Оркестрация агентов
Databricks открыл Omnigent мета-харнес для управления ИИ-агентами
Databricks представил Omnigent — открытый мета-харнес для оркестрации ИИ-агентов. Проект поддерживает интеграцию с популярными кодинг-агентами, такими как Claude Code, Codex и Pi, и предоставляет единый интерфейс для их управления. Omnigent позволяет объединять, настраивать и делиться агентами через терминал, веб, настольные и мобильные приложения.
QodFlow: Kanban-доска для управления ИИ-агентами через MCP
Команда QodFlow представила инструмент, который позволяет ИИ-агентам взаимодействовать с Kanban-досками через протокол MCP (Multi-Agent Communication Protocol). Это решение может стать важным шагом в интеграции агентов в рабочие процессы, где требуется визуализация и управление задачами.
GEDD: фреймворк для оценки LLM на основе системных доказательств
Команда AWS представила GEDD (Generative Evidence Driven Decisions) — фреймворк, который позволяет использовать LLM в качестве судьи для оценки качества решений. GEDD систематически собирает и анализирует доказательства, чтобы принимать обоснованные решения. Это особенно полезно для задач, где требуется высокая степень точности и прозрачности, таких как медицинские диагнозы, юридические консультации или финансовые анализы.
3 ИИ-агента кодируют без остановки 3 дня подряд
Разработчик поделился опытом непрерывной работы трёх ИИ-агентов, занимающихся программированием. Система работает без перебоев уже трое суток, демонстрируя стабильность и эффективность в выполнении задач.
Инструмент для реализации многоэтапного планирования и делегирования в Claude
Проект Fable-mode представляет собой специализированный навык для модели Claude, который внедряет агентные паттерны поведения в процесс выполнения задач. Основная функциональность системы строится на трех ключевых принципах: явном многоэтапном планировании, делегировании подзадач специализированным агентам и автоматизированной самопроверке результатов.
GitHub Copilot CLI улучшил оркестрацию задач
Команда GitHub Copilot CLI представила обновление, которое делает работу с инструментом более эффективной. Новые алгоритмы позволяют системе более точно распределять задачи между компонентами, снижая количество лишних передач данных и ускоряя выполнение запросов.
Библиотека Loop для создания повторяемых рабочих процессов ИИ-агентов
Проект Loop представляет собой библиотеку для проектирования и запуска воспроизводимых агентных рабочих процессов. Инструмент ориентирован на автоматизацию задач в таких областях, как инженерное проектирование, оценка качества моделей, операционное управление, создание контента и дизайн. Основная цель библиотеки — стандартизировать взаимодействие агентов, обеспечивая предсказуемость их действий в сложных цепочках задач.
Новый подход к синтезу ветвей в агентских workflows
Исследователи из MIT и UC Berkeley предложили новый метод для работы с параллельными ветвями в агентских workflows, который может значительно ускорить выполнение задач. В традиционных системах ветви, отвечающие за выполнение подзадач, сбор данных или генерацию решений, объединяются в финальном текстовом синтезе. Это создаёт узкое место, особенно при работе с большими языковыми моделями (LLM), которые обрабатывают контекст последовательно.
Как извлекать осмысленные workflows из логов действий пользователей
Исследователи из MIT и Стэнфорда предложили метод для преобразования последовательностей действий пользователей в интерпретируемые workflows. В работе рассматриваются лог-файлы с временными метками, которые фиксируют взаимодействие пользователей с цифровыми продуктами. Однако из-за высокой детализации и шума в данных сложно выделить осмысленные паттерны поведения.
Инструмент для организации кросс-вендорного цикла разработки ИИ-агентов
Проект architect-loop представляет собой исследовательский фреймворк для создания многоагентных систем, где роли архитектора и исполнителя распределяются между различными языковыми моделями. В текущей реализации архитектурные задачи возложены на модель Claude, а написание кода — на специализированные модели семейства Codex. Такая архитектура позволяет использовать сильные стороны разных вендоров в рамках одного рабочего процесса.
Ponytail: фреймворк для ленивых разработчиков ИИ-агентов
Ponytail — это фреймворк, который позволяет создавать ИИ-агентов, которые действуют как «ленивые старшие разработчики». Основная идея заключается в том, что лучший код — это код, который не нужно писать. Это подход, который может быть полезен для разработчиков ИИ-агентов, так как позволяет автоматизировать многие рутинные задачи и сосредоточиться на более важных аспектах.
Perplexity интегрирует Deep Research в Perplexity Computer для сложных аналитических задач
Perplexity объявила о интеграции своего инструмента Deep Research в Perplexity Computer. Теперь система способна разбивать сложные исследовательские задачи на подзадачи и распределять их между более чем 20 передовыми моделями ИИ. Это позволяет генерировать отчёты, презентации и дашборды с высокой степенью детализации и точности.
Qiaomu Goal Meta Skill превращает сложные задачи в чёткие команды для ИИ-агентов
Разработчик Joeseesun представил на GitHub проект Qiaomu Goal Meta Skill — инструмент, который помогает преобразовывать сложные или расплывчатые задачи в чёткие команды для ИИ-агентов. Этот инструмент особенно полезен для работы с Codex и другими моделями, которые требуют структурированных инструкций.
Agents-K1: новый подход к оркестрации научных знаний для ИИ-агентов
Исследователи из MIT и других ведущих университетов представили Agents-K1 — фреймворк, направленный на улучшение научной оркестрации знаний для ИИ-агентов. В отличие от существующих решений, которые часто ограничиваются поверхностным анализом научных работ, Agents-K1 фокусируется на ключевых сущностях, утверждениях, доказательствах, механизмах и методологических линиях, что критически важно для научного мышления.
HyperTool: новый подход к оркестрации инструментов в ИИ-агентах
Исследователи из MIT и других ведущих университетов предложили новый подход к оркестрации инструментов в ИИ-агентах, который может значительно повысить эффективность работы агентов. В традиционных системах инструменты вызываются пошагово, что приводит к избыточным вычислениям и перегрузке контекста. Авторы работы предлагают использовать более крупнозернистые вызовы инструментов, что позволяет сократить количество шагов и улучшить управление данными.
Recursive Agent Harnesses: рекурсия как ключ к масштабируемым агентам
Исследователи из Arxiv представили концепцию Recursive Agent Harnesses (RAH), объединяющую два ключевых подхода к построению ИИ-агентов: рекурсивные языковые модели (RLMs) и динамические workflows от Anthropic. В основе RAH лежит идея использования рекурсии для вызова подагентов, что позволяет эффективно решать задачи, требующие длительного контекста и сложного рассуждения.
Операды для композиционного рассуждения в ИИ-агентах
Исследователи из MIT и Университета Ватерлоо предложили использовать операды — математическую структуру, моделирующую операции с несколькими входами и одним выходом, для формализации композиционного рассуждения в языковых моделях. В работе показано, как операды могут служить основой для разложения сложных запросов на подзапросы и их последующей композиции. Это особенно важно для ИИ-агентов, где точность и логическая последовательность ответов критичны.
DoorDash адаптирует веса целей в трёхстороннем маркетплейсе через RL
Исследователи из DoorDash представили систему reinforcement learning, которая адаптирует веса целей в трёхстороннем маркетплейсе (курьеры, заказчики, рестораны) на основе задержанной обратной связи. Система оценивает решения по таким метрикам, как скорость доставки, использование курьеров и загруженность ресторанов.
OrchRM: самонастраиваемая оркестрация для ИИ-агентов
Исследователи предложили OrchRM — фреймворк для самонастраиваемой оркестрации ИИ-агентов. Проблема в том, что традиционные подходы требуют ручного аннотирования и дорогостоящих вычислений. OrchRM решает это, используя самонастраиваемую модель вознаграждений, которая оценивает качество оркестрации без участия человека.
GitHub Copilot CLI добавил кастомные агенты для автоматизации workflows
GitHub Copilot CLI теперь поддерживает кастомные агенты, которые позволяют автоматизировать рабочие процессы разработчиков. Эти агенты могут понимать специфику стека технологий и командных workflows, превращая разовые команды в терминале в повторяемые и проверяемые процессы.
Как агент создал 3D-галерею Парижа через цепочку Hugging Face Spaces
Исследователи из Hugging Face продемонстрировали, как ИИ-агент может автоматизировать создание сложных проектов, сочетая несколько инструментов. В новом проекте агент построил 3D-галерею Парижа, используя цепочку из двух Hugging Face Spaces — сервиса для развертывания моделей и приложений на основе ИИ.
NVIDIA Nemotron 3 Ultra для ускорения работы ИИ-агентов
NVIDIA представила новую версию своей модели Nemotron 3 Ultra, оптимизированную для работы с долгосрочными ИИ-агентами. Это важный шаг в развитии инфраструктуры для агентов, так как модель позволяет значительно ускорить процесс инференса и повысить эффективность работы с контекстом.
NVIDIA Vera CPU: новый стандарт для агентных нагрузок
NVIDIA представила новую линейку процессоров Vera, разработанных специально для работы с агентными нагрузками в AI-фабриках. Эти процессоры предназначены для оптимизации задач, связанных с оркестрацией, планированием и выполнением действий ИИ-агентов, что делает их важным шагом в развитии инфраструктуры для агентов.
Rift: фреймворк для оркестрации ИИ-агентов от Anomaly
Команда Anomaly представила Rift — фреймворк для создания и управления ИИ-агентами. Проект позиционируется как инструмент для разработчиков, которые хотят строить сложные системы с множеством взаимодействующих агентов. Rift предоставляет API для создания, запуска и мониторинга агентов, а также механизмы для их координации и коммуникации.