Google udostępniło wersję preview swojego Genkit Agents API dla TypeScript i Go, wprowadzając funkcje „detached turns” oraz mechanizm kontrolny „human-in-the-loop”, aby ułatwić budowanie i kontrolowanie agentów AI gotowych do użytku produkcyjnego.

Dlaczego nowe API jest ważne

Deweloperzy od dawna zmagają się z dwoma problemami podczas wdrażania agentów AI: długotrwałymi zadaniami, które wstrzymują cały pipeline, oraz trudnością w zagwarantowaniu bezpiecznych i godnych zaufania działań. „Detached turns” pozwala agentowi kontynuować pracę nad czasochłonną operacją bez blokowania otaczającego go przepływu pracy, podczas gdy opcja „human-in-the-loop” wymusza ręczną weryfikację przed zastosowaniem wyniku działania agenta. Razem pozwalają one zredukować przestoje i zapobiec kosztownym błędom.

Droga, która do tego doprowadziła

Na początku tego roku frameworki open-source oraz usługi chmurowe zaczęły oferować komponenty typu „plug-and-play” dla konwersacyjnej sztucznej inteligencji, ale większość z nich zmuszała deweloperów do pisania własnego kodu do orkiestracji. Google Genkit wypełnia tę lukę, oferując SDK wyższego poziomu, które eliminuje powtarzalny kod (boilerplate) związany z obsługą żądań, zarządzaniem stanem i wyborem modelu.

Co faktycznie robią te funkcje

  • Detached turns: Gdy agent musi pobrać dane z zewnętrznego API, przeprowadzić wieloetapowy proces rozumowania lub poczekać na dane wejściowe od użytkownika, przekazuje zadanie do procesu działającego w tle. Główny przepływ pracy otrzymuje znacznik zastępczy (placeholder) i kontynuuje działanie, unikając całkowitego zatrzymania, które zablokowałoby kolejne zadania.
  • Human-in-the-loop: Zanim decyzja agenta zostanie zatwierdzona — na przykład przy zatwierdzaniu pożyczki lub aktualizacji bazy danych — pojawia się komunikat w interfejsie użytkownika (UI) dla recenzenta. Recenzent może zaakceptować, zmodyfikować lub odrzucić sugestię, co zapewnia organizacjom siatkę bezpieczeństwa bez rezygnacji z automatyzacji.

Pojawiające się narzędzia uzupełniające

Obok Genkit, społeczność open-source wprowadza narzędzia rozwiązujące problemy z kosztami i debugowaniem — dwa punkty zapalne, które często towarzyszą procesom AI.

  • ORA: Orkiestrator zadań oparty na języku Go, dostarczany jako pojedynczy plik binarny. Dzieli on duże zadania na mniejsze podzadania i automatycznie kieruje każde z nich do najtańszego modelu zdolnego do ich wykonania, pomagając zespołom kontrolować wydatki w chmurze.
  • Python AI error explainer: Biblioteka, która analizuje ślady stosu (stack traces) i niejasne logi, a następnie zwraca podsumowanie w zrozumiałym języku, prawdopodobną przyczynę oraz kroki naprawcze. Przekształcając surowe dane o błędach w praktyczne wskazówki, przyspiesza pętlę informacji zwrotnej dla dewelopera.

Kto wygrywa, a kto się martwi

Na co warto zwrócić uwagę w przyszłości

Jeśli wersja preview dotrzyma obietnic, agenci AI mogą ewoluować z eksperymentalnych chatbotów w niezawodne komponenty, którym firmy będą ufać w kwestii podejmowania działań, wstrzymywania ich lub proszenia o pomoc w sytuacjach o wysokiej stawce.