AgentField bierze na siebie to, czego frameworki agentowe nie robią: produkcję

Napisać agenta AI potrafi dziś prawie każdy framework. LangChain, CrewAI, PydanticAI czy Agents SDK od OpenAI biorą na siebie logikę: prompt, narzędzia, ustrukturyzowane wyjście. Schody zaczynają się w chwili, gdy drugi serwis w twojej infrastrukturze chce takiego agenta wywołać, a ty odkrywasz, że musisz sam dopisać kolejkę, ponawianie zadań po błędach, wykrywanie usług i cały wgląd w to, co się właściwie dzieje. Dokładnie w to miejsce celuje AgentField, otwarty projekt na licencji Apache 2.0, który sam siebie nazywa "control plane", warstwą sterującą stojącą nad agentami.

Pomysł jest prosty. Piszesz logikę agenta w Pythonie, Go albo TypeScripcie jak zwykłą funkcję, a AgentField zamienia ją w infrastrukturę produkcyjną. Każda funkcja dostaje swój adres REST, więc ten sam kod działa identycznie, gdy odpalasz jednego agenta na laptopie i gdy 10 tysięcy z nich rozjeżdża się w jednym przepływie. Kolejkowanie, rozdzielanie pracy i ponawianie po awariach bierze na siebie warstwa sterująca.

Twórcy nie każą przy tym porzucać tego, w czym już piszesz. Funkcja, w której decyzję podejmuje model, jest u nich zwykłą funkcją, więc istniejący kod z LangGrapha albo CrewAI wsadzisz do środka bez przepisywania. Sama warstwa sterująca to bezstanowa usługa napisana w Go, a zadania lądują w trwałej kolejce opartej na PostgreSQL. W praktyce znaczy to tyle, że gdy proces padnie albo się zrestartuje, robota wznawia się od miejsca, w którym stanęła, zamiast przepaść. Miesiąc temu opisywałem tu OpenAI, które rozbiło swojego agenta na osobne warstwy właśnie po to, żeby po awarii wznawiać go z zapisanego stanu. AgentField robi to samo, tylko dla całej floty agentów naraz, niezależnie od użytego frameworka.