, ele roteia para Ollama, vLLM ou NVIDIA NIM, e é aí que uma GPU da NVIDIA mostra seu valor.

Telemetria

Este é o padrão a mudar primeiro. A CLI e o instalador enviam telemetria de operações para a NVIDIA, a menos que você defina NEMOCLAW_DISABLE_TELEMETRY=1, e o quickstart diz para exportar essa variável antes de rodar o instalador se você quiser a telemetria desligada desde o início. Seus prompts vão para o provedor de inferência que você escolher, ou ficam na máquina com um modelo local.

Maturidade e manutenção

Alfa significa alfa: os mantenedores tratam as issues na base do melhor esforço, e WhatsApp, Microsoft Teams, Google Chat e WeChat estão marcados como experimentais (Telegram, Discord e Slack são os canais suportados). Você também acompanha dois projetos: as versões do NemoClaw e as do agente. O que o bot consegue fazer depende da versão do agente dentro da imagem de sandbox do NemoClaw, então os novos recursos do agente chegam no ritmo do NemoClaw.

Comparação

  • Quer isolamento em contêiner sem a stack da NVIDIA nem os requisitos mínimos? O NanoClaw roda cada agente no próprio contêiner e também mantém as chaves longe dos agentes, e o ZeroClaw aplica sandbox dentro de um único binário pequeno.
  • Quer ficar com o OpenClaw ou o Hermes Agent puros? Os dois têm os próprios backends de sandbox ou contêiner que você mesmo pode ativar; o atrativo do NemoClaw é a política de rede que nega por padrão e as aprovações do operador por cima disso.

Veja NemoClaw vs OpenClaw para o confronto direto.

Veredito

O NemoClaw é a forma mais completa da nossa lista de colocar uma coleira no OpenClaw ou no Hermes: rede que nega por padrão com aprovação do operador em tempo real, um sistema de arquivos somente leitura e chaves fora da caixa. Ele custa RAM, uma camada a mais para atualizar, telemetria para a NVIDIA até você desligá-la e um suporte de qualidade alfa. Para um agente compartilhado ou sempre ligado que lê entradas não confiáveis, costuma ser uma troca justa.

Preços

NemoClaw: Preços
Open sourceGrátis
  • Apache-2.0, free to self-host
  • You pay for inference from the provider you route to, or run a local model

Recursos

Recursos
Busca na webSim
Geração de imagensDesconhecido
Modo de vozDesconhecido
Envio de arquivosDesconhecido
MemóriaDesconhecido
Executa tarefas por vocêSim
Integrações com appsSim
Trabalha sozinhoSim
Manda mensagem primeiroDesconhecido
Vários botsDesconhecido

Pontos fortes

  • Puts OpenClaw or Hermes Agent in a sandbox with network, filesystem and process controls instead of running it on your host
  • Unapproved network destinations are blocked and surfaced for an operator to approve
  • Inference, messaging and MCP credentials stay outside the sandbox
  • Backed by NVIDIA, with local inference through Ollama, vLLM or NIM and a tested path on DGX Spark

Pontos fracos

  • Alpha: maintainers support it on a best-effort basis, and several channels are experimental
  • A wrapper, not an agent: what the bot can do depends on the OpenClaw or Hermes version inside
  • Heavier than running the agent alone: 8 GB RAM minimum, a 2.4 GB sandbox image and a container runtime
  • The CLI sends operation telemetry to NVIDIA unless you set NEMOCLAW_DISABLE_TELEMETRY=1

Ideal para

  • OpenClaw or Hermes Agent users who want sandboxing and egress control without building it themselves
  • Teams that need an operator to approve what an always-on agent can reach
  • Running agents on NVIDIA hardware with local inference

Fontes