Tools

Bruno is an open-source desktop alternative to Postman and Insomnia for API testing, development and debugging. It aims to provide superior collaboration, privacy and security with its simple offline-only design. Collections are stored directly in your filesystem — written in a custom plain text markup language, Bru Lang, and can be shared with Git or a version control tool of your choice to collaborate. Bruno is available both as a desktop app and a CLI tool. It also offers an official VS Code extension, with plans for additional IDE support. Bruno has become the default choice for several Thoughtworks teams, but we also advise teams to be on guard when working under VPN and proxy environments, since requests made in such conditions have been reported to fail unexpectedly.

K9s has improved its visualization capabilities by integrating more detailed graphs and views. It now offers better representation of logs and metrics and is more flexible in how it displays custom resources (CRDs). The operations on pods have been expanded and include greater integration with debugging tools (e.g., kubectl debug) and enhanced support for multi-cluster environments. Support for CRDs has significantly improved and now provides better navigation and management of these resources as well as smoother interaction with custom resources. The shortcuts panel has also been enhanced to make it more accessible for developers who are less experienced with kubectl. This is a significant improvement, as K9s initially focused primarily on DevOps teams.

SOPS is an editor of encrypted files that supports various file formats of encrypts with KMS. Our advice when it comes to secrets management has always been to decouple it from source code. However, when faced with a choice between full automation (in the spirit of infrastructure as code) and a few manual steps (using tools like vaults) for managing, seeding and rotating seed secrets, teams often face a tradeoff. For example, our teams use SOPS to manage seed credentials for bootstrapping infrastructure. In some situations, however, it's impossible to remove secrets from legacy code repositories. In those instances, we use SOPS to encrypt secrets in text files. SOPS integrates with cloud-managed keystores such as AWS and GCP Key Management Service (KMS) or Azure Key Vault as sources of encryption keys. It also works cross-platform and supports PGP keys. Several of our teams use SOPS by default when they have to manage secrets in the code repository.

We've highlighted visual regression testing tools before and have observed their algorithms evolve from primitive pixel-level comparison to sophisticated pattern-matching and optical character recognition (OCR). Early visual regression tools generated many false positives and were only useful in later stages of development when the interface became stable. BackstopJS avoids this problem by configuring selectors and viewports to pinpoint visual tests to specific elements on the page. But machine learning has made it easier to detect and compare visual elements more accurately, even if they happen to have moved or contain dynamic content. These tools have become steadily more useful and are well-positioned to take advantage of the latest developments in AI and machine learning. Several commercial tools such as Applitools and Percy now claim to use AI in their visual regression tests. One of our teams has been using Applitools Eyes extensively and have been happy with the results. Although visual regression tests are no substitute for well-written end-to-end functional tests, they're a valuable addition to the testing toolbox. We're moving them to adopt because they have become a safe default option as one element in a comprehensive UI test strategy.

Wiz has emerged as the cloud security platform of choice on many of our projects. Our teams appreciate that it enables them to detect risks and threats sooner than similar tools as it continuously scans for changes. Wiz can detect and alert on misconfigurations, vulnerabilities and leaked secrets both in artifacts that have yet to be deployed to live environments (container images, infrastructure code) as well as live workloads (containers, VMs and cloud services). We also appreciate the powerful reporting capability for both development teams and leadership. This analysis helps us understand how a vulnerability can affect a given service so that we can resolve issues in that context.

AWS Control Tower continues to be our go-to choice for managing AWS accounts in a multi-team environment. It provides a convenient mechanism to preconfigure security and compliance controls that will be automatically applied to new landing zones. This is an example of "compliance at the point of change" because the controls are applied and verified whenever new infrastructure is created, eliminating the need for manual compliance checks later on. AWS Control Tower Account Factory for Terraform (AFT) has continued to evolve since our last volume and is now available in more AWS regions. AFT allows Control Tower accounts to be provisioned by an infrastructure-as-code pipeline. We like that AFT can be customized to send webhooks or take specific actions to integrate safely and securely with external tools like GitHub Actions. Our teams have reported great results using AWS Control Tower to manage accounts, but we do wish AWS would accept community contributions to the project when there are opportunities for enhancement.

For teams practicing continuous integration it's important to be aware of the state of the central build on the continuous integration (CI) system. Before the pandemic, dashboards on large TV screens in the team rooms provided this information at a glance. With remote working here to stay, a solution is needed that works on individual developer workstations. For the Mac that niche is covered by CCMenu, a small app written by a Thoughtworker. Originally part of CruiseControl, it works with all servers that can provide information in cctray format, including Jenkins and TeamCity. A recent rewrite has added support for GitHub Actions and paved the way for deeper integration with more CI servers and authentication styles.

ClickHouse is an open-source, columnar online analytical processing (OLAP) database for real-time analytics. It started as an experimental project in 2009 and has since matured into a highly performant and linearly scalable analytical database. Its efficient query processing engine together with data compression makes it suitable to run interactive queries without pre-aggregation. ClickHouse is also a great storage choice for OpenTelemetry data. Its integration with Jaeger allows you to store massive volumes of traces and analyze them efficiently.

Despite advances in development tooling, maintaining consistent local development environments remains a challenge for many teams. Onboarding new engineers often entails running commands or custom scripts that can fail unpredictably across different machines and result in inconsistencies. To solve this challenge, our teams have increasingly relied on Devbox. Devbox is a command-line tool that provides an approachable interface for creating reproducible, per-project local development environments, leveraging the Nix package manager without using virtual machines or containers. It has notably streamlined their onboarding workflow because once it has been configured for a codebase, it takes one CLI command (devbox shell) to reproduce the defined environment on a new device. Devbox supports shell hooks, custom scripts and devcontainer.json generation for integration with VSCode.

Difftastic is a tool for highlighting differences between code files in a syntax-aware way. This is quite different from textual diffing tools, like the venerable Unix diff command. For example, Difftastic will ignore newlines inserted to break up long statements in languages like Java or TypeScript that are semicolon delimited. The tool only highlights changes that impact the syntax of the program. It does this by first parsing the files into abstract syntax trees and then computing the distance between them using Dijkstra's algorithm. We've found Difftastic to be particularly useful for understanding changes when reviewing large codebases. Difftastic can be used on any programming language for which a parser is available and out of the box supports more than 50 programming languages as well as structured text formats like CSS and HTML. This isn't a new tool, but we thought it was worth calling attention to in the age of LLM coding assistants where human-in-the-loop reviews of ever larger codebases are increasingly critical.

LinearB, a software engineering intelligence platform, has empowered our engineering leaders with data-driven insights to support continuous improvement. It aligns key areas such as benchmarking, workflow automation and targeted investments in enhancing developer experience and productivity. Our experience with LinearB highlights its ability to foster a culture of improvement and efficiency within engineering teams. Our teams have used the platform to track key engineering metrics, identify areas for enhancement and implement evidence-based actions. These capabilities align well with LinearB’s core value proposition: benchmarking, automating metric collection and enabling data-driven improvements. LinearB integrates with source code, application lifecycle, CI/CD and communication tools and uses both preconfigured and custom engineering metrics to provide comprehensive quantitative insights into developer experience, productivity and team performance. As advocates of DORA, we appreciate LinearB’s strong emphasis on these specific metrics and its ability to measure key aspects of software delivery performance, which are essential for improving efficiency. Historically, teams have faced challenges in gathering DORA-specific metrics, often relying on complex custom dashboards or manual processes. LinearB continues to offer a compelling solution that automates the tracking of these metrics and delivers real-time data that supports proactive decision-making around developer experience, productivity and predictability.

pgvector is an open-source vector similarity search extension for PostgreSQL, allowing the storage of vectors alongside structured data in a single, well-established database. While it lacks some advanced features of specialized vector databases, it benefits from ACID compliance, point-in-time recovery and other robust features of PostgreSQL. With the rise of generative AI-powered applications, we see a growing pattern of storing and efficiently searching embedding vectors for similarities, which pgvector addresses effectively. With pgvector’s growing use in production environments, especially where teams are already using a cloud provider that offers managed PostgreSQL, and its proven ability to meet common vector search needs without requiring a separate vector store, we're confident in its potential. Our teams have found it valuable in projects comparing structured and unstructured data, demonstrating its potential for broader adoption, and we're therefore moving it to the Trial ring.

Snapcraft is an open-source command-line tool for building and packaging self-contained applications called snaps on Ubuntu, other Linux distributions and macOS. Snaps are easy to deploy and maintain across hardware platforms, including Linux machines, virtual environments and vehicle on-board computer systems. While Snapcraft offers a public app store for publishing snaps, our teams use the build tool to package the autonomous driving system as a snap without publishing it to the public app store. This allows us to build, test and debug the embedded software system locally while publishing it to an internal artifact repository.

Spinnaker is an open-source continuous delivery platform created by Netflix. It implements cluster management and deployment of baked images to the cloud as first-class features. We like Spinnaker's opinionated approach for deploying microservices. In previous editions, we noted its inability to configure pipelines as code, but that has been addressed with the addition of the spin CLI. Even though we don't recommend Spinnaker for simple CD scenarios, it has become a tool of choice for many in complex situations with equally complex deployment pipelines.

TypeScript OpenAPI (or tsoa) is an alternative to Swagger for generating OpenAPI specs from your code. It’s code-first, with TypeScript controllers and models as the single source of truth and uses TypeScript annotations or decorators rather than requiring more complex files and configurations when using OpenAPI tooling for TypeScript. It generates both 2.0 and 3.0 API specifications and routes can be generated for Express, Hapi and Koa. If you're writing APIs in TypeScript, this project is worth taking a look at.

Although using the simplest feature toggle possible remains our recommended approach, scaling teams and faster development make managing hand-crafted toggles more complex. Unleash is an option widely used by our teams to address this complexity and enable CI/CD. It can be used either as a service or self-hosted. It provides SDKs in several languages with a good developer experience and friendly UI for administration. Although there’s no official support for the OpenFeature specification yet, you can find community-maintained providers for Go and Java. Unleash can be used for simple feature toggles as well as segmentation and gradual rollouts, making it a suitable option for feature management at scale.

Astronomer Cosmos é um plugin Airflow desenvolvido para prover mais suporte nativo para workflows dbt no Airflow. Com o plugin instalado, quando DbtDag é usado para empacotar um workflow dbt, ele transforma nodos dbt em grupos de tarefas/tarefa Airflow, permitindo que pessoas engenheiras visualizem grafos de dependência dbt e os seus progressos de execução diretamente na interface Airflow. Ele também suporta a utilização de conexões Airflow ao invés de perfis dbt, potencialmente reduzindo configuration sprawl. Estamos experimentando o potencial da ferramenta de tornar o trabalho com dbt no Airflow mais fácil.

ColPali é uma ferramenta emergente para recuperação de documentos PDF utilizando modelos de linguagem visual (VLMs), abordando os desafios de construir uma aplicação robusta de geração aumentada por recuperação (RAG) que pode extrair dados de documentos multimídia contendo imagens, diagramas e tabelas. Diferentemente dos métodos tradicionais que dependem de embeddings baseados em texto ou técnicas de reconhecimento óptico de caracteres (OCR), o ColPali processa páginas inteiras de PDFs, utilizando um transformador visual para criar embeddings que consideram tanto o conteúdo textual quanto o visual. Essa abordagem holística permite uma recuperação mais eficaz, além de fornecer justificativas para a seleção de certos documentos, aprimorando significativamente o desempenho do RAG em relação a PDFs ricos em dados. Nós testamos o ColPali com várias clientes e ele demonstrou resultados promissores, mas a tecnologia ainda está nos estágios iniciais. Vale a pena avaliar, particularmente para organizações com dados em documentos visuais complexos.

A corrida por ferramentas de programação assistidas por IA continua, e a mais chamativa é Cursor. O Cursor é um editor de código com foco em IA projetado para aumentar a produtividade do desenvolvedor, integrando profundamente a IA ao fluxo de trabalho de codificação. Temos prestado atenção a ele em edições anteriores do radar, mas é claro que a recente melhoria contínua do Cursor inaugurou uma mudança qualitativa. Em nosso uso, o Cursor demonstrou fortes capacidades de raciocínio contextual com base na base de código existente. Enquanto outras ferramentas de código de IA como GitHub Copilot tendem a gerar e colaborar em torno de trechos de código, as operações de edição multi-linha e multi-arquivo do Cursor o destacam. O Cursor é um fork do VSCode e desenvolvido com base nele, fornecendo um método de interação rápido e intuitivo que está em conformidade com a intuição do desenvolvedor. Operações poderosas podem ser concluídas com ctrl/cmd+K e ctrl/cmd+L. O Cursor está liderando uma nova rodada de competição em ferramentas de programação de IA, especialmente em relação à interação da desenvolvedora e à compreensão das bases de código.

Data Mesh Manager fornece camada de metadados de uma típica plataforma de data mesh. Particularmente, ela foca na definição de produtos de dados e na especificação de contratos de dados fazendo uso da iniciativa OpenContract e pode ser integrada à construção de pipelines usando o DataContract CLI associado. A aplicação também disponibiliza um catálogo de dados para a descoberta e análise de produtos de dados e seus metadados, além de permitir a governança federada, incluindo a definição de métricas de qualidade dos dados e o gerenciamento de suas regras. É uma das primeiras ferramentas nativas nessa categoria, o que significa que não está apenas tentando retroadaptar plataformas existentes ao paradigma do data mesh.

Apesar de sua potência e utilidade, a interface de linha de comando do Git é notoriamente complexa quando se trata de gerenciar múltiplos branches e preparar commits dentro deles. O GitButler é um cliente Git que oferece uma interface gráfica com o objetivo de simplificar esse processo. Ele faz isso rastreando mudanças em arquivos não commitados de forma independente do Git e, em seguida, preparando essas mudanças em branches virtuais. Pode-se argumentar que isso é uma solução para um problema que não deveria existir; se você fizer pequenas alterações e enviar para a branch principal com frequência, não há necessidade de múltiplos branches. No entanto, quando seu fluxo de trabalho envolve pull requests, a estrutura de branches pode se tornar complexa, especialmente se houver um longo ciclo de revisão antes de um PR ser integrado. Para lidar com isso, o GitButler também se integra ao GitHub, permitindo que você agrupe seletivamente as alterações em pull requests e os envie diretamente da ferramenta. O GitButler é mais uma entrada na crescente categoria de ferramentas voltadas para gerenciar a complexidade inerente ao processo de PR.

JetBrains AI Assistant é uma assistente de codificação projetada para se integrar perfeitamente com todas as IDEs da JetBrains para oferecer suporte com a autocomplementação do código, geração de testes e adesão a guias de estilo. Baseada em modelos como o OpenAI e o Google Gemini, destaca-se por sua capacidade de garantir consistência ao lembrar estilos de codificação para sessões futuras. Nossas pessoas desenvolvedoras acharam suas capacidades de geração de testes particularmente úteis e notaram sua habilidade de lidar com resultados mais longos sem problemas de estabilidade. No entanto, ao contrário de algumas concorrentes, a JetBrains não hospeda seus próprios modelos, o que pode não ser ideal para clientes preocupadas com o manuseio de dados por terceiros. Ainda assim, a integração da ferramenta com as IDEs da JetBrains faz dela uma escolha promissora para times que buscam assistentes de codificação impulsionadas por IA.

Desenvolvedoras que trabalham em um ambiente poliglota frequentemente precisam gerenciar várias versões de diferentes linguagens e ferramentas. Mise mira resolver esse problema fornecendo uma única ferramenta para substituir o nvm, pyenv, rbenv, rustup, entre outros, e é um substituto direto para o asdf. Mise é escrito em Rust para garantir maior velocidade na interação com o shell e, ao contrário do asdf, que usashims baseados em shell, o Mise modifica a variável de ambiente PATH antecipadamente, de modo que as ferramentas sejam chamadas diretamente. É em parte por isso que o Mise é mais rápido que o asdf. Para aquelas desenvolvedoras que já estão familiarizadas com o asdf, ele oferece a mesma funcionalidade, mas com algumas diferenças importantes. Por ser escrito em Rust, ele é mais rápido e tem alguns recursos que o asdf não tem, como a capacidade de instalar várias versões da mesma ferramenta ao mesmo tempo e comandos mais tolerantes, incluindo correspondência difusa. Ele também fornece um executor de tarefas integrado, útil para executar linters, testes, builders, servidores e outras tarefas específicas de um projeto. Se você está um pouco cansada de usar várias ferramentas para gerenciar seu ambiente de desenvolvimento, ou da sintaxe às vezes complicada de outras ferramentas, o Mise definitivamente vale a pena ser considerado.

Mockoon é uma ferramenta open-source para simulação de APIs. Possui uma interface intuitiva, rotas personalizáveis e respostas dinâmicas, bem como a capacidade de automatizar a criação de conjuntos de dados simulados. Mockoon é compatível com OpenAPI e permite gerar diferentes cenários que podem ser testados localmente e integrados a uma pipeline de desenvolvimento. Você também pode criar "mocks parciais" interceptando as solicitações e simulando apenas as chamadas definidas no Mockoon. Os partial mocks ajudam a simular rotas ou endpoints específicos da API e encaminhar outras solicitações para servidores reais. Embora os partial mocks possam ser úteis em certos cenários, existe o risco de uso excessivo, o que pode resultar em complexidade desnecessária. Além disso, o Mockoon continua sendo uma ferramenta valiosa para configurar rapidamente APIs simuladas e melhorar e automatizar os fluxos de trabalho de desenvolvimento.

Raycast é um inicializador de modelo freemium (combinação das palavras "gratuito" e "premium") para macOS que permite iniciar rapidamente aplicativos, executar comandos, buscar arquivos e automatizar tarefas diretamente do teclado. Nossas equipes valorizam seus recursos prontos para desenvolvedoras e sua fácil extensibilidade, que permite interação com aplicativos e serviços de terceiros, como VSCode, Slack, Jira e Google, entre muitos outros. O Raycast é voltado para a produtividade e minimiza a troca de contexto, tornando-se uma ferramenta útil para quem busca otimizar suas tarefas diárias. Usuárias da versão Pro têm acesso ao Raycast AI, um assistente de busca especializado em tecnologia de IA.

ReadySet é um cache de consultas para MySQL e PostgreSQL. Ao contrário das soluções de cache tradicionais que dependem de invalidação manual, o ReadySet utiliza fluxos de replicação do banco de dados para atualizar seu cache de forma incremental. Através da materialização parcial de views, o ReadySet alcança latências finais mais baixas do que uma réplica de leitura tradicional. O ReadySet é compatível com os protocolos de MySQL e PostgreSQL, permitindo que você o implante entre sua aplicação e seu banco de dados para escalar horizontalmente as cargas de leitura sem exigir mudanças na aplicação.

Muitas de nossas equipes que trabalham em frontends baseados na web mudaram de ferramentas de empacotamento mais antigas, como a Webpack, para Vite. Uma nova participante nesse campo é a Rspack, que, após um ano e meio de desenvolvimento, acaba de lançar sua versão 1.0. Projetada como um substituto direto para a Webpack, é compatível com plugins e loaders do ecossistema Webpack. Isso pode ser uma vantagem sobre a Vite ao migrar configurações complexas do Webpack. A principal razão pela qual nossas equipes estão migrando para ferramentas mais recentes como Vite e Rspack é a experiência da desenvolvedora e, em particular, a velocidade. Nada interrompe mais o fluxo de desenvolvimento do que ter que esperar um ou dois minutos para obter feedback sobre as últimas alterações no código. Escrita em Rust, Rspack oferece um desempenho significativamente mais rápido do que a Webpack e, em muitos casos, é até mais rápido que a Vite.

Ao desenvolver aplicações baseadas em LLM, é fundamental determinar a intenção da usuária antes de direcionar uma solicitação para um agente especializado ou iniciar um fluxo específico. O Semantic Router atua como uma camada de tomada de decisão ultrarrápida para LLMs e agentes, permitindo o roteamento eficiente e confiável de solicitações com base no significado semântico. Usando vector embeddings para inferir a intenção, o Semantic Router reduz chamadas desnecessárias aos LLMs, proporcionando uma abordagem mais enxuta e econômica para entender a intenção da usuária. Seu potencial vai além da inferência de intenção, atuando como um bloco de construção versátil para diversas tarefas semânticas. A velocidade e flexibilidade que ele oferece o posicionam como um forte concorrente em ambientes que exigem tomada de decisão rápida e em tempo real, sem o custo adicional dos LLMs.

Um dos tópicos mais comentados, atualmente, no espaço de IA generativa, é o conceito de agentes de engenharia de software. Essas ferramentas de assistência de codificação fazem mais do que apenas ajudar a pessoa engenheira com trechos de código aqui e ali; elas ampliam o tamanho do problema que podem resolver, idealmente de forma autônoma e com o mínimo de interferência de uma pessoa. A ideia é que essas ferramentas possam pegar um problema do GitHub ou um tíquete do Jira e propor um plano e alterações de código para implementá-lo, ou até mesmo criar uma pull request para uma pessoa revisar. Embora este seja o próximo passo lógico para aumentar o impacto da assistência de codificação com IA, a meta frequentemente anunciada de agentes genéricos que podem cobrir uma ampla gama de tarefas de codificação é muito ambiciosa, e o estado atual das ferramentas ainda não está mostrando isso de forma convincente. No entanto, podemos acompanhar isso funcionando mais cedo ou mais tarde para um escopo mais limitado de tarefas diretas, liberando tempo da pessoa desenvolvedora para trabalhar em problemas mais complexos. As ferramentas que estão lançando e comercializando versões beta de agentes incluem GitHub Copilot Workspace, qodo flow, Tabnine's agents for JIRA e Amazon Q Developer. O comparador SWE Bench lista ferramentas neste contexto, mas alertamos para levar as comparações no campo da IA com cautela.

Rust é uma boa indicação para escrever ferramentas de linha de comando devido a sua rápida performance de inicialização, e acompanhamos pessoas reescrevendo algumas toolchains com a linguagem. Nós mencionamos o Ruff, um linter Python escrito em Rust, no Radar anterior. Para esta edição, nós avaliamos uv, uma ferramenta de gerenciamento de pacotes Python escrita em Rust. A proposta de valor da uv é serextremamente rápida e ela supera outras ferramentas de gerenciamento de pacotes Python por uma grande margem em seus benchmarks. No entanto, durante nossa avaliação para o Radar, nós discutimos se otimizar em segundos para ferramentas de construção é uma melhoria significativa. Comparado ao desempenho, o mais importante para um sistema de gerenciamento de pacotes é o ecossistema, uma comunidade madura e suporte a longo prazo. Dito isso, o feedback da equipe do projeto nos mostrou que essa melhoria pequena de velocidade pode ser um grande benefício para melhorar os ciclos de feedback e a experiência geral da pessoa desenvolvedora, uma vez que temos a tendência de manualmente tornar o cache de CI/CD muito complexo para conseguir este pequeno ganho de performance. uv simplifica nosso ambiente de gerenciamento Python. Considerando que ainda há muito espaço para melhorias no gerenciamento de pacotes e ambientes para desenvolvimento Python, nós achamos que a uv é uma opção que vale a pena avaliar.

Warp é um terminal para macOS e Linux. Ele divide as saídas de comandos em blocos para melhorar a legibilidade. Warp oferece recursos orientados por IA como sugestão inteligente de comandos e processamento de linguagem natural. Também inclui funcionalidades de anotação que permitem às usuarias organizar comandos e saídas, além de adicionar anotações e documentação. Você pode aproveitar esses recursos para criar arquivos LEIAME ou materiais de onboarding, oferecendo uma maneira estruturada e interativa de apresentar e gerenciar fluxos de trabalho de terminal. Warp se integra facilmente com Starship, um prompt flexível com suporte a múltiplos shells, permitindo personalizar a experiência no terminal e recuperar informações sobre processos em execução, a versão específica da ferramenta que você está usando, detalhes do Git ou da usuária atual do Git, entre outras informações.

Depois da descontinuação do projeto do editor de textos Atom, as pessoas responsáveis pela sua criação desenvolveram um novo editor chamado Zed. Escrito em Rust e otimizado para aproveitar os hardwares atuais, o Zed parece rápido. Ele possui todas as funcionalidades que esperamos em um editor moderno: suporte a muitas linguagens de programação, um terminal integrado e edição multi-buffer. Codificação assistida por IA está disponível através da integração com diversos provedores de LLM. Como entusiastas da programação em pares, estamos interessadas pela funcionalidade de colaboração remota integrada ao Zed. As pessoas desenvolvedoras podem se encontrar através de seus IDs do Github e podem colaborar no mesmo workspace em tempo real. É muito cedo para dizer se as equipes de desenvolvimento podem e querem sair da atração do ecossistema Visual Studio Code, mas o Zed é uma alternativa a ser explorada.

CocoaPods tem sido uma ferramenta popular de gerenciamento de dependências para projetos Cocoa em Swift e Objective-C. No entanto, a equipe do CocoaPods anunciou que o projeto está em modo de manutenção após mais de uma década sendo uma ferramenta essencial para desenvolvedoras em iOS e macOS. Embora a ferramenta e seus recursos permaneçam disponíveis, o desenvolvimento ativo será interrompido. As desenvolvedoras são encorajadas a transicionar para o Swift Package Manager, que oferece integração nativa com o Xcode e um melhor suporte a longo prazo da Apple.