Agent to nowa warstwa integracji

Tak w większości firm, które widziałem, wygląda odpowiedź na jedno rutynowe pytanie: CRM po dane klienta, kalendarz po termin, skrzynka po korespondencję, program księgowy po fakturę. Cztery okna. Przez dziesięciolecia oficjalną odpowiedzią na „te systemy powinny się ze sobą komunikować" był mostek między API, zadanie synchronizujące albo przepływ w Zapierze. Odpowiedzią nieoficjalną był użytkownik, przenoszący dane między oknami. To on zawsze był prawdziwą warstwą integracji.

I właśnie tę pracę przejmują agenci konwersacyjni: pracę integracyjną.

Jeden interfejs, a za nim wszystkie aplikacje

Agent z dostępem do narzędzi odwraca problem integracji. Zamiast łączyć systemy każdy z każdym — N×N połączeń, każde utrzymywane bez końca — wystawia się każdy system jako kilka niewielkich, dobrze opisanych funkcji skierowanych do jednego agenta. Rozmowa staje się interfejsem do wszystkiego naraz.

Agent, którego zbudowałem dla Cassie, naszej platformy do prowadzenia spraw klinicznych, znajduje się w panelu obok głównego interfejsu. Pisząc ten tekst, policzyłem zarejestrowane w nim narzędzia: 46. Spodziewałem się trzydziestu. Obejmują to, co normalnie byłoby pięcioma osobnymi aplikacjami:

• Dane spraw — znajdź klienta, streść sprawę, wypisz zaległości, pokaż pełną historię
• Kalendarz — wyszukaj wydarzenia, wypisz proponowane terminy, znajdź wolne terminy na kolejną sesję
• Poczta — przeszukaj korespondencję, wypisz wiadomości klienta, wyślij wiadomość z szablonu
• Dokumenty i kwestionariusze — odczytaj dokument, pokaż przebieg wyników PHQ-9
• Analityka — statystyki wyników według ubezpieczyciela, średnie grup, podobne sprawy z przeszłości
• Księgowość — wystaw fakturę, sprawdź jej status, wypisz zaległe — bezpośrednio w FreeAgent, prawdziwym systemie księgowym
• Pamięć — rememberFact, recallFact, forgetFact: notatki zatwierdzane przez operatora, zachowywane między sesjami
• Szkice — przygotowanie do sesji, raporty postępów, podsumowania kliniczne tworzone na podstawie sprawy

Operator pisze: „przygotuj mnie do jutrzejszej sesji z panią M. i sprawdź, czy jej ostatnia faktura została opłacona". Znalezienie klientki → odczyt historii → przebieg kwestionariuszy → szkic przygotowania → zapytanie do FreeAgent → jedna odpowiedź. Cztery aplikacje i kwadrans przechodzenia między oknami, zamknięte w jednym zdaniu.

Jak dużą częścią agenta jest model?

Skoro z agentem się rozmawia, łatwo założyć, że całą pracę wykonuje model językowy. W każdym agencie wartym używania model jest cienką warstwą decyzyjną; licząc objętością wykonanej pracy, to kilka procent. Kiedy rozłożyć produkcyjnego agenta na części, widać:

1. Katalog narzędzi — funkcje z nazwami, opisami i schematami parametrów (findFreeSlots(range), getInvoiceStatus(ref)). To rzeczywista granica możliwości: bez narzędzia nie ma działania.
2. Pętlę — wiadomość użytkownika trafia do modelu razem z katalogiem; model wybiera narzędzie, środowisko wykonuje je na działającym systemie, wynik wraca, model decyduje ponownie. Jedno pytanie może oznaczać pięć takich kroków.
3. Prompt systemowy — rola, zasady, odmowy.
4. Pamięć — jawnie zapisane fakty, dostępne także za tydzień.
5. Zabezpieczenia — limity zapytań, budżety, zapis wyłącznie w formie szkiców.

Odczyty, obliczenia i operacje na systemach to zwykły, deterministyczny kod, który testuje się zwykłymi metodami. Model wnosi decyzje i końcowe zdanie. Kto raz to zobaczy, przestaje traktować agenta jak dodatek do czatu, a zaczyna jak technologię integracyjną.

Dlaczego takie spojrzenie się opłaca

Po pierwsze, zaufanie. Kiedy agent mówi, że faktura jest nieopłacona, nie jest to wspomnienie modelu, lecz odpowiedź systemu księgowego sprzed dwóch sekund, podana w formie zdania. Agenci zdobywają zaufanie dokładnie tam, gdzie przestają polegać na modelu, a zaczynają odpytywać systemy.

Po drugie, rachunek inżynierski: N małych narzędzi zamiast N×N połączeń. Każde narzędzie można testować osobno; podłączenie kolejnej aplikacji to popołudnie pracy, a nie projekt integracyjny. Gdy coś przestaje działać, błędu szuka się w funkcji, nie w prompcie.

Jest jeszcze jedna rzecz, którą zrozumiałem później, niż powinienem: jedynym twardym wymaganiem jest dostęp do API. Reszta jest prosta. Jeśli system udostępnia interfejs programistyczny, zamiana go w narzędzie agenta to jedna sygnatura funkcji i rzetelny opis. Tak właśnie FreeAgent dołączył do rozmowy w Cassie, w jedno popołudnie. Prawdziwą przeszkodą na drodze do w pełni konwersacyjnego środowiska nie jest inżynieria AI, lecz to, czy dostawcy oprogramowania pozwalają sięgnąć po nasze własne dane.

Po trzecie, bezpieczeństwo. Możliwości mieszczą się w katalogu narzędzi, więc tam też mieszka umiar. W Cassie odczytów jest wiele, a zapisy są nieliczne i mają formę szkiców: wygenerowane podsumowania trafiają do systemu jako oznaczone propozycje, wiadomości powstają z szablonów, które operator przegląda. Agent przygotowuje; człowiek zatwierdza.

Dokąd to prowadzi

Każdą używaną aplikację dzieli od udziału w tej rozmowie jeden katalog narzędzi, a katalogi stają się przenośne: protokoły takie jak MCP to właśnie opisy integracyjne dla agentów. Docelowo przestajemy pytać „którą aplikację mam otworzyć?", a zaczynamy pytać agenta — jedynego, który musi wiedzieć, gdzie co się znajduje.

Warstwa integracji zyskała wreszcie interfejs użytkownika. Jest nim jedno zdanie.