Cargo

O que é

Cargo é uma plataforma de orquestração GTM em que o workspace é uma pasta de arquivos TypeScript. Cada recurso é uma chamada define*: defineModel para uma tabela vinda de um conector, defineTool para uma função reutilizável, defineAgent para um trabalhador LLM, definePlay para um workflow disparado por uma mudança nos dados, defineMcpServer para um endpoint que expõe qualquer um dos anteriores a um assistente externo. Você conecta tudo por referência de variável e publica o grafo inteiro com cargo-ai cdk deploy. Existe uma interface visual, e a maioria dos times começa por ela, mas o argumento real do produto é que a lógica de revenue deveria ser versionada, revisada e deployada como o resto da sua infraestrutura.

A empresa foi fundada em 2023 por Aurelien Aubert e Maxence De Villepion, passou pelo batch Summer 2023 do Y Combinator, fica em San Francisco e levantou $19.4M. Cita como clientes Descript, Gorgias, Ashby, Swile, Oneflow, Upfluence, Weights & Biases e Qobra, afirma ter mais de 10.000 GTM engineers na plataforma e tem SOC 2 Type II.

Por que aparece nos stacks de RevOps

• Uma definição, quatro pontos de chamada. Uma função de enriquecimento em cascata escrita uma única vez como defineTool pode ser chamada por um play noturno sobre os novos cadastros, por um agente SDR no meio da pesquisa, pela API REST, pelo cargo-ai orchestration no CI e pelo Claude Code. A maioria dos stacks GTM reconstrói essa lógica três vezes: uma na ferramenta de enriquecimento, outra no sequencer e outra em um script.
• MCP funciona nas duas direções. O defineMcpServer agrupa um conjunto escolhido dos seus tools, agentes e modelos de dados atrás de um único endpoint que Claude ou Cursor conseguem descobrir e chamar como ações nativas, com flags readOnly por modelo. No sentido inverso, o Cargo consome os servidores MCP hospedados de HubSpot, Salesforce e Notion como ações de agente. À parte, os pacotes open source cargo-skills ensinam ao Claude Code e ao Cursor os comandos da CLI e o fluxo de descoberta de UUID, de modo que “dispare o play de scoring de MQL nos leads adicionados esta semana” vira comandos reais em vez de chute.
• A medição é legível. Toda resposta do @cargo-ai/cli é JSON, toda falha sai com código diferente de zero e o cargo-ai billing usage devolve o consumo como dado. Dá para precificar um play antes de rodá-lo em escala.

A realidade do preço

Publicado, baseado em uso, sem compromisso mínimo. O teste gratuito dá 100 créditos sem cartão. Os planos pagos são alocações de créditos: a partir de $165/mês por 1.5K créditos, $250 por 2.5K, $1,190 por 17K e $3,000 por 50K ou mais. Todos os níveis trazem todos os recursos e as mais de 100 integrações; as únicas diferenças são a alocação de créditos e o nível de suporte, com SSO reservado ao Enterprise.

A taxa efetiva melhora cerca de duas vezes ao longo da faixa: cerca de $0.11 por crédito no nível de $165, cerca de $0.10 no de $250, cerca de $0.07 no de $1,190 e cerca de $0.06 no de $3,000. Comprar créditos pelo slider em vez de por um plano custa $0.25, então o desconto do plano é a verdadeira decisão de preço.

O que os créditos compram é a parte que muda a conta. Orquestração custa 1 crédito a cada 100 passos e armazenamento custa 1 crédito a cada 1.000 upserts — os dois quase de graça em volumes realistas. As tarefas de integração são listadas por integração, e os provedores de IA cobram por modelo a cada 1.000 tokens. Sua fatura, portanto, é dominada pelas chamadas a provedores de enriquecimento e pelos tokens de modelo, e não por quantos passos de workflow você roda, o que é o oposto da intuição que a maioria dos times traz de ferramentas medidas por linha. Faça o orçamento por volume de dados e escolha de modelo, não por complexidade de workflow.

Ideal para

GTM engineers e líderes de RevOps em empresas de Série A a C com pelo menos uma pessoa que escreva TypeScript, cuja orquestração já passou do tamanho de uma planilha. É a escolha certa especificamente quando a mesma lógica de enriquecimento ou scoring precisa ser chamável por um play agendado, por um agente, pela sua API e por um terminal — e você quer isso em git, com diff e revisão.

Pule se ninguém do time de revenue conseguir revisar um pull request de TypeScript, se o seu trabalho é montar listas em vez de orquestração sempre ligada, ou se você precisa de um ecossistema certificado de parceiros por trás da plataforma.

Diante das alternativas

Clay é a ferramenta dominante nesse segmento e o padrão honesto para a maioria dos times: escolha Clay quando o trabalho tem formato de planilha — montar uma lista, enriquecer, empurrar — e quem faz isso não é engenheiro. n8n e Zapier são os motores de workflow gerais: escolha qualquer um quando a automação não for específica de GTM e você não precisar de um modelo de dados de revenue nem de lógica de territórios embaixo. Unify é o entrante que mais cresce aqui e o substituto mais próximo em resultado: pegue Unify quando quiser o caminho de sinal a sequência empacotado e rodando este mês, e Cargo quando quiser ser dono do grafo e estiver disposto a construí-lo.

Pontos de atenção

• O CDK é o produto, e ele é TypeScript. Um time que fica na interface visual está comprando um construtor de workflows mediano e pagando por uma plataforma de código. Guarda: antes de assinar, nomeie a pessoa dona do repo do workspace. Se ninguém consegue revisar um pull request de TypeScript, rode um trimestre na interface e trate o CDK como não comprado na hora de avaliar a renovação.
• Prever créditos é a parte difícil, e as tarifas públicas vão te enganar. Os custos por integração e as tarifas por token de cada modelo mudam junto com o catálogo de cada provedor, então a fonte autoritativa é a CLI, não a página de preços. Guarda: durante o teste, rode cargo-ai connection integration get <name> para cada provedor de enriquecimento e de modelo que você pretende usar, rode um play no tamanho de lote real e depois leia cargo-ai billing usage — e dimensione seu nível por esse número, não pela tarifa do slider.
• Os créditos zeram a cada período e o overage é só para Enterprise. Um play em loop por causa de um filtro mal feito consegue queimar a alocação de um mês, e abaixo do Enterprise seus workflows param em vez de ultrapassar. Guarda: ative o auto-topup em tudo que toca o cliente e limite o tamanho de lote de todo play novo até ter assistido a uma execução completa na tabela de spans.
• Fornecedor pequeno, time pequeno. YC S23 e $19.4M levantados, contra um líder de segmento com muito mais capital. Guarda: mantenha o sistema de registro no seu CRM ou no seu warehouse, e não nos modelos de dados do Cargo; guarde o TypeScript do workspace em um repo que você controla; e confirme durante o teste que um workspace novo pode ser reconstruído a partir desse repo com cargo-ai cdk deploy.