Composio는 AI 기술 인프라의 점수를 낮 춥니 다

개발자가 애플리케이션 프로그래밍 인터페이스를 그려서 필수 기능을 제공하는 기존 AI 에이전트 및 서비스에 대한 연결을 위조하는 경우에도 인프라 수준에서 적용 해야하는 엄청난 양의 인증 및 관리가 있습니다.

에이전트 실수로부터 배우기

개발자 커뮤니티가 부족할 수있는 곳은 에이전트가 연결 포인트를 어떻게 그리고 어디서 구조하는지에 대한 체계적으로 추적 할 수있는 능력이 있습니다. 또한 상호 연결 과정을 통해 다른 IT 서비스에 대한 대리인이 수행 한 작업과 IT에서 추출한 기능의 측면에서 에이전트가 수행 한 작업을 캡처하고 체계화 할 수 있습니다.

AI 에이전트는 일반적으로 동일한 실수를 반복적으로 수행합니다. 학습 측면에서 좋은 실수를합니다. “개발자가 Salesforce (또는 GitHub 워크 플로 또는 데이터베이스)와 같은 응용 프로그램에 에이전트를 연결할 때 모두 동일한 문제를 해결하고 동일한 문제를 해결하게됩니다. 우리는이 지식이 다른 개발자가 재사용 할 수있는 '기술'으로 저장합니다. 에이전트가 처음으로 Salesforce와 함께 일하는 방법을 배우면 모든 에이전트와 함께 지식을 공유 할 때이 모든 시대에 더 나은 Agents와 함께 공유합니다.

Composio는 이제 플랫폼을 운영하는 연도에 시장에 출시 할 수있게되면서 자율적 인 에이전트가 소프트웨어 도구 및 워크 플로우와보다 지능적으로 상호 작용할 수있는 "기술 인프라"를 제공함으로써 AI 생태계의 격차를 해결할 수 있다고 주장합니다. 이 회사는 우리는 서비스 포트폴리오를 모든 상호 작용에 대한 직관을 향상시키고, 자체 행동을 자체적으로 최적화하고 시간에 더 유용 해지는 적응 기술 계층으로 생각할 수 있다고 말합니다.

원시 인텔리전스는 생생합니다

Ganatra는 원시 인텔리전스 자체 (즉, 가장 정교한 AI 데이터 모델을 통해 공급 될 때 크고 작은 언어 모델의 힘을 자체적으로 주장하고 가장 Zippost Graphical 또는 Neural Processing Units에 의해 터보 차지)는 퍼즐의 일부라고 주장합니다. 그는 인텔리전스가 세계와의 상호 작용에서 배울 수 있고 인간과 그 안에 존재하는 기계를 통합 할 때 비즈니스 영향이 발생한다고 제안합니다.

Ganatra는“AI 요원은 점점 더 강력한 모델의 뒷면에서 계속 더 똑똑해 지지만 마법은 그들에게 영혼을주는 데 있습니다. 도구 부호 로봇에서 목표와 환경을 이해하는 시스템으로, 파트너로 자라고 있습니다. "우리는 점점 지능적인 LLM과 미묘하고 실용적인 기술을 개발하기 위해 경험에서 발전 할 수있는 에이전트 사이의 기본 격차를 해결하면서 자체 최적화 기술 계층을 구축하고 있습니다."

또한 기술은 전자 메일 구성과 같은 기본 작업에서 광고 관리와 같은 복잡한 운영에 이르기까지 대리인의 기능의 기본 빌딩 블록이라고 말합니다. 발전하는 기술 계층은 시스템의 전반적인 기능을 기하 급수적으로 향상시켜 광범위한 프롬프트없이 점점 더 복잡한 문제를 처리 할 수 있습니다.

이 회사는 AI 구조를 구축 할 때 에이전트가 신뢰할 수 있고 숙련 될 수있는 "도구 규모"에 대해 생각해야한다고 말합니다. 이것은 수천 개의 툴킷으로 저장소를 보증합니다. 기술 적응 측면에서 반복 워크 플로우는 LLM 유도 실행에서 빠른 체계화 된 루틴으로 변환되어 속도와 신뢰성을 최적화해야합니다. 기술은 또한 문맥에 따라 체계화 된 흐름과 LLM 추론 사이를 동적으로 전환해야합니다. 이는 작업을 위해 체계화 된 기술이 존재하지 않으면 LLM 유도 실행으로 돌아옵니다.

이 회사는 고객 기반의 에이전트 Composio를 통해 개인화되고 운영되는 환경에서 배우는 관리 기술 네트워크를 구축하고 있다고 밝혔다.

Ganatra는“LLM 도구를 구축하고, 프롬프트를 조정하고, 지침을 개선 할 수는 있지만, 벽에 부딪쳤다”고 말했다. "이러한 모델은 인간 직원의 직원의 방식으로 자신의 직업에서 더 나아지지 않습니다. 그들은 맥락을 구축하거나 실수로부터 배우거나, 인간 근로자를 귀중하게 만드는 미묘한 이해를 개발할 수 없습니다."

가나 트라와 팀은 2 년 전 AI 에이전트 서비스를“현재 과대 광고”하기 시작했다고 주장했다. 이 사업은 AI 공간에서 기본 인프라 문제를 해결하기위한 임무를 수행했습니다. 이 팀은 다중 에이전트 조정, 엔터프라이즈 시스템의 인증 및 인프라 프로세스로 확장 성 구축을 포함한 복잡한 과제를 해결하여 매일 수백만 건의 요청을 처리 할 수 있도록했습니다. 이 조직에는 현재 플랫폼을 사용하는 10 만 명 이상의 개발자가 있으며 매일 수천만 건의 요청이 있습니다.

경쟁 분석, 에이전트 자동화

Creatio는 물론“고유성”을 주장하고 에이전트 AI 인프라 기술을 일종의 중 하나로 설명 할 것이지만, 우리는 IT 시장에서 일반적인 용의자를 통해 접근 방식을 반영하고 공명하는 다양한 서비스를 찾을 수 있습니다.

Davis AI 서비스 및 Watsonx Orchesrtate를 사용한 Dynatrace뿐만 아니라 에이전트 인프라 관리 공간에는 New Relic, Cisco, Splunk 및 Servicenow (대부분의 IT 서비스 관리 플랫폼에 대해 인식하는 회사로서)의 기술이 잘 알려져 있습니다.

대규모 플레이어 중에서 데이터베이스 공급 업체 인 Oracle 은이 분야에 있으며, 에이전트 스튜디오를 통해 엔터프라이즈에서 AI 에이전트 및 에이전트 팀을 생성, 확장, 배포 및 관리하는 기술입니다. 이 회사는 특정 Oracle 사용 사례에 대해 더 좁아지는이 회사는 에이전트 템플릿 라이브러리와 유사한 "에이전트의 체계화"를 제공합니다. Agent Template 라이브러리, 자연 언어 프롬프트와 짝을 이루는 사전 구축 된 템플릿이있는 AI 에이전트를 만들거나 다양한 비즈니스 시나리오를 지원하기 위해 준비된 템플릿 라이브러리에 그리기에 사용되는 서비스를 제공합니다. 또한 Tech Behemoths에서 Microsoft Autogen은 AI 에이전트를 구축하고 직장 작업을 해결하도록 설계 될 때 여러 에이전트 간의 협력을 촉진하기위한 오픈 소스 프로그래밍 프레임 워크입니다. Microsoft는 Autogen은 코드 품질, 견고성, 일반성 및 확장성에 중점을 둔 "에이전트 AI에 대한 개발 및 연구"를 가속화하기위한 유연한 프레임 워크를 제공하는 것을 목표로한다고 말합니다.

AI 정문 기술을 갖춘 Tonkean의 공간에서 덜 알려진 (그러나 아마도 맛있지는 않지만) 운임이 제공되는데, 이는 AI 정문 기술과 함께 제공되는 정책 통제하에있는 직장 작업과 에이전트 사이의 오케스트레이션 허브 역할을합니다. 다시 말하지만, 여기에는 법률 및 조달 사업에서 특히 Tonkean이 작업하는 더 좁은 응용 지점이 있습니다. 조금 더 넓은 Camunda는 에이전트 기술로 하이브리드 오케스트레이션을 지원하는 작업으로 유명합니다. 이 회사는 비 결정적 AI 유도 의사 결정을 가진 결정 론적 프로세스 모델을 "MELD"라고합니다. Mulesoft, AWS, UIPATH 등은 모두이 공간에서 작동합니다.

더 이상 학교에 돌아 오지 않습니까?

인공 지능에서는 불일치 한 역설이 진행되고 있다면 (Grunt Work를 제거하는 기능적인 단축키와 스마트 가속기로 우리의 삶을 자동화하기 위해 존재하는 에이전트 기능을 구축하려는 드라이브는 브레이크를 밟고 학교로 돌아가야 할 핵심이 필요합니다. AI가 자동화를 캡슐화하고 더 빨리 만들기위한 경우, 작동을 시도 할 때 캡슐화 된 자동화 자체를 사용해야합니다. 이것은 절대로 Composio가 운영하는 사명 선언문은 아닙니다.

해결해야 할 핵심 문제는 언어 모델 인터페이스가 전통적으로 인간이 사용할 수 있도록 기계 서비스가 아니라 사용하기 위해 구축되었다는 사실입니다. 즉, 좋아하는 채팅, 이메일, 검색 또는 제작자 응용 프로그램에서 AI는 사용하기가 재미 있지만 엔진 룸에서 데크 아래에서 많은 작업이 진행되고 있음을 의미합니다. 아무도 필요하지 않을 때 그리스로 덮여 싶어하지 않으므로 AI 요원 자체에 대한 생각을 아끼지 마십시오. 그렇지 않으면 손을 씻으십시오.

위 내용은 Composio는 AI 기술 인프라의 점수를 낮 춥니 다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!