API-ի հավելավճին. Ինչու կոտրվում են AI-ագենտներ ենթակառուցվածքային համատեքստի բացակայության պատճառով

Ենթակառուցվածքային խոչընդոտ, որին բախվում են AI-ագենտները

AI-ագենտները ավելի ու ավելի հաճախ օգտագործվում են ծրագրային ապահովման մշակումը արագացնելու համար, սակայն հաճախ կոտրվում են, երբ API-ներին բացակայում է բավարար ենթակառուցվածքային համատեքստ: Այն խնդիրը, որը կոչվում է «API-ի հավելավճին», ցույց է տալիս աճող հակասությունը այն միջև, ինչ անհրաժեշտ է AI-ագենտներին արդյունավետ աշխատելու համար, և այն, ինչ առաջարկում է գոյություն ունեցող API ենթակառուցվածքը:

The New Stack-ի հաշվետվության համաձայն, AI-ագենտները արագացնում են զարգացման աշխատանքային գործընթացները, բայց տվյալներին հասանելիությունը դեռ մնում է կարևոր դադարի պատճառ: Հրապարակումների հոդվածներում նշվում է, որ չնայած այն բանին, որ ագենտները կարող են գրել կոդ, նրանք հաճախ չունեն համատեքստային տեղեկություններ ենթակառուցվածքի, տեղակայման միջավայրի և համակարգային ճարտարապետության մասին, որը անհրաժեշտ է ավտոնոմ աշխատանքի համար:

Ագենտների համար հարմար API-ներ և MCP-ի հարցը

Model Context Protocol (MCP) հայտնեց որպես ճանապարհ, որով AI-ագենտները մտնում են API-ներ, սակայն, ինչպես նշում է The New Stack-ի վերջին հոդվածներից մեկը, MCP-ն չի լուծում այն, թե ինչ պետք է տեսնեն ագենտները: Այս տարբերությունը կրիտիկական է. ագենտների կապը API-ների հետ միայն առաջին քայլն է: Այն տվյալների վերահսկումը և համատեքստավորումը, որոնց հասանելի են ագենտները, դեռ անլուծելի մարտահրավեր է:

AI-հավելվածների համար մասշտաբային, ագենտների համար հարմար API-ների ստեղծումը դարձել է պլատֆորմի ինժեներների առաջնահերթություն: Հրապարակումը գրում էր այն մասին, թե ինչպես են կազմակերպությունները վերամշակում API-ի դիզայնը՝ ագենտներին տալով կառուցվածքավորված համատեքստ՝ ոչ թե նրանց մի՛նչև ոչ կառուցվածքավորված տվյալների հետ սահմանելը, ինչը կարող է առաջացնել սխալներ և անարդյունավետություն:

Լատենտություն, վերիֆիկացում և կատարման ժամանակի խնդիրը

Ագենտական AI-ն ունի լատենտության խնդիր, որը չի լուծվում ավելի շատ հաշվողական հզորությամբ, ըստ The New Stack-ի վերլուծության: Խնդիրը ոչ թե պարզ մշակման արագությունն է, այլ ժամանակը, որը ագենտները ծախսում են տվյալների սպասման, արդյունքների վերիֆիկացման և բարդ ենթակառուցվածքային համատեքստներում նավիգացիայի վրա: Ամպային (cloud-native) ծրագրային ապահովման համար վերիֆիկացումը հիմնապատճառով կատարման ժամանակի խնդիր է, քանի որ ագենտները պետք է ստուգեն կոդը իրական միջավայրում, այլ ոչ թե ստատիկ կազմաձևումներում:

Գործիքները, ինչպիսիք են Greptile, Cursor և Devin, համաձայն են, որ ագենտները պետք է գործարկեն իրենց սեփական կոդը, բայց կարևոր է, թե որ դիմաց են այն գործարկում: Կատարման ընթացքում տրամադրվող ենթակառուցվածքային համատեքստը որոշում է, թե արդյոք ագենտները կկարողանան իրենց աշխատանքը արդյունավետ վերիֆիկացնել, թե ոչ թե պարզապես ստեղծել համոզիչ, բայց անվերիֆիկացված արդյունք:

Անվտանգություն, հետքեր և առաջընթացի ճանապարհը

Ինչքան ավելի ավտոնոմ դառնում են AI-ագենտները, այնքան սուր է դառնում անվտանգության մտահոգությունը: WebAssembly-ը առաջարկվում է որպես հնարավոր լուծում AI-ագենտների ամենավտանգավոր անվտանգության խոցերի համար. այն ապահովում է մեկուսացված կատարման միջավայր, որը սահմանափակում է ագենտների գործողությունների վնասակալ շառավիղը: Միաժամանակ, երբ AI-ագենտների հետքը դառնում է հավելվածի տվյալներ, կազմակերպությունները պետք է որոշեն, թե ինչպես պահել, կառավարել և կազմակերպել ագենտների կողմից առաջացված օպերատիվ գրառումները:

Պատասխանում է լայն էկոսիստեմը: AWS-ը բաց կոդով թողարկել է AI-ագենտ, որը, ըստ իր խոսքի, 45%-ով ավելի էժան է, քան Claude Code-ն ու Codex-ը: Google-ը ցանկանում է վեբը պատրաստ դարձնել ագենտների համար: Cloudflare-ը կառուցում է այն, ինչին կոչում է AI վեբի տնտեսական շերտ: այս ճնշումը ցույց է տալիս, որ ոլորտը ճանաչում է API-ի հավելավճին՝ որպես ագենտների ինտեգրման իրական արգելք, և որ ենթակառուցվածքային համատեքստը բացող է ագենտների պոտենցիալի համար:

Աղբյուրներ: The New Stack