2026. augusztus 16., vasárnap · Eszközök

A Cloudflare ügynök-nyomkövetést vezet be Workers platformjára

A Cloudflare elindította az agent tracing funkciót, a Cloudflare Agents műszerfal első elemét, amely egy helyen gyűjti össze a telepített AI-ügynökök munkameneteit. A cég szerint egy ügynök HTTP 200-as választ adhat úgy is, hogy közben rossz eszközt választott vagy felesleges tokeneket égetett el egy ismétlődő ciklusban, amit a hagyományos infrastruktúra-nyomkövetés nem mutat meg. Az új rendszer az ügynökhívásokhoz, modellhívásokhoz, eszközfuttatásokhoz és jóváhagyásokhoz is spanokat rendel, így az alügynökök munkája beágyazódik a szülő-ügynök folyamatába. A dokumentáció szerint a jóváhagyási span csak a Worker-hívásokon belüli eseményeket méri, az emberi jóváhagyásra várakozás tényleges idejét nem. A funkció a béta alatt ingyenes, 2026. október 1-től a Workers Observability díjszabása alá kerül.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

Az AI-ügynökök rejtett hibáit eddig nehéz volt diagnosztizálni, mert a sikeres HTTP-válasz mögött a hibás döntések nem látszottak a hagyományos naplózásban.

Források

InfoQ AI

Említve a tudásbázisban

fogalom Token

Kapcsolódó témák

Napi összefoglalók AI eszközök #Cloudflare#AI-ügynökök

Napi összefoglaló

Ez a hír a 2026. augusztus 16., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

A DigitalOcean új szolgáltatásokkal segíti az AI-ügynökök önfejlesztését

A DigitalOcean bejelentette a Learning Services és az Agent Data Services nyilvános előnézetét, amelyek a vállalat szerint lehetővé teszik, hogy az AI-ügynökök a valós interakciókból tanuljanak, azonosítsák hibáikat és teszteljék a javításokat, mielőtt élesben bevezetnék őket. A Learning Services három elemből áll: az Insights rögzíti az ügynökök tevékenységét, a Signals a hibákat és teljesítményhiányokat azonosítja, a Simulations pedig szimulált beszélgetésekkel teszteli a lehetséges javításokat. Az Agent Data Services a cég közlése szerint biztonságos, kezelt adatalapot biztosít dokumentumok, videó, hang, naplók és ügynöki munkamenetek indexeléséhez, és csak a felhasználó kifejezett hozzájárulása esetén táplálja az adatokat az Optimizer tanító- és tesztadatai közé. A DigitalOcean közlése szerint az Insights, a Signals és az Evaluations, köztük a Simulations nyilvános előnézetben, míg az Inference Router optimalizálása és az Agent Data Services zárt, privát előnézetben érhető el.

Az OpenAI bemutatta a Dots nevű AI-ügynök platformot

Az OpenAI a héten jelentette be új AI-ügynök platformját, a Dots-ot, amely blobszerű, elnevezhető avatarokkal dolgozik, és egy virtuális géppel fér hozzá olyan alkalmazásokhoz, mint a Blender vagy a GIMP. A felhasználó egyelőre csak egy Dot-ot kaphat, de a cég ígérete szerint a jövőben több is indítható lesz. A The Verge tesztje szerint a Dot sikeresen megtalált egy 100 dolláros promóciós kedvezményt egy törölt e-mailben egy internetszolgáltatónál történő időpontfoglaláshoz, de elakadt egy emberi ellenőrzésnél, egy hosszan tartandó egérgombnyomásnál, amit a tesztelőnek kellett manuálisan elvégeznie. Az OpenAI a Dots funkciót elsőként a legmagasabb szintű, havi 100 dolláros Pro-előfizetőknek teszi elérhetővé, szemben a Meta ingyenes Muse és Instinct nevű ügynökeivel.

Figma: AI-ügynökök gyorsítják a biztonsági riasztások kivizsgálását

A Figma mérnökcsapata saját beszámolója szerint AI-ügynököket épített biztonsági csapata számára, amelyek riasztásokat vizsgálnak ki, korábbi incidenseket keresnek vissza, rendszereket ellenőriznek, és kódjavításokat is előkészítenek. A rendszer Panther SIEM-re épül, az AWS, Okta, GitHub, GCP és osquery mellett száznál több forrást kérdez le, emellett AWS Bedrock Knowledge Bases, Amazon Kendra, Tines és Snowflake-alapú eszközöket is használ. A Figma állítása szerint ez mintegy 70 százalékkal csökkentette az összetett riasztások megoldási idejét, és 20 százalékkal kevesebb ügyeleti riasztást eredményezett. A cikk szerint a rendszer memóriája – korábbi esetek, viselkedési útmutatók, megtanult adatbázis-struktúrák – kulcsszerepet játszott, miközben emberi felülvizsgálat és beépített korlátok, például az alapból piszkozatként létrejövő kódjavaslatok, biztosítják a biztonságot.

AWS: nyílt forráskódú AI-ügynök vezérli a SageMaker HyperPod klasztereket

Az AWS bemutatta a HyperPod InstantStart nevű nyílt forráskódú vezérlőréteget, amely az Amazon SageMaker HyperPod klaszterek – gépi tanulási modellek futtatására szolgáló, Amazon EKS-re épülő infrastruktúra – beállítását és napi üzemeltetését automatizálja. A vállalat állítása szerint a rendszer egyetlen, a felhasználó AWS-fiókjában futó menedzsment-konténerként működik, és ugyanazt a háttér-API-t szolgálja ki webes felületen és parancssoron keresztül is. Az AWS szerint egy AI-ügynök tervezi meg és futtatja a többlépcsős folyamatot – hálózat, tárhely, azonosságkezelés, node-helyreállítás, modellkiszolgálás –, és csak az elérhetőségi zóna vagy a példánytípus kiválasztásánál áll meg döntésre várva. A cég szerint a megbízhatóság kulcsa, hogy a működési szabályokat egy vezérlőréteg API-jába kódolják, nem pedig nyers parancssori hozzáférést adnak az ügynöknek.