Почему OpenCradle
Каждая компания строит агентов. Через несколько лет их будут миллионы. Открытый вопрос не в том, как построить агента, а в том, кто ими управляет, по каким правилам и кто отвечает за их действия.
Сегодня практически каждая компания строит собственных AI-агентов. Через несколько лет их будут миллионы.
Отсюда возникает вопрос, которым индустрия почти не занималась. Не как построить агента — эту задачу решают десятки команд, снова и снова, и с каждым кварталом она становится проще. Вопрос: кто будет ими управлять?
Не отдельными моделями. Не отдельными workflow. А всей системой взаимодействия между агентами, знаниями, политиками безопасности, корпоративными процессами и людьми, которые остаются ответственными за результат.
Форма уже знакома
Мы видели этот сюжет раньше.
Приложениям понадобилось место для запуска — с изоляцией, планированием и стабильным интерфейсом к железу. Так появилась операционная система. Контейнерам понадобилось место для запуска — с планированием, идентичностью, сетью и обработкой отказов на множестве машин. Так появился Kubernetes.
В обоих случаях среда исполнения не выглядела интересной, пока технология была молодой. Сначала всё увлекательное происходило в приложениях, а runtime казался сантехникой. Центром тяжести он становился позже, когда количество запускаемого переваливало за порог, после которого ручное управление перестаёт работать.
Агенты подходят к этому порогу. Десятью агентами можно управлять таблицей и внимательной командой. Тысячей — написанных разными командами, часть от вендоров, часть собрана бизнес-подразделением без инженерного ревью, вызывающих инструменты друг друга, работающих с пересекающимися данными под разными юридическими обязательствами, — уже нет. Нужен слой, где идентичность, разрешения, валидация, эскалация и аудит существуют один раз, для всех.
Чем OpenCradle не является
Это не очередной AI-фреймворк. Фреймворки помогают написать агента; сложное начинается после того, как агент заработал.
Это не конструктор агентов. Сборка шагов в workflow — самая заметная часть проблемы и наименее долговечная.
Это не AI Factory. Документы на входе, индекс, модель, помощник на выходе — первая статья серии как раз о том, почему этот конвейер заканчивается на демо.
Это Harness System для интеллектуальных систем: среда исполнения, в которой агенты предлагают, модель предметной области проверяет, политики решают, что разрешено, инструменты выполняют, валидация подтверждает, а человек владеет теми решениями, у которых должен быть владелец.
Что это меняет на практике
Для организации сдвиг происходит от «мы внедрили AI-помощника» к чему-то другой формы.
Можно заявить, что агенту разрешено делать, и обеспечить это не промптом. Можно ответить на вопрос почему было принято решение цепочкой свидетельств, а не правдоподобным абзацем. Можно поставить человека в точки, несущие последствия, вместо того чтобы проверять всё или не проверять ничего. Можно добавить второго агента, а потом десятого, без того чтобы стоимость управления росла с каждым. И всё это — на собственной инфраструктуре, что для многих наших пользователей не предпочтение, а требование закона.
Последний пункт заслуживает своего места — но не заголовка. Self-hosting важен: платформа целиком работает на вашем оборудовании, в вашей сети, под вашим контролем и может быть изолирована от интернета. Но локальный запуск сам по себе не делает систему безопасной. Галлюцинация на вашем сервере остаётся галлюцинацией. Суверенность — свойство того, где система работает; harness — свойство того, как она работает. Нужны оба, а предлагают обычно одно.
Где мы находимся, без прикрас
Cradle сегодня делает исполнительную часть: оркестрация локальных моделей, маршрутизация агентов, заземление на ваших документах, двухуровневый контроль риска, подтверждение человеком до выхода за периметр. Это работает, on-premise, сейчас.
Остальное из описанного в серии — движок политик, среда валидации, онтологии и доменные пакеты как полноценные компоненты — это архитектура, к которой мы идём; она опубликована и помечена как целевая в справочнике по архитектуре. Нам важнее, чтобы нас мерили по письменно заявленному дизайну, чем продавать готовую систему, которой пока нет.
Ставка
Наша ставка в том, что через несколько лет интересный вопрос о корпоративном AI будет не в том, какую модель использует компания. Модели станут взаимозаменяемыми и в основном достаточно хорошими.
Интересным будет вопрос, что работает между моделью и реальностью — и может ли организация объяснить, ограничить и отстоять то, что делают её агенты.
Этот слой должен существовать. Мы считаем, что он должен быть открытым, самостоятельно размещаемым и спроектированным для организаций, которые несут настоящую ответственность, а не для демонстраций.
Поэтому — OpenCradle.
Это последняя статья серии из пяти частей: AI Factory · RAG · Harness System · Нейросимволическая среда исполнения · Почему OpenCradle.