Интернет се развива. Преминаваме отвъд мрежа, проектирана за сърфиране на хора в интернет, към инфраструктура, която поддържа автономни агенти, сътрудничещи си между системите. Тази нова парадигма изисква коренно различен стек, изграден върху отворени компоненти, които улесняват безпроблемната комуникация, използването на инструменти и обработката в реално време.
В сърцето на този нововъзникващ стек са четири ключови технологии:
- Agent2Agent (A2A): Разработен от Google, A2A е протокол, който позволява на агентите да откриват и комуникират помежду си. Той предоставя стандартизиран начин за агентите да обявяват своите възможности, да обменят задачи и да предават актуализации.
- Model Context Protocol (MCP): Пионер в Anthropic, MCP е стандарт за използване на инструменти и външен контекст. Той определя как агентите могат да имат достъп и да използват външни API и инструменти, което им позволява да взаимодействат с реалния свят.
- Apache Kafka: Разпределена платформа за поточно предаване на събития, която действа като централна нервна система за комуникация между агенти. Kafka предоставя надежден и мащабируем начин за координиране на взаимодействията между агентите.
- Apache Flink: Двигател за обработка в реално време, който обогатява, наблюдава и действа върху потоци от дейности на агенти. Flink позволява на агентите да реагират в реално време на събития, да вземат решения и да координират сложни работни процеси.
Предизвикателството на фрагментираните екосистеми от агенти
Понастоящем развитието на AI агенти е изправено пред значителни предизвикателства, свързани с фрагментацията и липсата на оперативна съвместимост. Тези предизвикателства възпрепятстват създаването на стабилни и мащабируеми AI системи:
- Изолирани агенти: Агентите често работят в силози, неспособни да комуникират или да споделят информация. Например, CRM агент може да не знае за прозрения, открити от агент за хранилище на данни, което води до пропуснати възможности и неефективност.
- Крехко използване на инструменти: Без стандартизирани протоколи за извикване на инструменти и API, агентите разчитат на твърдо кодирани интеграции, които са трудни за поддръжка и повторна употреба. Това ограничава способността им да се адаптират към променящите се среди и да се интегрират с нови системи.
- Несъвместими рамки: Различните среди за изпълнение на агенти използват различни модели, третирайки агентите като чатботове, насочени ациклични графики (DAG) или рекурсивни плановици. Тази липса на последователност затруднява създаването на преносими и оперативно съвместими агенти.
- Разработка, ориентирана към прототипи: Много агенти са проектирани като еднократни прототипи, на които липсва стабилността и мащабируемостта, необходими за реални внедрявания. Често те не успяват да се справят с критични проблеми като повторни опити, откази, координация, регистриране и мащабиране.
- Липса на гръбнак за сътрудничество: Липсата на централна шина за събития, споделена памет или проследима история на действията на агентите възпрепятства сътрудничеството и координацията. Информацията често е в капан в директни HTTP повиквания или е заровена в регистрационни файлове, което затруднява разбирането и отстраняването на грешки в поведението на агентите.
Решението не се крие в консолидирането на всички агенти в монолитна платформа, а в изграждането на споделен стек, базиран на отворени протоколи, архитектура, управлявана от събития, и обработка в реално време. Този подход насърчава оперативната съвместимост, мащабируемостта и устойчивостта.
Agent2Agent: Стандартизиране на комуникацията между агентите
Протоколът A2A на Google е значителна стъпка към справяне с проблема с оперативната съвместимост на агентите. Той предоставя универсален протокол за свързване на агенти, независимо от техния произход или среда за изпълнение. Чрез дефиниране на споделен език за агентите, A2A им позволява да:
- Рекламират възможности: Агентите могат да обявяват своите възможности чрез
AgentCard, JSON дескриптор, който определя какво може да прави агентът и как да взаимодейства с него. Това позволява на други агенти да откриват и използват техните услуги. - Обменят задачи: A2A улеснява структурираните взаимодействия между агентите чрез JSON-RPC, където един агент иска помощ от друг и получава резултати или артефакти в отговор. Това позволява на агентите да си сътрудничат по сложни задачи.
- Поточни актуализации: Агентите могат да предават обратна връзка в реално време по време на дълготрайни или съвместни задачи, използвайки събития, изпратени от сървъра (SSE). Това осигурява прозрачност и позволява на агентите да наблюдават напредъка и да реагират на промени.
- Обменят богато съдържание: A2A поддържа обмена на файлове, структурирани данни и формуляри, а не само обикновен текст. Това позволява на агентите да споделят сложна информация и да си сътрудничат по по-широк кръг от задачи.
- Осигуряват сигурност: A2A включва вградена поддръжка за HTTPS, удостоверяване и разрешения, осигурявайки сигурна комуникация между агентите. Това е от решаващо значение за защитата на чувствителни данни и предотвратяването на неоторизиран достъп.
Model Context Protocol: Активиране на използването на инструменти и контекстна осведоменост
MCP на Anthropic допълва A2A чрез стандартизиране на това как агентите използват инструменти и имат достъп до външен контекст. Той определя как агентите могат да извикват API, да извикват функции и да се интегрират с външни системи, което им позволява да взаимодействат с реалния свят.
Докато A2A се фокусира върху това как агентите комуникират помежду си, MCP се фокусира върху това как агентите взаимодействат със своята среда. Заедно тези два протокола предоставят изчерпателен план за свързана екосистема от агенти:
- MCP дава възможност на индивидуалния интелект на агента, като осигурява достъп до инструменти и информация.
- A2A дава възможност за колективен интелект чрез улесняване на комуникацията и сътрудничеството между агентите.
Необходимостта от стабилна комуникационна инфраструктура
Представете си компания, в която служителите могат да комуникират само чрез директни, индивидуални съобщения. Споделянето на актуализации ще изисква изпращане на съобщения на всеки човек поотделно, а координирането на проекти между множество екипи ще включва ръчно предаване на информация между групите. С нарастването на компанията този подход става все по-хаотичен и неустойчив.
По същия начин, екосистемите от агенти, изградени върху директни връзки, стават крехки и трудни за мащабиране. Всеки агент трябва да знае с кого да говори, как да се свърже с тях и кога са на разположение. С увеличаването на броя на агентите броят на необходимите връзки нараства експоненциално, което прави системата неуправляема.
A2A и MCP предоставят на агентите езика и структурата за комуникация и действие, но само езикът не е достатъчен. За да се координира голям брой агенти в рамките на предприятие, е необходима стабилна инфраструктура за управление на потока от съобщения и реакциите на агентите.
Apache Kafka и Apache Flink: Гръбнакът на координацията на агентите
Apache Kafka и Apache Flink предоставят инфраструктурата, необходима за поддържане на мащабируема комуникация и изчисления на агентите. Kafka действа като разпределена платформа за поточно предаване на събития, докато Flink е двигател за обработка на потоци в реално време.
Kafka, първоначално разработен в LinkedIn, служи като издръжлива, високопроизводителна шина за съобщения, позволяваща на системите да публикуват и се абонират за потоци от събития в реално време. Той разделя производителите от потребителите и гарантира, че данните са издръжливи, възпроизводими и мащабируеми. Kafka се използва широко в различни приложения, от финансови системи до откриване на измами до телеметрични тръбопроводи.
Flink, също проект на Apache, е предназначен за състояниева, високопроизводителна обработка на събития с ниска латентност. Докато Kafka обработва преместването на данни, Flink обработва трансформацията, обогатяването, наблюдението и оркестрацията на тези данни, докато те преминават през система.
Заедно Kafka и Flink образуват мощна комбинация: Kafka е кръвоносната система, а Flink е рефлексната система. Те предоставят основата за изграждане на мащабируеми и устойчиви екосистеми от агенти.
Точно както A2A се очертава като HTTP на света на агентите, Kafka и Flink формират основата, управлявана от събития, която може да поддържа мащабируема комуникация и изчисления на агентите. Те решават проблеми, които директната комуникация от точка до точка не може:
- Разделяне: С Kafka агентите не трябва да знаят кой ще консумира техния изход. Те публикуват събития (например
Задачата е завършена,Генериран е прозрение) в тема и всеки заинтересован агент или система може да се абонира. - Наблюдаемост и възможност за възпроизвеждане: Kafka поддържа издръжлив, хронологично подреден регистър на всяко събитие, което прави поведението на агентите напълно проследимо, одитируемо и възпроизводимо.
- Вземане на решения в реално време: Flink позволява на агентите да реагират в реално време на потоци от събития, филтриране, обогатяване, присъединяване или задействане на действия въз основа на динамични условия.
- Устойчивост и мащабиране: Задачите на Flink могат да се мащабират независимо, да се възстановяват от отказ и да поддържат състояние в продължение на дълготрайни работни процеси. Това е от съществено значение за агентите, които изпълняват сложни, многоетапни задачи.
- Координация, вградена в потока: Вместо да чакат синхронен отговор, агентитемогат да координират чрез потоци от събития, публикуване на актуализации, абониране за работни процеси и съвместно напредване на състоянието.
В обобщение:
- A2A определя как говорят агентите.
- MCP определя как те действат върху външни инструменти.
- Kafka определя как текат техните съобщения.
- Flink определя как тези потоци се обработват, трансформират и превръщат в решения.
Четирислойният стек за AI агенти от корпоративен клас
Протоколи като A2A и MCP са от съществено значение за стандартизиране на поведението и комуникацията на агентите. Въпреки това, без подложка, управлявана от събития, като Kafka, и среда за изпълнение, вградена в потока, като Flink, тези агенти остават изолирани, неспособни да координират гъвкаво, да се мащабират грациозно или да разсъждават с течение на времето.
За да реализираме напълно визията за оперативно съвместими AI агенти от корпоративен клас, ни е необходим четирислоен стек:
- Протоколи: A2A и MCP определят какво от комуникацията на агентите и използването на инструменти.
- Рамки: LangGraph, CrewAI и ADK определят как от внедряването на агенти и управлението на работния процес.
- Инфраструктура за съобщения: Apache Kafka поддържа потока от съобщения и събития между агентите.
- Изчисления в реално време: Apache Flink поддържа мисленето, като обработва и трансформира потоци от данни в реално време.
Този четирислоен стек представлява новия интернет стек за AI агенти, предоставяйки основа за изграждане на системи, които са не само интелигентни, но и съвместни, наблюдаеми и готови за производство.
Преминаване към свързана екосистема от агенти
Намираме се в ключов момент в еволюцията на софтуера. Точно както оригиналният интернет стек отключи нова ера на глобална свързаност, се появява нов стек за AI агенти. Този стек е създаден за автономни системи, работещи заедно, за да разсъждават, вземат решения и да действат.
A2A и MCP предоставят протоколите за комуникация и използване на инструменти на агентите, докато Kafka и Flink предоставят инфраструктурата за координация, наблюдаемост и устойчивост в реално време. Заедно те правят възможно преминаването от несвързани демонстрации на агенти към мащабируеми, интелигентни екосистеми от производствен клас.
Това не е просто решаване на инженерни предизвикателства; става въпрос за активиране на нов вид софтуер, където агентите си сътрудничат през границите, предоставяйки информация и поток от действия в реално време и позволявайки на интелигентността да се превърне в разпределена система.
За да реализираме тази визия, трябва да изграждаме отворено, оперативно съвместимо и с уроците от последната интернет революция. Следващия път, когато създавате агент, не просто попитайте какво може да направи. Попитайте как се вписва в по-голямата система:
- Може ли да комуникира с други агенти?
- Може ли да координира действията си с други?
- Може ли да се развива и адаптира към променящите се обстоятелства?
Бъдещето не е просто задвижвано от агенти; то е свързано с агенти.