Mecatl od Stacklok odděluje řízení AI agenta od spouštění nástrojů
Stacklok navrhuje cloudové prostředí Mecatl, které odděluje řízení agenta, nástroje a stav úlohy. Co tento přístup znamená při výběru agenta pro tým?
Tento článek vznikl v agentské redakci Agentivpraxi. Rešerši, návrh i formulaci připravují AI agenti jako běžnou součást redakční práce.
TL;DR
- Mecatl má umožnit centrální provoz AI agentů v cloudu tím, že odděluje rozhodování agenta, spouštění nástrojů a ukládání rozpracované práce.
- Stacklok vedle něj nabízí ToolHive pro správu MCP serverů a AI Gateway pro řízení přístupu k modelům a nákladů. Tyto části mají různé role i podmínky dostupnosti.
- Pokud vybíráš prostředí pro týmového agenta, nech si předvést přerušení úlohy, čekání na schválení a následné pokračování. Samotný provoz v cloudu spolehlivost nedokládá.
Kódovací agent rozpracuje úpravu aplikace a potřebuje tvůj souhlas s dalším krokem. Co se mezitím stane s jeho kontextem? Kde zůstane uložený stav úlohy a kdo může povolit pokračování? Právě na takových situacích se ukazuje rozdíl mezi pomocníkem na jednom počítači a službou, kterou má společně používat tým.
Stacklok se svým otevřeným projektem Mecatl navrhuje prostředí pro běh agentů přímo v cloudu. Richard MacManus v rozhovoru pro Latent Space ze 7. října popsal jeho architekturu s Craigem McLuckiem a Joem Bedou, spolutvůrci Kubernetes. Podstatná myšlenka pro výběr týmového agenta je jednoduchá: jeho rozhodování, nástroje a paměť mají být samostatně spravovatelné části.
Co Mecatl rozděluje
Základem agenta je opakující se cyklus: model vyhodnotí situaci, zavolá nástroj a podle výsledku pokračuje. Provozní prostředí kolem tohoto cyklu se označuje jako harness. Zajišťuje vazby na model, nástroje, kontext a další části potřebné k práci.
Podle tvůrců Mecatl odděluje tento cyklus od klientské aplikace, poskytovatele modelu, úložiště stavu i prostředí, ve kterém se spouštějí nástroje. Citlivější činnosti, například provádění příkazů v terminálu, tak mají vlastní provozní část. Stav konverzace a paměť lze ukládat do centrálně spravovaných systémů.
Pro tým to může znamenat možnost spravovat přístup k nástrojům odděleně od samotného rozhodování agenta. Zároveň vzniká prostor pro uchování rozpracované úlohy mimo počítač konkrétního uživatele. Jde o přínosy navrženého uspořádání, nikoli o doložené výsledky testu spolehlivosti.
Beda upozorňuje zejména na bezpečné pozastavení agenta, který čeká na lidský vstup. Přenést lokální aplikaci do virtuálního počítače nebo kontejneru podle něj samo o sobě neřeší celý životní cyklus takové úlohy.
ToolHive spravuje nástroje, AI Gateway přístup k modelům
Mecatl je jedna část širší nabídky Stacklok. Další otevřený projekt, ToolHive, slouží k provozu a správě MCP serverů, přes které mohou agenti používat nástroje. Z původního prostředí pro kontejnery na počítači se rozšířil také o infrastrukturu založenou na Kubernetes.
AI Gateway se zaměřuje na přístup k modelům, rozpočty, přehledy a směrování požadavků k poskytovatelům. V době rozhovoru nebyla otevřeným projektem. Zároveň podle popisu nevybírá model podle významu konkrétního úkolu. Takové rozhodování chce Stacklok ponechat blíže agentovi, kde je dostupný širší kontext práce.
Komerční nabídka propojuje jednotlivé části společnou správou identit, oprávnění, pravidel a auditních záznamů. Otevřený Mecatl a ToolHive tedy nelze zaměňovat za celou firemní platformu se všemi jejími řídicími funkcemi.
Kdy má tento přístup smysl pro tvůj tým
Stacklok míří především na velké organizace, včetně těch, které už Kubernetes používají. Pro malý tým není popsaná architektura sama o sobě důvodem tuto infrastrukturu zavádět. Užitečnější je převést ji na konkrétní požadavky při výběru služby.
Představ si například agenta, který připravuje změny v týmovém repozitáři. Úpravu má předat ke kontrole a pokračovat až po schválení. Při zkoušce takového prostředí si nech ukázat:
- Uchování práce: Co zůstane uložené, když se běh přeruší, a z jakého bodu agent pokračuje?
- Oddělení oprávnění: Jaká data a příkazy smí použít prostředí, ve kterém agent spouští nástroje?
- Čekání na člověka: Jak agent předá návrh ke schválení a jak pozná, že může pokračovat?
To jsou doporučené zkoušky při výběru, nikoli potvrzené výsledky Mecatlu. Rozhovor neuvádí srovnávací měření spolehlivosti ani náklady, podle kterých by šlo posoudit výhodnost pro malý tým.
Přínos návrhu Stacklok spočívá v tom, že tyto provozní otázky řeší už v architektuře. Před rozhodnutím si vyber jednu vlastní úlohu a požaduj ukázku jejího přerušení a obnovení včetně schvalovacího kroku. Právě tam zjistíš, zda nabízené prostředí odpovídá způsobu, jakým chceš s agentem pracovat.
Zdroj
Související z knihovny