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 rozwarstwiają: wolna warstwa sterowania OpenClaw i gorączka zarządzania

OpenClaw opublikował OpenClaw Enterprise (OCE) 30 września. To otwarta, niezależna od dostawców warstwa sterowania dla trwałych agentów. Fundacja stojąca za projektem twierdzi, że działy IT w firmach najczęściej reagowały na platformy agentowe całkowitym zakazem.

AI i modeleAnalizaMarta ZielińskaOpublikowano: 30 września 20263 min czytaniaŹródła 8
Narzędzia dla agentów się rozwarstwiają: wolna warstwa sterowania OpenClaw i gorączka zarządzania

Fundacja OpenClaw ogłosiła nową warstwę sterowania 30 września. Powstaje jawnie, przed wydaniem wersji 1.0 w tym roku. W poście startowym projektu czytamy, że OCE zaczęło się w OpenAI i zostało przekazane fundacji. Teraz rozwijają je wspólnie Red Hat i NVIDIA. Projekt obsługuje wielu najemców, twarde granice bezpieczeństwa i to, co post nazywa ustandaryzowanymi prymitywami agentowymi. Przekaz jest prosty: organizacje chcą mieć zasady, zanim wypuszczą agentów.

To bezpośrednia odpowiedź na presję rynku. Tego samego dnia Gartner przewidział, że do 2028 roku 70 procent firm porzuci systemy agentowej AI zbudowane z pomocą dostawcy. Koszty rosną, a klienci mają trudność z samodzielną modyfikacją technologii, pisał The Register. Firma badawcza nazywa ten model forward-deployed engineering, w skrócie FDE.

Mukul Saha, starszy dyrektor analityczny w Gartnerze, powiedział, że w FDE "success starts with getting the engagement structure right, from scope and incentives to governance, ownership, and exit." Dodał, że wielu dostawców używa określenia "forward deployed" na wdrożenie, usługi profesjonalne albo doradztwo AI. Niektórzy biorą 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, opublikowana na GitHubie 30 września, stoi między agentem a jego narzędziami. Przed każdą akcją sprawdza, czy dane mogą trafić do celu. Jej autorzy podają, że żaden punktowany atak nie powiódł się w 1 320 ocenach, a ukończenie zadań wyniosło 88 do 90 procent. Porównują to z Microsoft FIDES, które według nich przepuściło 28 do 35 procent ataków. Cytują też tryb automatyczny 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 agenta, autoryzacji i weryfikowalnej odpowiedzialności. Ma cztery elementy: UAI-ID, poświadczenie wiążące agenta z właścicielem, paszport ograniczający, gdzie i do kiedy agent może działać, oraz podpisane atestacje działań. Projekt wprost zastrzega, że nie certyfikuje bezpieczeństwa agenta. Pokazuje tylko, że jego działania są przypisywalne i niezależnie sprawdzalne. Docelowy model to rejestry sfederowane, wzorowane na trasowaniu BGP, a nie jedna globalna baza danych.

Bariery ochronne przychodzą szybciej niż wdrożenia

Dostawcy bezpieczeństwa nie czekają. Tailscale opublikował 30 września instrukcję, jak agent Muse od Meta dołącza do tailnetu jako własny węzeł. Użytkownicy mogą potem nadać uprawnienia i tagi, żeby ograniczyć, do czego agent ma dostęp. Post powtarza twierdzenie Meta, że Muse działa w linuksowej maszynie wirtualnej i przestrzega zasady minimalnych uprawnień. Wskazuje połączenia tylko wychodzące oraz wyraźne potwierdzenie przy pierwszym kontakcie z urządzeniem. Tailscale ostrzega też, że wstrzykiwanie promptów nadal będzie przechodzić.

Narzędzia dla programistów ruszają równolegle. Raport Vercela State of agent skills z 25 września podaje, że skills.sh przekroczył milion pozycji i blisko 280 000 000 zarejestrowanych instalacji w siedem miesięcy, według tekstu 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 jest do 2x szybszy od 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 działają 6x szybciej. Podaje też, że zajętość pamięci Gita spadła z 35,5 GB do 11,1 GB w 117 pobraniach.

Efekt to zatłoczona warstwa między modelami a pracą. OpenClaw stawia na to, że wolna, niezależna od dostawców warstwa sterowania stanie się domyślna. Analitycy ostrzegają, że budowy z pomocą dostawcy często zostawiają klientów zależnymi. Te dwa twierdzenia się nie wykluczają. Opisują tę samą lukę, a kto ją zamknie, ten dostanie zapłatę.

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.