Венчурная компания Madrona представила исследования о новых технологических решениях, которые окажутся полезными для компаний, использующих агентов искусственного интеллекта. В нем также обозначены те сдвиги, которые происходят в ИТ-сфере и, в частности, в разработке приложений на фоне успешного внедрения ИИ-агентов, и открывающиеся благодаря этому возможности.

Ключевые выводы:

• если год назад разработчики создавали решения с использованием ИИ-агентов с нуля, к сегодняшнему дню сложилось несколько устоявшихся паттернов, которым следуют основатели компаний, расширяя применение уже работающих решений;

• к этим паттернам относятся новые поколения ИИ-помощников (Next-Gen Copilots), которые участвуют в решении сложных задач, корпоративные справочные службы с поддержкой ИИ для ИТ-команд (Teammate Agents), системы из нескольких агентов искусственного интеллекта (Agent Organizations) и ИИ-агенты как продукты для разработчиков (Agents as a Service);

• в связи с формированием подобных паттернов авторы исследования выделяют три ключевых слоя инфраструктуры, которые становятся ареной конкуренции, — инструменты, данные и оркестровка.

Инструменты:

• слой инструментов переживает наибольшие изменения. Агенты все чаще взаимодействуют напрямую с веб-страницами, а не с программными интерфейсами (API). Это требует создания специализированной инфраструктуры, разработкой которой занимаются, например, компании Browserbase, Lightpanda и Browserless;

• кроме того, возникает потребность в инструментах для аутентификации ИИ-агентов, действующих от имени пользователей, и контроле за их правами доступа к данным. Такие решения сегодня предлагают Clerk, Anon и Statics.ai;

• также среди важных инструментов авторы исследования называют протокол Model Context Protocol (MCP), который может стать стандартным для взаимодействия ИИ-агентов с различными инструментами, и решения на его основе, включая услуги Cloudflare, Stripe и Neo4j.

Данные:

• что касается данных, то здесь авторы называют ключевой способность ИИ-агентов работать с базами данных и создавать их гораздо быстрее, чем люди. Это позволяет автоматизировать процесс, освобождая разработчиков от подобных задач, и приводит к созданию новых вспомогательных компонентов;

• к этим компонентам относятся системы памяти (Memory Systems), позволяющие агентам запоминать и вспоминать нужную информацию; решения для хранения данных (Storage Solutions), включая традиционные и векторные базы данных; а также сервисы для обработки, преобразования и интеграции неструктурированных данных в систему ИИ-агентов (Extract, Transform, Load). 

Оркестровка:

• авторы исследования поясняют, что использование нескольких агентов требует оркестровки (то есть координации и управления агентов, работающих одновременно). В этой сфере разработчикам помогут решения компаний LangGraph, CrewAI и Letta, которые упрощают сложные рабочие процессы и повышают координацию между агентами;

• также полезными в этой связи окажутся технологии, помогающие сохранять информацию о текущем состоянии агентов (Persistence Engines), которые предлагают Inngest, Hatchet и Temporal.