Selbst wenn der Entwickler auf Anwendungsprogrammierschnittstellen stützt, um Verbindungen zu bestehenden AI -Agenten und -Diensten zu knüpfen, die wesentliche Funktionen bieten, gibt es immer eine gro?e Menge an Authentifizierung und Management, die auf Infrastrukturebene angewendet werden muss.

Aus Agentenfehlern lernen

Wenn die Entwicklergemeinschaft m?glicherweise kurz bleibt, ist die F?higkeit, nicht nur zu verfolgen, wie und wo Agenten ihre Verbindungspunkte schmieden, sondern auch… entscheidend, um das zu erfassen und zu kodifizieren, was der Agent im Verlauf seiner Verbindung zu einem anderen IT -Service und wie erfolgreich diese Verbindung in Bezug auf die von ihm extrahierten Funktionen getan hat.

?KI -Agenten machen in der Regel wiederholt die gleichen Fehler… was im Hinblick auf das Lernen eine gute Sache ist“, erkl?rt Soham Ganatra, CEO von Composio, einer neu etablierten Organisation, die AI -Agenten einen grundlegenden Service -Infrastrukturdienst anbietet, um ihre Leistung über Unternehmensanwendungen hinweg zu erlernen und zu optimieren. ?Wenn Entwickler Agenten mit Anwendungen wie Salesforce (oder einem Github -Workflow oder einer Datenbank) verbinden, l?sen sie alle dieselben Probleme und liefern den gleichen Kontext. Wir speichern dieses Wissen als? F?higkeiten “, die von anderen Entwicklern wiederverwendet werden k?nnen. Wenn ein Agent lernt, wie man mit Salesforce mit Salesforce arbeitet.

Composio bringt seine Plattform in seinem ersten Betriebsjahr auf den Markt und behauptet, eine Lücke im KI -?kosystem zu bew?ltigen, indem er die "Skill -Infrastruktur" bereitstellt, mit der autonome Agenten intelligenter mit Softwaretools und Workflows interagieren k?nnen. Das Unternehmen sagt, dass wir uns sein Dienstleistungsportfolio als eine adaptive Qualifikationsschicht vorstellen k?nnen, die seine Intuition mit jeder Interaktion verbessert, die seine eigenen Handlungen selbst optimiert und mit der Zeit nützlicher wird.

Rohe Intelligenz ist na ja, roh

Ganatra behauptet, dass rohe Intelligenz für sich allein (dh die Kraft gro?er und kleiner Sprachmodelle, wenn sie durch die anspruchsvollsten KI-Datenmodelle gefüttert und von den fleckensten grafischen oder neuronalen Verarbeitungseinheiten aufgeladen, die der Menschheit bekannt sind), nur Teil des Puzzles ist. Er schl?gt vor, dass gesch?ftliche Auswirkungen auftreten, wenn Intelligenz aus ihren Interaktionen mit der Welt lernen kann und sowohl die Menschen als auch die Maschinen, die sich darin befinden, einbezogen werden.

?AI-Agenten werden immer wieder intelligenter auf dem Rücken von immer leistungsstarken Modellen werden, aber die Magie liegt darin, ihnen eine Seele zu geben: sie von Tool-Abrufen-Robotern zu Systemen zu erheben, die Ihre Ziele und Ihre Umwelt verstehen und mit Ihnen als Partner wachsen“, sagt Ganatra. ?Wir bauen eine selbstoptimierende F?higkeitsschicht auf und befassen sich mit der grundlegenden Kluft zwischen immer intelligenten LLMs und Agenten, die sich aus Erfahrung entwickeln k?nnen, um nuancierte, praktische F?higkeiten zu entwickeln.“

Er gibt ferner an, dass F?higkeiten die grundlegenden Bausteine hinter den F?higkeiten eines Agenten sind, von grundlegenden Aufgaben wie der E -Mail -Komposition bis hin zu komplexen Operationen wie dem Werbemanagement. Eine sich entwickelnde Qualifikationsschicht verbessert die Gesamtkapazit?ten des Systems exponentiell und erm?glicht es ihm, immer komplexere Probleme ohne umfangreiche Aufforderung zu bew?ltigen.

Das Unternehmen sagt, dass wir beim Erstellen von KI-Konstrukten über die ?Skala der Tools“ nachdenken müssen, dh, dass ein Agent zuverl?ssig und qualifiziert ist, muss es auf jeden Software-A-Service-Endpunkt auf Demand zugreifen. Dies garantiert ein Repository mit Tausenden von Toolkits. In Bezug auf die Anpassung der F?higkeiten sollten wiederholte Workflows von der LLM-gesteuerten Ausführung in schnelle, kodifizierte Routinen verwandelt werden, wodurch Geschwindigkeit und Zuverl?ssigkeit optimiert werden. Die F?higkeiten sollten auch dynamisch zwischen kodifizierten Flows und LLM-Argumentation basierend auf dem Kontext wechseln ... Dies bedeutet, dass wenn eine kodifizierte F?higkeit für eine Aufgabe nicht vorhanden ist, sie zur LLM-gesteuerten Ausführung zurückkehrt.

über die Agents Composio über seinen Kundenstamm stellt das Unternehmen ein, dass ein Netzwerk von verwalteten F?higkeiten aufgebaut wird, die personalisiert sind und aus der Umgebung lernen, in der es betrieben wird.

"Sie k?nnen Hunderte von Stunden damit verbringen, LLM -Werkzeuge zu bauen, Eingabeaufforderungen zu optimieren und Anweisungen zu verfeinern, aber Sie treffen eine Mauer", sagt Ganatra. "Diese Modelle werden in ihrer Arbeit nicht besser wie ein menschlicher Mitarbeiter. Sie k?nnen keinen Kontext aufbauen, aus Fehlern lernen oder das subtile Verst?ndnis entwickeln, das menschliche Arbeitnehmer von unsch?tzbarem Wert macht."

Ganatra und das Team bestehen darauf, dass sie vor etwa zwei Jahren mit dem Aufbau von AI -Agentendiensten ?vor dem aktuellen Hype“ begonnen haben. Das Unternehmen wurde auf der Mission gegründet, grundlegende Infrastrukturprobleme im KI -Raum zu l?sen. Das Team hat komplexe Herausforderungen angepasst, darunter die Koordination von Multi-Agenten, die Authentifizierung in den Unternehmenssystemen und die Aufbau von Skalierbarkeit in Infrastrukturprozesse, sodass Millionen von Anfragen t?glich bearbeitet werden k?nnen. Die Organisation hat jetzt über 100.000 Entwickler, die ihre Plattform nutzen, wobei t?glich zehn Millionen von Anfragen t?glich sind.

Wettbewerbsanalyse, Agentenautomatisierung

W?hrend Creatio natürlich ?Einzigartigkeit“ beanspruchen und seine Agenten-KI-Infrastrukturtechnologien als einzigartige Dienste finden, k?nnen wir eine Reihe von Diensten finden, die mit seinem Ansatz durch die üblichen Verd?chtigen auf dem IT-Markt nachdenken und in einigen der Starts in dieser Arena nach mehr Sprache wetteifern

Neben Dynatrace mit seinem Davis AI-Service und IBM mit Watsonx Orchesrtate ist der Raum für agenteninfrastrukturmanagement gut mit Technologien aus neuen Relikten, Cisco, Splunk und sogar Servicenow (als feste, dass die meisten von uns für die IT-Service-Management-Plattform, die sich für den Einfluss von Personen befassen, um Personen zu erm?glichen, um oder für die M?glichkeit, sich zu erm?chtigen, zu einer oder zu erm?chtigen, um sich zu erm?chtigen, zu oder zum Ausfall zu erm?glichen.

Unter den gro?en Akteuren befindet sich der Datenbankanbieter Oracle in diesem Sektor mit seinem Agent Studio, einer Technologie zum Erstellen, Erweiterung, Bereitstellen und Verwalten von AI -Agenten und Agententeams in einem Unternehmen. Das Unternehmen wird wohl auf bestimmte Oracle-Anwendungsf?lle verengt und bietet eine ?hnliche ?Kodifizierung von Agenten“ mit seinen Agent-Vorlagenbibliotheken, einen Dienst, mit dem AI-Agenten mit vorgefertigten Vorlagen gepaart mit natürlichen Sprachanforderungen erstellt wurden, oder auf eine Bibliothek mit vorbereiteten Vorlagen zurückzuführen, um eine Vielzahl von Gesch?ftsszenarien zu unterstützen. Microsoft Autogen ist auch aus den technischen Giganten ein Open -Source -Programmierrahmen für den Aufbau von KI -Agenten und die Erleichterung der Zusammenarbeit zwischen mehreren Wirkstoffen, die zur L?sung von Arbeitsplatzaufgaben entwickelt werden. Laut Microsoft soll Autogen einen flexiblen Rahmen für die Beschleunigung der ?Entwicklung und Forschung über Agenten -KI“ bieten, wobei der Schwerpunkt auf Codequalit?t, Robustheit, Allgemeinheit und Skalierbarkeit liegt.

Im Raum von Tonkean wird von Tonkean mit seiner KI-Haustürtechnologie, die als Orchestrierungszentrum zwischen Arbeitsplatzaufgaben und Agenten unter erzwungener politischer Kontrolle mit der überwachbarkeit fungiert. Auch hier gibt es hier einen engeren Antragspunkt, dh Tonkean arbeitet speziell im Rechts- und Beschaffungsgesch?ft. Ein wenig breiter ist Camunda für seine Arbeit, die die Hybrid -Orchestrierung mit Agententechnologien unterstützt. Es wurde gesagt, dass das Unternehmen deterministische Prozessmodelle mit nicht deterministischen KI-geführten Entscheidungen ?verschmelzen“. Mulesoft, AWS, Uipath und andere arbeiten in diesem Bereich.

Kein zurück in die Schule?

In künstlicher Intelligenz gibt es ein unpassendes Paradoxon, wenn der Antrieb, Agentenfunktionen zu erstellen (die im Wesentlichen vorhanden sind, um unser Leben mit funktionalen Verknüpfungen und intelligenten Beschleunigern zu automatisieren, die Grunzarbeiten entfernen), beinhaltet einen Kern, der auf die Bremsen treten und für jeden Neubau wieder zur Schule gehen muss. Wenn KI die Automatisierung zusammenfassen und die Dinge schneller machen soll, sollte sie sicherlich die eingekapselte Automatisierung selbst verwenden, wenn Sie versuchen, zu arbeiten. Dies ist keineswegs das Leitbild, aus dem Composio arbeitet, aber es k?nnte dies sicherlich sein.

Ein zentrales Problem ist die Tatsache, dass Sprachmodellschnittstellen traditionell für den Menschen gebaut wurden, nicht für Maschinendienste, mit denen sich ein Vergesseltail mit dem Verschwinden hat. Dies bedeutet, dass KI in Ihrem bevorzugten Chat-, E -Mail-, Such- oder Erstellungsantrag Spa? macht, aber es bedeutet auch, dass unter Decks im Maschinenraum die H?lle von viel Arbeit stattfindet. Niemand m?chte mit Fett bedeckt sein, wenn er es nicht braucht. Erhalten wir uns also einen Gedanken an die KI -Agenten selbst. Ansonsten bringen Sie Handw?sche mit.

Das obige ist der detaillierte Inhalt vonComposio legt die Punktzahl für die KI -Kompetenzinfrastruktur ab. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!