Epoha pasivnih AI chatbotova se završava.Sada ulazimo u doba Sistemi koji aktivno razmatraju, planiraju i izvršavaju zadatke. Agentic AI Za organizacije, to predstavlja potencijalni skok u produktivnosti, ali takođe uvodi nove inženjerske izazove. U ovom članku ćemo istražiti anatomiju AI agenata, kako je konačno riješio integrativnu bočicu i kako možete arhitekturirati sigurne, skalabilne sisteme u kojima ljudi i agenti učinkovito sarađuju. Model Context Protocol (MCP) Što je AI agent? Neki AI agenti su jednostavno sistemski poziv i zbirka alata koji se šalju modelu koji radi sve razmišljanje. Međutim, postoje i moćniji AI agenti koji koriste LLM da preporuče i predlože akcije, a zatim AI agent pokreće svoj kod za obavljanje funkcija kao što su: • Kontrola izvršenja: state machines, grafikoni zadataka, retries, timeouts • Izvršavanje politika: auth, domene, RBAC, dozvoliti / odbiti pravila • Validirati akcije: kontrole sheme, sigurnosni filteri, sandboxing • Upravljanje memorijom/stanjem: baze podataka, skladišta vektorskih jedinica, stanje sesije • Koordinirani agenti: slanje poruka, razdvajanje uloga, glasanje • Neuspjeh rukovanja: rollbacks, prekidači kruga, human-in-the-loop Dok je standardni LLM (veliki jezični model) pasivan i čeka vaš unos da generiše odgovor, AI agent je aktivan. On koristi razmatranje da razbije cilj na korake, odlučuje koje alate koristiti i izvršava akcije kako bi postigao rezultat. Agentički AI sistemi iniciraju sesiju slanjem sistemskog uputstva za LLM, što može uključivati definiciju višestrukih agenata i njihovih alata.Neki od tih alata mogu omogućiti agentima da pozovu druge agente, upravljaju samim kontekstom, pa čak i odaberu model za sledeći korak. 
 
 
 
 
 
 
 
 
 
 LLM Chatbot 
 AI Agent 
 
 
 
 
 Flow 
 User Input -> Model -> Output 
 User Goal -> LLM -> Reasoning/Planning ->  Tool Use -> Action -> Verification -> Output 
 
 
 
 
 Summary 
 Gives you advice but you have to do the work. 
 You give the agents a goal and access to software, they come back when the job is done. Proljev Ulazak korisnika -> Model -> Izlazak Korisnički cilj -> LLM -> Razumevanje/planiranje -> Upotreba alata -> Akcija -> Verifikacija -> Izlazak sažetak Daje vam savjete, ali morate uraditi posao. Vi dajete agentima cilj i pristup softveru, oni se vraćaju kada se posao završi. Gospodarstvo izgradnje Agentic AI sistema je pronalaženje prave mješavine agenata, alata i pozivnica koje omogućuju LLM da postigne svoje ciljeve, a ipak pruža adekvatne straže i verifikaciju. U tu svrhu, upravljanje alatima i drugim resursima koji su dostupni AI agentima je glavni fokus. Kontekstni protokol To je otvoren standard koji je uveo U novembru 2024. standardizira kako se AI sustavi povezuju s vanjskim podacima i uslugama. MCP Antropologija Ideja iza MCP-a je da svi LLM API pružatelji omogućuju LLM-u da pozove alate. programeri mogu imati koristi od strukturiranog načina da definišu te alate i da ih učine dostupnima LLM-u na jedinstven i dosljedan način. Međutim, pružanjem univerzalnog sučelja za čitanje datoteka, izvršavanje funkcija i rukovanje kontekstualnim pozivima, MCP omogućava AI modelima da pristupe podacima kojima su potrebni sigurno i dosljedno, bez obzira na to gde ta informacija živi. Od svog objavljivanja, protokol je usvojen od strane velikih dobavljača AI, uključujući OpenAI i Google, učvršćivši svoju ulogu kao industrijski standard za integraciju AI sustava. MCP radi kroz jednostavnu arhitekturu klijent-server sa četiri ključne komponente: 
 
 
 
 
 Host aplikacija kao što su Claude Desktop, moderne IDEs, ili vaš AI sistem. MCP klijent koji uspostavlja one-to-one veze od domaćina do servera, često ugrađena sposobnost AI okvira. MCP server koji otkriva alate, resurse i upute. Transportni sloj koji upravlja komunikacijom između klijenata i servera. MCP je takođe otvorio vrata ekosustavu u kojem platforme treće strane izlažu svoje mogućnosti agentima AI objavom vlastitih službenih MCP servera. U pitanju je U pitanju je i imaju sve objavljene MCP servere. Kompanija Microsoft Uslovi Atlantski Sumo logika MCP rešava važan problem, ali to je samo jedan od mnogih za agente. Dizajn bezbednih agentičkih AI sistema Agentički AI može biti katastrofalno pogrešan. Postoji nekoliko rizika kao što su: 
 
 
 
 
 
 Prompt injekcije koje ugrabljuje tokove posla da se izvuče podatke ili izvršiti ransomware. Privilegija eskalacije kroz lanac alata koji iscrpljuje račune ili briše proizvodne sisteme. Bezgranične kutije koje spaljuju milijune u troškovima API-ja. Halucinirane akcije koje izazivaju nepovratne transakcije ili povrede usklađenosti. **Token Torching **gde zlonamjerni akteri ukradu tokene koji troše kroz MCP. Agenti su često povjereni pristupom API-jima, pretraživačima i infrasistemima. Bez zaštitnih mjera, to uvelike pojačava vaše rizike. 
 
 
 
 
 
 
 Validacija ulaza, revizija izlaza i eskalacija ljudi u krugu čine kralježnicu verifikacije. Odluke nikada nisu potpuno autonomne kada je radijus eksplozije ili finansijski uticaj visok. Sandboxing i eksplicitne granice dozvola sprečavaju neovlašteni pristup. Svaki agent treba da dobije drugačiji identitet s najmanje povjerljivim povjerljivim informacijama i tokenima, a ne da nasljeđuje korisničke dozvole. Tolerancija grešaka kroz retry logiku, fallback modele i detekciju anomalija osigurava da sustavi graciozno degradiraju pod neuspehom. Duboko posmatranost implementirana putem standardizovane telemetrije, strukturiranog logiranja, prikupljanja metrika i kontrolnih ploča za praćenje u realnom vremenu omogućava brzo otkrivanje i odgovor. Inženjering efikasnih multi-agent sistema zahtijeva svesno arhitektonski dizajn koji uključuje jedan ili više koordinacijskih uzoraka: 
 
 
 
 Centralizovana orkestracija u kojoj nadzorni agent koordinira specijalizovane radnike i održava globalnu državu. Decentralizovana peer-to-peer komunikacija omogućava fleksibilnu interakciju agent-to-agent. Hierarhijska delegacija koja organizuje agente u nivoe abstrakcije. Razvojno okruženje kao što je Sumo Logic (Agentic AI platforma za sigurnosne operacijske centre) može značajno pomoći, pružajući bitnu infrastrukturu za bezbedno iteriranje na agentičkim sistemima prije uvođenja proizvodnje. Dojo AI je pažljivo kuriran u skladu sa svojim načelima dizajna i zaštitnim mehanizmima. Klijenti mogu koristiti Dojo AI onako kako je i mogu izgraditi svoje agentičko AI okruženje (slično Dojo AI) za svoje osnovne kompetencije zasnovane na AI. omogućuje vam da pokrenete upite o podacima i obavite pozive Dojo AI agenta kada je to potrebno od vaših vlastitih AI agenata. Dojo AI Sumo Logic MCP poslužitelj Zatim, pogledajmo neke od različitih načina na koje ljudi interagiraju sa sistemima Agentic AI. Kako ljudi surađuju sa AI agentima Tradicionalni sustavi slijede dobro definisani tok posla i unapred programirane algoritme. korisnički ulaz i izlaz su u potpunosti strukturirani. Čak i u dinamičkim sistemima, korisnički ulaz može deterministski kontrolisati protok. Agentički AI sustavi, međutim, su različiti. LLM kontroliše protok (u okviru svojih stražara). Korisnici pružaju početnu namjeru i motivaciju, a kasnije djeluju kao odobravatelji i gating funkcija. Dakle, kako najbolje sarađivati s tim agentima? Jedan od najčešćih načina za interakciju s AI agenata je kroz chatbots, gde možete razmijeniti tekst, slike i datoteke sa LLM i njihovih agenata. Naravno, generički chatbots kao što su ChatGPT, Gemini i Claude Desktop nisu svjesni vaših agenata izvan kutije. Još jedna zanimljiva opcija je izgradnja aplikacije Slack koja omogućuje agentima da se pridruže kanalima, komuniciraju sa korisnicima, automatski prate kanale i automatski odgovaraju na događaje. Ovo je bogato okruženje jer omogućuje ljudima i agentima da sarađuju glatko. Slack korisničko iskustvo već podržava grupne kanale i teme, tako da agenti mogu dodati detalje kao što su njihov lanac misli ili citata bez ometanja ekrana. Ako vam je potrebno još specijalizovanije korisničko iskustvo, možete izgraditi prilagođenu web, desktop ili mobilnu aplikaciju za svoje agente. Možete čak napraviti chatbot kao što je , Slack aplikacijska integracija, ili prilagođeni paket agenata kao što su . Mobit Dojo AI Budućnost agenata Možda je najvažnija stvar koju treba shvatiti o AI agentima je da oni dolaze brže nego što mislite.U prošlosti, velike tehnološke revolucije kao što su osobni računar, internet i mobilni telefoni trebali su desetljećima da postanu svuda i tempo inovacija je bio upravljiv. Mnogi stručnjaci predviđaju da će u samo narednih nekoliko godina, AI agenti moći da obavljaju bilo koji rad znanja bolje od najboljih ljudi. Oni će otključati znanstvena otkrića i pružiti neviđene dobitke u produktivnosti. LLM-ovi već mogu obavljati mnoge zadatke, kao i ljude, iako im nedostaje sposobnost planiranja i rada preko dugotrajnih horizonta, rješavanja složenosti i održavanja koherentnosti. Ali uz pažljivo konstruiranu mrežu agenata i kurirani skup alata koji surađuju preko višestrukih iteracija kako bi ostvarili zadatke dugotrajnog horizonta, ove ograničenja se uklanjaju. Industrijska standardizacija Sada počinjemo da vidimo standardizaciju tehnika, alata i formata za AI agente. je nova inicijativa u okviru Linux fondacije kako bi se osiguralo da Agentic AI evoluira na otvoren i kolaborativan način. uključuju Anthropic, OpenAI, Amazon, Google, Microsoft i Block. To je domaćin nekoliko istaknutih agenata tehnologije, uključujući MCP, goose, i . Agentička AI fondacija (AAIF) članovi Izveštaji.md Postoje i drugi istaknuti otvoreni napori, uključujući i Google i (Takođe potječe iz Anthropic). Agent2Agent (A2A) protokol Agenti veštine Dinamičko korisničko iskustvo Budućnost korisničkog iskustva je sve o generativnom korisničkom interfejsu. LLM i agenti će generisati odgovarajući korisnički interfejs u zavisnosti od upita, korisnika, povijesti razgovora i još mnogo toga. Na primer, ako pitate o berzi, umesto da pružite generički pregled današnjih poslovnih vijesti, AI sistem može odlučiti da prikaže istorijsku vremensku liniju i grafikon s vašim trenutnim pozicijama, kao i veze na relevantne obrazovne materijale. Promena za AI agente Mi se krećemo od pasivne generacije teksta do aktivnog, autonomnog rada. Kao što smo videli, ova promena zahtijeva više od samo novih modela. Kako bi uspele, organizacije bi se trebale fokusirati na: 
 
 
 
 Model Kontekstnog Protokola (MCP) Premještanje izvan jednostavnih poziva na "defensiju u dubini" strategiju. Dizajn interfejsa, kao što su Slack aplikacije i prilagođeni UI, gde ljudi daju namjeru i agenti rukovode izvršenjem. AI agenti uskoro mogu nadmašiti vrhunske radnike ljudskog znanja, otključati velike znanstvene i produktivne dobitke, a na kraju se proširiti na fizički rad kroz robotiku. Imaj zaista sjajan dan!

2022 - HackerNoon Contributor of the Year - Cloud Computing

2022 - HackerNoon Contributor of the Year - Design

2022 - HackerNoon Contributor of the Year - Heroku

2022 - HackerNoon Contributor of the Year - Javascript

2022 - HackerNoon Contributor of the Year - Salesforce

2022 - Hackernoons Tech Storyteller of the Year

I ♥ writing code. Find me on GitLab.

Nominated for 2022 - HackerNoon Contributor of the Year - Javascript

Nominated for 2022 - Hackernoons Tech Storyteller of the Year

Nominated for 2022 - HackerNoon Contributor of the Year - Cloud Computing

Nominated for 2022 - HackerNoon Contributor of the Year - Heroku

Nominated for 2022 - HackerNoon Contributor of the Year - Design

Nominated for 2022 - HackerNoon Contributor of the Year - Salesforce

Ovaj audio je proizveden na originalnom jeziku priče!

Predugo; Citati

MCP objasnio: Protokol koji je otključao prave AI agente ekosustava

MCP objasnio: Protokol koji je otključao prave AI agente ekosustava

About Author

KOMENTARI

HANG TAGS

OVAJ ČLANAK JE PREDSTAVLJEN U

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps