Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Narzędzia dla agentów w firmach zyskują warstwę zarządzania, a obok rośnie tłok wśród środowisk uruchomieniowych

W ostatnich miesiącach na Hacker News i GitHubie pojawiła się grupa środowisk uruchomieniowych dla agentów, skrzynek odbiorczych i połączeń peer-to-peer, a ustabilizowani dostawcy wypychają na rynek produkty do zarządzania. Przekazy mocno się różnią, ale jedno pytanie zostaje otwarte: kto kontroluje to, co agent robi, gdy już działa.

AI i modeleAnalizaAnna KaczmarekOpublikowano: 28 września 20266 min czytaniaŹródła 5
Narzędzia dla agentów w firmach zyskują warstwę zarządzania, a obok rośnie tłok wśród środowisk uruchomieniowych

Pięć osobnych projektów trafiło na Hacker News między grudniem a wrześniem. Każdy twierdzi, że naprawia inny fragment tego samego problemu: agenci działają godzinami, wywołują narzędzia i dotykają systemów produkcyjnych. Żaden nie jest produktem do zarządzania w sensie zgodności z przepisami. Czytane razem opisują rynek, który dzieli się na środowiska uruchomieniowe, interfejsy i instalacje. Warstwę bezpieczeństwa wciąż w dużej mierze sprzedaje ktoś inny.

Zaczynamy od Somy, opisanej na docs.trysoma.ai i opublikowanej 2 grudnia. To otwartoźródłowe środowisko uruchomieniowe dla agentów i przepływów pracy, które można hostować u siebie i które dostarczane jest jako jeden plik binarny. Dokumentacja opisuje płaszczyznę bezpieczeństwa i zarządzania obejmującą agentów. TypeScript jest wspierany już teraz, Python widnieje jako „wkrótce”. Dokumentacja obiecuje odporność na błędy i wznawianie: wykonanie można w dowolnym momencie przerwać lub zawiesić i wznowić od miejsca, w którym się zatrzymało. Soma sama generuje punkty końcowe A2A (Agent2Agent), a zgodność ze strumieniowaniem OpenAI jest oznaczona jako „wkrótce”.

Jak na jeden plik binarny to sporo powierzchni.

Dokumentacja wymienia też serwer MCP zintegrowany z zewnętrznymi dostawcami SaaS. Serwer zajmuje się szyfrowaniem i rotacją danych uwierzytelniających, szyfrowaniem sekretów lokalnie, w AWS lub wkrótce w GCP KMS, precyzyjnym zarządzaniem dostępem do kluczy API oraz wychodzącą bramą AI. Brama przechwytuje wszystkie żądania agentów kierowane do dostawców modeli na potrzeby obserwowalności. Wsparcie systemów jest nierówne i podane wprost: Mac OS X x86 i ARM oraz Linux GNU x86 i ARM są oznaczone na zielono dla TypeScriptu, Rust jest oznaczony na biało w całej tabeli. Windows nie jest wspierany natywnie, co dokumentacja wiąże z użyciem gniazd domeny Uniksa w Ruście, i opisuje jako planowany.

Skrzynki odbiorcze, worktree i agenci specjaliści

Pizza Bot, opublikowany 15 września i hostowany pod github.com/pizza-bot-app/pizza-bot, przyjmuje odwrotne podejście: nie próbuje być środowiskiem uruchomieniowym. To lokalna w pierwszej kolejności skrzynka odbiorcza dla długo działających agentów, zbudowana z DeepAgents i LangGraph, rozwijana w Amazonie i wydana na licencji Apache 2.0. Przekaz jest prosty. Uruchamiasz lub planujesz zadanie, odchodzisz, a wracasz do gotowej pracy w zakładce Unread i decyzji czekających na ciebie w Action. Agenci pracują dalej, gdy opuścisz stronę lub rozłączysz się, pod warunkiem że proces api-server nadal działa.

README projektu jest nietypowo konkretny, jeśli chodzi o bezpieczeństwo. api-server nasłuchuje na 127.0.0.1, a nasłuch poza interfejsem pętli zwrotnej wymaga uwierzytelnienia. Pizza Bot nie dostaje domyślnie dostępu do katalogu domowego; użytkownik przyznaje poszczególne foldery tylko do odczytu lub do zapisu w Settings, Files. Aplikacja desktopowa chroni wpisane sekrety mechanizmem Electron safeStorage, a konfiguracja serwera przechowuje wyłącznie odwołania do zmiennych środowiskowych. Każde wydanie zawiera instalatory oraz plik SHA256SUMS do sprawdzenia pobranego pakietu. Kompilacje na macOS są podpisane i notaryzowane, kompilacje na Windows i Linuksa nie są, i README mówi o tym wprost.

Wsparcie modeli jest szerokie z założenia: wymienione są Amazon Bedrock, Anthropic, Google Gemini, OpenAI, OpenRouter i Ollama. Bedrock przyjmuje profil AWS, klucze dostępu AWS lub klucz API Bedrocka, z opcjonalnym nadpisaniem regionu, a w przeciwnym razie AWS_REGION lub us-west-2. Zatwierdzanie przez człowieka, pamięć długoterminowa i załączniki plikowe są wbudowane w przepływ pracy, a nie doklejone później.

Hyperlane, opublikowany 4 sierpnia pod hyperlaneide.com, jest z całej piątki najtrudniejszy do oceny na podstawie własnej strony. Serwis opisuje kompletne IDE, które uruchamia agentów AI równolegle, a tytuł wspomina o IDE i ADE łączącym worktree agentów z natywnymi narzędziami. Poza tym tekst jest w dużej mierze nieczytelny: długie ciągi znaków ozdobnych i zniekształconych glifów zastępują to, co powinno być opisem produktu. W dostępnym tekście nie zachowały się żadne ceny, opis architektury ani szczegóły bezpieczeństwa. FLASH24 nie mógł zweryfikować żadnego twierdzenia o produkcie na podstawie samej strony.

Recurse, opublikowany 25 września pod recurse.run, jest najbardziej konkretny wśród nowszych graczy. Oferuje bezserwerową infrastrukturę do budowania własnych agentów i wdrażania ich jako narzędzi, serwerów MCP lub botów. Nowe konta startują z zasilonymi 5 dolarami na uruchomienia i bez potrzeby podawania karty, co jest liczbą marketingową, a nie wynikiem testu. Strona pokazuje fragment reprezentatywnego manifestu agent.yaml z apiVersion recurse.run/v1alpha1, schematem wejścia z wartościami domyślnymi i schematem wyjścia wymagającym pola result. Wymienione polecenia to między innymi recurse run ./agent, recurse deploy --as mcp, recurse status oraz rejestracja w zewnętrznych klientach przez codex mcp add recurse i claude mcp add recurse. Przykładowe przepływy pracy obejmują projektowanie poziomów, projektowanie sekwencji RNA i inne zadania iteracyjne, w których agent nadrzędny zmienia specjalistę, zamiast odpowiadać samodzielnie.

Jest jeszcze PeerTalk.ai, opublikowany 27 września. Jest darmowy i wprost określony jako eksperyment, przypisany Danielowi Brainowi. Pomysł: pozwól swojemu agentowi rozmawiać bezpośrednio z agentem kogoś innego, żeby wymienili spostrzeżenia i uzgodnili plan. Wiadomości idą prosto między dwiema maszynami, zaszyfrowane, a strona zapewnia, że nigdy nie przechodzą przez serwery PeerTalku. Każdy agent zostawia swój adres na peertalk.ai, zaszyfrowany kluczem wygenerowanym w przeglądarce, który istnieje tylko w linku, więc usługa nie może odczytać ani zmienić adresów. Nic nie jest przekazywane dalej: jeśli dwie maszyny nie mogą połączyć się bezpośrednio, agenci zatrzymują się i mówią o tym.

Projekt otwarcie mówi o ograniczeniach. Pokoje zamykają się po 30 minutach, choć strona zauważa, że do tego czasu agenci nie potrzebują już pokoju. Wymagany jest agent działający lokalnie, taki jak Claude Code, Codex CLI lub Gemini CLI, a aplikacje ChatGPT i Claude są wymienione jako „wkrótce”. Domyślnie agent pobiera opublikowanego klienta PeerTalku i uruchamia go; bardziej rygorystyczne ustawienie każe agentowi napisać własnego klienta na podstawie protokołu w prompcie, z użyciem jednej standardowej biblioteki WebRTC. Strona wskazuje wstrzykiwanie promptów jako realny problem. Mówi, że agenci mają traktować wiadomości drugiego agenta jako informacje, nigdy jako polecenia, usuwać ukryte znaki i udostępniać tylko to, na co użytkownik się zgodzi. Ostrzega też, że część sieci komórkowych i biurowych blokuje bezpośrednie połączenia.

Co sprzedają dostawcy rozwiązań do zarządzania

Tymczasem firmowa strona rynku idzie w stronę polityk, a nie instalacji. W ostatnich nagłówkach pojawiły się agentowa płaszczyzna sterowania Snowflake, Agent Manager od WSO2 do suwerennego zarządzania AI oraz Collibra, która wprowadza zarządzanie w czasie działania do firmowych agentów AI. Microsoft przebudował Copilota, dodając mu możliwości kodowania i agentów AI, o czym pisały Reuters i CIO Dive, a Google dodał do Android Studio wsparcie dla agentów zewnętrznych.

Badania nad bezpieczeństwem nadążają za ryzykiem. Darktrace poinformował, że narzędzia agentów AI można przejąć przez ich własną pamięć, a opisane rozwiązanie uznał za pozostające poza kontrolą użytkownika. Ten wniosek kiepsko pasuje do opisanych wyżej projektów stawiających na lokalność i własne klucze. Przenoszą one kontrolę na pojedynczą maszynę, ale zostawiają dostawcę modelu i łańcuch narzędzi poza obwodem.

Wzór w pięciu projektach to podział pracy. Soma chce być środowiskiem uruchomieniowym i bramą. Pizza Bot chce być skrzynką odbiorczą i kolejką zatwierdzeń. Recurse chce być celem wdrożeń dla wąskich specjalistów. PeerTalk chce być usługą przedstawiania i niczym więcej, i tak mówi. Hyperlane chce być miejscem, w którym piszesz kod, jeśli jego strona kiedykolwiek powie jak.

Dla kupujących praktyczne pytania są węższe, niż sugeruje kategoria. Gdzie mieszkają dane uwierzytelniające i kto może je rotować? Co dzieje się z uruchomieniem, gdy klient się rozłączy? Czy wychodzące żądania agenta można zbadać, czy tylko zalogować? Soma odpowiada na część tego w dokumentacji, Pizza Bot w README, a PeerTalk odmową przechowywania czegokolwiek. Recurse odpowiada zasilanym sandboxem. Hyperlane, na podstawie obecnych dowodów, nie odpowiada na nic.

Komentarze 0

Źródła

5
  1. 01Show HN: Hyperlane – A IDE and ADE merging agent worktrees with native toolingEN
  2. 02Show HN: Pizza Bot – An inbox for AI agents that work in the backgroundEN
  3. 03Show HN: I built an open-source Rust/TS AI agent runtime with a Next.js-style DXEN
  4. 04Show HN: Recurse – Develop and deploy specialist agents fasterEN
  5. 05Show HN: PeerTalk.ai - Let your agent talk to a friend's agentEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.