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 się rozjeżdżają: darmowy control plane OpenClaw i gorączka zarządzania

OpenClaw opublikował 30 września OpenClaw Enterprise (OCE), otwarty i niezależny od dostawców control plane dla trwałych agentów. Firma twierdzi, że domyślnym odruchem firmowego IT było dotąd całkowite blokowanie platform agentowych.

AI i modeleAnalizaMarta ZielińskaOpublikowano: 30 września 20263 min czytaniaŹródła 8
Narzędzia dla agentów się rozjeżdżają: darmowy control plane OpenClaw i gorączka zarządzania

Nowy control plane OpenClaw Foundation, ogłoszony 30 września, powstaje otwarcie przed wydaniem wersji 1.0 jeszcze w tym roku. Według wpisu otwierającego projekt OCE zaczął się w OpenAI, został przekazany fundacji, a teraz budują go razem Red Hat i NVIDIA. Obsługuje multi-tenancy, twarde granice bezpieczeństwa i to, co wpis nazywa standaryzowanymi prymitywami agentowymi. Przekaz jest bezpośredni: organizacje chcą mieć zarządzanie, zanim wypuszczą agentów.

To odpowiedź na presję rynku. Tego samego dnia Gartner przewidział, że do 2028 roku 70 procent firm porzuci systemy agentowej AI budowane z pomocą dostawców. Powód: koszty rosną, a klienci nie potrafią sami modyfikować technologii bez zewnętrznego wsparcia. Podał to The Register. Firma doradcza nazywa ten model forward-deployed engineering, czyli FDE.

Mukul Saha, starszy dyrektor analityczny w Gartnerze, powiedział, że w FDE „sukces zaczyna się od właściwej struktury współpracy, od zakresu i zachęt po zarządzanie, własność i wyjście”. Dodał, że wielu dostawców używa etykiety „forward deployed” na określenie wdrożenia, usług profesjonalnych albo doradztwa AI, a niektórzy liczą sobie wysokie stawki bez głębi realizacji, która by je uzasadniała. Gartner przewiduje też, że do 2028 roku mniej niż 20 procent wdrożeń FDE zamieni powtarzające się wymagania klientów w funkcje podstawowego produktu dostawcy.

Wątek zarządzania przewija się przez najnowsze narzędzia. OpenAPPA, opublikowany na GitHubie 30 września, stoi między agentem a jego narzędziami i przed każdą akcją sprawdza, czy dane mogą trafić do danego miejsca. Jego twórcy podają, że w 1 320 ocenach żaden punktowany atak nie zakończył się sukcesem, a ukończenie zadań wyniosło 88 do 90 procent. Porównują to z Microsoft FIDES, który według nich przepuścił 28 do 35 procent ataków, oraz z trybem auto Claude Code, który według nich przepuścił 10 ataków w dwóch zestawach testów. To liczby samego projektu, nie niezależne testy.

Tożsamość to druga połowa problemu. UAI, opublikowany 30 września, opisuje otwarty protokół tożsamości agentów, autoryzacji i weryfikowalnej odpowiedzialności. Ma cztery elementy: UAI-ID, poświadczenie wiążące agenta z właścicielem, paszport określający, gdzie i do kiedy agent może działać, oraz podpisane atestacje akcji. Projekt wyraźnie mówi, że nie zaświadcza, iż agent jest bezpieczny. Zaświadcza tylko, że jego działania są przypisywalne i niezależnie sprawdzalne. Docelowy model to rejestry sfederowane, wzorowane na routingu BGP, a nie jedna globalna baza danych.

Bariery ochronne pojawiają się szybciej niż wdrożenia

Dostawcy bezpieczeństwa nie czekają. Tailscale opublikował 30 września instrukcję, jak agent Muse od Meta dołącza do tailnetu jako własny węzeł. Dzięki temu użytkownicy mogą nadawać uprawnienia i tagi ograniczające jego zasięg. Wpis powtarza twierdzenie Meta, że Muse działa w maszynie wirtualnej z Linuksem i przestrzega zasady minimalnych uprawnień. Odnotowuje też połączenia tylko wychodzące oraz wyraźne potwierdzenie przy pierwszym kontakcie z urządzeniem. Tailscale ostrzega, że wstrzykiwanie promptów i tak będzie przechodzić.

Narzędzia dla programistów idą równolegle. Raport Vercela State of agent skills z 25 września mówi, że skills.sh przekroczył milion pozycji i blisko 280 000 000 zarejestrowanych instalacji w ciągu siedmiu miesięcy, według omówienia DevNavigatora. To dane o aktywności rejestru, nie liczba unikalnych użytkowników ani dowód wartości biznesowej. 30 września Magnitude wypuścił otwarty silnik wnioskowania, który dostraja kernele na urządzeniu użytkownika. Firma twierdzi, że działa on do 2 razy szybciej niż llama.cpp, z dekodowaniem szybszym o 92 procent na Metal i o 19 procent na CUDA. Git-dedup, opublikowany tego samego dnia, twierdzi, że duże pobrania kodu są 6 razy szybsze, a zajętość repozytoriów Git spadła z 35,5 GB do 11,1 GB w 117 pobraniach.

W efekcie między modelami a pracą narosła zatłoczona warstwa. OpenClaw zakłada, że darmowy, niezależny od dostawców control plane stanie się domyślnym wyborem. Analitycy ostrzegają jednak, że budowa z pomocą dostawcy często zostawia klientów w zależności. Te dwa twierdzenia się nie wykluczają. Opisują tę samą lukę, a kto ją zamknie, ten na tym zarobi.

Komentarze 0

Źródła

8
  1. 01OpenClaw Enterprise - The Open Agent PlatformEN
  2. 027 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
  3. 03OpenAPPA: Deterministic guardrails that don't break agentsEN
  4. 04UAI - An open protocol for identity and accountability of AI agentsEN
  5. 05Agent, your network: How Meta's Muse agent works with TailscaleEN
  6. 06Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
  7. 07Launch HN: Magnitude (YC S25) - Self-optimizing inference engine for agentsEN
  8. 08git-dedup: Faster and Smaller Checkouts for FreeEN

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.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

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