Ewolucja frameworków agentowych: interfejs nie pilnuje już modelu, ale naszej uwagi

Wagi pożerają otoczki z oprogramowania

Pierwsza generacja agentów AI opierała się na zewnętrznej logice. ChatGPT w 2022 roku nie potrafił sam używać narzędzi, przeszukiwać sieci ani planować kroków. Tę zdolność musiały mu zapewnić zewnętrzne frameworki i skomplikowane struktury typu „harness” (LangChain, ReAct). Działały one jako rusztowanie wokół brutalnej siły przewidywania tokenów.

Analiza Latent Space pokazuje jednak, że ta relacja się odwraca. Modele zaczynają absorbować możliwości z otoczek bezpośrednio do swoich wag. Wraz z nadejściem natywnego wywoływania funkcji (function calling) i wewnętrznych pętli planowania, modele nie potrzebują już zewnętrznego kodu, by wiedzieć, jak podejmować decyzje. Programiści mogą usunąć tysiące linii logiki sterującej, ponieważ model ma to już zakodowane po treningu.

Koniec abstrakcji API, powrót do czystego tekstu

Ta zmiana dramatycznie upraszcza sposób budowania agentów. Zamiast skomplikowanego łańcuchowania wywołań API przez kilka warstw abstrakcji, rozwój wraca do czystego promptowania i wspierania kontekstu.

Podczas gdy wcześniej programista był architektem drzewa decyzyjnego, dziś raczej przygotowuje dane i ścieżki kontekstowe, po których model porusza się sam. Oznacza to ogromną presję na twórców frameworków, których główna wartość polegała na orkiestracji kroków. Jeśli model potrafi sam się orkiestrować, ich narzędzia stają się zbędnym balastem.

Interfejs dla człowieka, a nie dla maszyny

W miarę jak modele stają się bardziej samodzielne, zmienia się również rola tego, co zostało z otoczki oprogramowania. Infrastruktura agentowa nie służy już temu, by dać modelowi ciało w cyfrowej przestrzeni, ale temu, by człowiek mógł za tym ciałem nadążyć.

Nowe frameworki skupiają się na filtrowaniu uwagi, zatwierdzaniu akcji, wizualizacji wewnętrznego rozumowania modelu i ścieżkach audytu. Stają się interfejsem między niezależnie działającą sztuczną inteligencją a ograniczoną uwagą ludzką, która musi wiedzieć, kiedy zainterweniować, a kiedy pozwolić agentowi działać.

Okaże się, kto zapłaci za puste frameworki

Przyszła bitwa nie będzie się toczyć o to, kto napisze lepszą pętlę sterującą dla LLM. Będzie się toczyć o to, kto zaoferuje najlepszy firmowy pulpit (dashboard) do nadzoru nad tysiącami mikrodecyzji. Frameworki, które nie zdołają przestawić się z zarządzania maszyną na zarządzanie ludźmi i ich uprawnieniami, wkrótce nie znajdą klientów.

Werdykt Lilith

Kiedyś pisaliśmy kod, by z głupich modeli zrobić inteligentnych agentów. Teraz piszemy kod, by dla tych inteligentnych agentów zorganizować bezpieczną piaskownicę, z której nie wysadzą nam od razu bazy danych.