Az AWS, az NVIDIA és az OpenAI egymástól függetlenül publikált anyagai ugyanarra a kérdésre adnak választ: mi kell ahhoz, hogy egy AI-ügynök ne csak demókörnyezetben működjön, hanem valódi üzemi terhelés alatt is megbízható legyen. A válasz nem egyetlen technológia, hanem architektúra, kontextuskezelés és visszacsatolási hurok együtt.
A számok a cikkben hivatkozott nyilvános forrásokból származnak – nem Devertix-eredmények.
A kontextusablak hamarabb telik meg, mint gondolnánk
Az AWS gépi tanulás blogján megjelent Deep Insight-cikk egy szemléletes példával indul: egy látszólag egyszerű feladat – értékesítési adatok elemzése és DOCX-riport készítése – 15 perc alatt több mint 150 000 tokent fogyaszt el az Anthropic Claude Sonnet 4.5 200 000 tokenes kontextusablakából. Ha nincs tudatos kontextuskezelés, az ügynök a feladat közepén omlik össze, pontatlanná válik, vagy feleslegesen drágán fut.
A megoldás négy rétegben épül fel. Az első réteg az architektúra: minden specializált ügynök saját, izolált kontextusablakban dolgozik, és csak tömörített eredményt ad át a koordinátornak. A Deep Insight referencia-implementációban így a legtöbbet fogyasztó Coder ügynök is 25 000 token alatt marad. A második réteg a prompt-alapú kimeneti kontroll: a Coder ügynök kimeneti token-korlátja 1000–1500 token, a Validatoré 800, a Reporteré 1000. A harmadik réteg a fájlrendszer-alapú externalizáció: egy write-and-execute eszköz körülbelül 95%-kal csökkenti a szkriptek kontextus-tokenfelhasználását, az on-demand skill-betöltés pedig körülbelül 97%-kal csökkenti a rendszerprompt méretét. A negyedik réteg a független verifikáció: külön ügynökök ellenőrzik a közbenső eredményeket, mielőtt a folyamat továbblép.
A produkciós hiba értékes adat – ha van eszköz feldolgozni
Az NVIDIA fejlesztői blogjának NeMo-cikke arra hívja fel a figyelmet, hogy az általános benchmark-pontszámok nem feltétlenül magyarázzák meg, miért hibázik egy domain-specifikus ügynök. Egy ügynök választhat rossz eszközt, rossz munkafolyamat-ágat, vagy kihagyhat releváns kontextust, és ezek a hibák a szokásos teljesítménymutatókban nem látszanak. Az NVIDIA NeMo produkciós bizonyítékokból priorizált problémákat és egyedi kiértékeléseket állít elő, amelyek segítenek a promptok, eszközök, modellek, memória és harness kód fejlesztésében. A cikk technikai részleteit a forrás csak részben tartalmazza, de az alapelv egyértelmű: a produkciós hiba nem végállomás, hanem fejlesztési input.
Gyártási koordináció: több rendszer, egy közös válasz
Az NVIDIA Factory Operations Blueprint-cikk egy Siemens-jelentésre hivatkozik, amely szerint a nem tervezett leállás átlagosan 253 millió dollár/év veszteséget okoz egy nagy üzemnek a vizsgált szektorokban. A gyári csapatoknak ilyenkor több rendszerből kell bizonyítékokat gyűjteniük, szakértőkkel egyeztetniük, és koordinálniuk a következő lépéseket, mindez idő, és az idő pénz. Az NVIDIA Factory Operations Blueprint AI-ügynököket koordinál ehhez a folyamathoz: legyen szó meghibásodott áramköri lapról vagy sürgős rendelésről, az ügynökök párhuzamosan gyűjtik az adatokat, és strukturált javaslatot adnak a beavatkozáshoz.
Autonóm skálázás: 948 sérülékenység, emberi jóváhagyás nélkül
Az OpenAI egy teljesen autonóm pipeline-t épített, amely megtalálta, validálta és javítócsomagokat generált 948 helyi jogosultság-kiterjesztési sérülékenységhez a Linux kernelben. Ez nem kísérleti eredmény: a pipeline önállóan ment végig a felderítésen, a validáción és a javításon. A módszertan részleteit az OpenAI cikke nem teszi teljesen elérhetővé, de a szám önmagában jelzi, milyen skálán tud dolgozni egy jól felépített autonóm rendszer.
Mit jelent ez, ha most tervezi az ügynök-bevezetést?
Három döntési pont van, ahol a legtöbb projekt elvérzik.
Az első a kontextuskezelés. Ha az ügynök architektúráját nem tervezik meg eleve a kontextusizoláció szempontjából, a rendszer produkciós terhelés alatt kiszámíthatatlanul viselkedik. Nem elég egy jó modell: az izolált ügynökhierarchia, a kimeneti korlátok és a fájlrendszer-alapú externalizáció együtt adják a stabilitást.
A második a visszacsatolási hurok. Egy proof-of-concept általában addig fut, amíg a fejlesztő felügyeli. Produkciós rendszerben a hibáknak automatikusan fejlesztési inputtá kell válniuk, különben a karbantartás manuális és drága marad.
A harmadik a koordináció. Egyetlen ügynök ritkán old meg komplex üzleti folyamatot. Több ügynök együttműködéséhez egyértelmű felelősségi határok, tömör adatátadás és verifikációs lépések kellenek.
A Devertix ezeknél a döntéseknél segít: az architektúrális tervezéstől a kontextusmérnöklésen át a visszacsatolási hurkok kialakításáig. A proof-of-concept és a valódi üzemi rendszer között nem technológiai, hanem tervezési szakadék van, és ezt érdemes tudatosan áthidalni.
Kapcsolódó szolgáltatásunk: AI-ügynökök vállalati folyamatokra · generatív AI az AWS-en
Nézzük meg együtt – egy ingyenes első egyeztetésen.
Megmutatjuk, hol hoz valódi eredményt az AI és a felhő az Ön folyamataiban.