Agenci AI w firmach dostają warstwę kontroli, algebrę uprawnień i tożsamość
Fundacja OpenClaw udostępniła 30 września kod warstwy kontroli dla trwałych agentów AI w firmach. Tego samego dnia dwa inne projekty open source opublikowały deterministyczne zabezpieczenia i protokół tożsamości agentów. Wszystkie trzy wskazują na tę samą lukę: agenta łatwo uruchomić, trudno rozliczyć.

Najnowszy element firmowej infrastruktury dla agentów pojawił się 30 września. Tego dnia Fundacja OpenClaw opublikowała OpenClaw Enterprise (OCE), neutralną wobec dostawców warstwę kontroli dla trwałych agentów, dostępną jako open source. Projekt podaje, że rozwija oprogramowanie otwarcie przed wydaniem wersji 1.0 w tym roku. Dziś można go postawić u siebie przez docker-compose lub Kubernetesa.
OCE powstało w OpenAI i zostało przekazane Fundacji OpenClaw. Teraz rozwijają je wspólnie Red Hat i NVIDIA, jak czytamy we wpisie na blogu projektu. Ten sam wpis mówi, że OCE jest pilotowane wewnątrz Red Hat i OpenAI. OpenAI już używa agentów OpenClaw z pełnym dostępem do baz kodu i wtyczek, dodają autorzy. Ten szczegół pokazuje, jak daleko firma odeszła od traktowania agentów jak demonstracji.
Blokadą jest zarządzanie, nie możliwości
Ramę przyjętą w tym wpisie warto przeczytać uważnie. OpenClaw przyznaje, że prawie rok po premierze „faktyczne wdrożenia trwałych agentów pozostają ograniczone”. Dodaje też, że działy IT w większości organizacji domyślnie zakazują platform agentowych. OCE ma odpowiedzieć na wąskie pytanie. Jak wdrożyć sprawne agenty w wrażliwym środowisku, nie odbierając im możliwości, które czyniły je użytecznymi? Odpowiedź to wielodostępność, twarde granice bezpieczeństwa między zaufanymi i niezaufanymi obciążeniami, piaskownice, przeglądy z udziałem LLM, szczegółowe uprawnienia i audytowalność w całym cyklu życia agenta. Lista jest długa, a każdy punkt ma własny koszt operacyjny.
Gartner przedstawia pokrewny, ostrzejszy argument. Firma badawcza prognozuje, że do 2028 roku 70 procent przedsiębiorstw porzuci systemy agentowej AI zbudowane z pomocą dostawcy. Koszty rosną, a klienci mają trudność z modyfikacją technologii bez zewnętrznego wsparcia, pisał The Register 30 września. Gartner wskazuje na to, co nazywa forward-deployed engineering. Dostawca osadza u klienta inżynierów, którzy budują i wdrażają oprogramowanie według jego wymagań. Szybki początkowy postęp może zostawić klienta zależnym od drogiej zewnętrznej ekspertyzy.
„Najlepiej określone zaangażowania FDE mają od pierwszego dnia jasne wytyczne dotyczące zarządzania, dostarczania wartości biznesowej, własności IP, współodpowiedzialności za projekt, przekazania wiedzy i strategii wyjścia”, powiedział Mukul Saha, starszy dyrektor analityczny w Gartnerze, według The Register.
Gartner prognozuje też, że do 2028 roku mniej niż 20 procent takich zaangażowań zamieni powtarzające się wymagania klienta w funkcje podstawowego produktu dostawcy. Ostrzega przed „FDE washing”, czyli sprzedawaniem zwykłego doradztwa jako czegoś bardziej wyspecjalizowanego. The Register zauważa, że to nie pierwsze takie ostrzeżenie Gartnera. Wcześniejsze prognozy dotyczyły projektów generatywnej AI przekraczających budżety. Mówiły też o 40 procentach wdrożeń agentów AI wycofywanych lub ograniczanych z powodu problemów z zarządzaniem.
Dwie kolejne próby rozliczenia agentów
Również 30 września projekt o nazwie OpenAPPA opublikował deterministyczne zabezpieczenia, które stoją między agentem a jego narzędziami. Przed każdą akcją odpowiadają na jedno pytanie: czy te dane mogą trafić do tego miejsca. Repozytorium na GitHubie opisuje oprogramowanie jako oparte na APPA, Agentic Permissions Policy Algebra. APPA śledzi wrażliwość i zaufanie do wszystkiego, co agent czyta. Następnie sprawdza każde wywołanie narzędzia wobec tego zapisu, zanim wywołanie ruszy. Argument jest taki, że klasyfikatory i detektory danych osobowych działają probabilistycznie, a ta kontrola jest deterministyczna i zwraca tę samą decyzję przy każdym uruchomieniu.
Własne wyniki benchmarków projektu, opublikowane w repozytorium, twierdzą, że w 1 320 ocenach żaden punktowany atak nie zakończył się sukcesem przeciw OpenAPPA. System ukończył 88 do 90 procent zadań. Ta sama tabela stawia Microsoft FIDES na 41 procentach ukończonych zadań, przy 31 procentach udanych ataków. Claude Code w trybie automatycznym ma tam 90 procent ukończeń i 10 udanych ataków w dwóch zestawach. To liczby publikowane przez dostawcę na jego własnych benchmarkach. Repozytorium nazywa pracę zapowiedzią i RFC, z konfiguracją i interfejsami, które mogą się zmienić bez warstw zgodności. Praca naukowa leżąca u podstaw została przyjęta na NeurIPS 2026 Workshop on Agents in the Wild.
Trzeci projekt, UAI, pojawił się tego samego dnia z otwartym protokołem tożsamości agentów, autoryzacji i niezależnie weryfikowalnej odpowiedzialności. Dzieli problem na cztery artefakty. UAI-ID, czyli kim jest agent. Poświadczenie wiążące go z właścicielem. Paszport dla autoryzacji ograniczonej czasem i jurysdykcją. Oraz podpisane atestacje działań, zapisujące, co agent faktycznie zrobił. README uważa na to, czego projekt nie robi. „UAI nie twierdzi, że agent AI jest bezpieczny”, czytamy, a jedynie, że działania stają się przypisywalne i sprawdzalne. Projekt świadomie unika jednego globalnego organu i wskazuje na rejestry sfederowane. Weryfikator w przeglądarce ma sprawdzać dowody lokalnie, zamiast pytać rejestr, czy własny dowód rejestru jest prawdziwy.
Rynek rusza się szybciej niż mechanizmy kontroli
Agenci dla konsumentów trafiają na rynek w innym tempie. DoorDash ogłosił 30 września agenta do zamawiania przez tekst, który pozwala składać zamówienia przez Apple Messages, podał TechCrunch. Radzi sobie z promptami typu „zamów moje zwykłe” i zamówieniami grupowymi z mieszanymi preferencjami żywieniowymi. Firma otwiera listę oczekujących w USA. Osobno zapowiedziała, że zacznie testować drony dostawcze z wybranymi restauracjami w północnej Kalifornii. DoorDash ustawia agenta przeciw Uber Eats i Grubhub.
Muse od Meta, ogłoszony wcześniej we wrześniu, to drugi duży ruch od konsumenta do przedsiębiorstw. Blog Tailscale’a z 30 września daje najbardziej konkretne spojrzenie na to, jak taki agent zostaje odgrodzony. Muse działa w maszynie wirtualnej z Linuksem, domyślnie oddzielonej od danych użytkownika i usług zewnętrznych. Ma konektory do kalendarza, kontaktów, urządzeń smart home, Gmaila, Outlooka, Spotify i aplikacji Meta. Integracja z Tailscale czyni z Muse węzeł w tailnecie użytkownika, gdzie obowiązują zwykłe uprawnienia, tagi i mechanizmy kontroli dostępu. Tailscale wskazuje też oczywiste ryzyko. Wstrzykiwanie promptów nadal będzie przechodzić. Podłączenie agenta, który widzi usługi hostowane u siebie i może używać SSH, rodzi pytania, na które użytkownik powinien odpowiedzieć świadomie.
Również 30 września na GitHubie ruszył silnik wnioskowania do hostowania u siebie o nazwie Magnitude. Deklaruje do 2x szybciej niż llama.cpp, o 92 procent szybsze dekodowanie na Metal i 19 procent na CUDA oraz o 27 procent mniej pamięci na agenta. Narzędzie git-dedup, opublikowane tego samego dnia, deklaruje duże kopie robocze 6x szybciej i 70 procent mniej miejsca w Git. Chodzi o spadek z 35,5 GB do 11,1 GB w 117 kopiach roboczych, wymierzony w roje agentów kodujących. DevNavigator pisał o raporcie Vercela State of agent skills z 25 września. Podaje, że skills.sh przekroczył milion wpisów i blisko 280 000 000 zapisanych instalacji w siedem miesięcy. Zauważa, że te liczby opisują aktywność rejestru, a nie udowodnioną wartość biznesową.
Wspólny wątek jest bez blasku. Strona możliwości jest zatłoczona i zmienia się co tydzień. Strona rozliczeń to miejsce, w którym lądują najnowsze prace: kto jest właścicielem agenta, czego może dotykać i kto potrafi udowodnić, co zrobił. Czy któryś z tych trzech protokołów zostanie przyjęty, to osobne pytanie. Dwa są zapowiedziami, jeden to wczesny pilotaż u jednego dostawcy, a prognoza Gartnera daje przedsiębiorstwom czas na decyzję do 2028 roku.
Źródła
9- 01OpenClaw Enterprise – The Open Agent PlatformEN
- 027 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
- 03OpenAPPA: Deterministic guardrails that don't break agentsEN
- 04UAI – An open protocol for identity and accountability of AI agentsEN
- 05DoorDash launches an AI agent you can text to order foodEN
- 06Agent, your network: How Meta's Muse agent works with TailscaleEN
- 07Launch HN: Magnitude (YC S25) – Self-optimizing inference engine for agentsEN
- 08Git-dedup – faster and smaller checkouts for agentic workflowsEN
- 09Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
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.
Komentarze
0- Brak komentarzy — bądź pierwszy.