Scale и Temporal представили практическое руководство по созданию долгоиграющих автономных агентов для корпоративных процессов. Технология позволяет строить системы, которые работают неделями и месяцами, реагируя на внешние события и привлекая человека только для ключевых решений.
Проблема традиционных закупок
Процессы закупок в строительной отрасли — классический пример сложных, растянутых во времени операций. Старшие менеджеры управляют множеством проектов одновременно, отслеживая поставки стали, систем кондиционирования, электропанелей и других материалов. Хотя современные ERP-системы автоматизировали детерминированные этапы, человеческое вмешательство остается критически важным при нештатных ситуациях.
«Программное обеспечение может автоматизировать детерминированные шаги: „если А, тогда Б», простой учет — но реальный мир не детерминирован. Инспекции проваливаются. Поставки задерживаются. Задержки каскадом превращаются в конфликты расписания. Вот те моменты, когда людям все еще приходится вмешиваться», — поясняют авторы подхода.
Архитектура агентов закупок
Идея агента закупок заключается не в замене человека, а в его освобождении от рутинных операций. Система самостоятельно обрабатывает события и привлекает менеджера только для принятия ключевых решений.
Современные системы ИИ обеспечивают недетерминированный интеллектуальный слой поверх существующих автоматизаций. Это позволяет передать агентам принятие решений, которые ранее были тяжелым бременем для человека. Цель — не выбрасывать старые программные системы, а перевести человека на более высокий уровень — подальше от низкоуровневых логистических решений.
Технические вызовы
Долгосрочные процессы
Строительство зданий может занимать недели и месяцы, поэтому система должна быть способна работать столь же долго. В то время как многие современные системы ИИ поддерживают диалоги, немногие могут сохраняться месяцами с фоновым непрерывным поведением. Это требует устойчивых систем, которые могут включаться и выключаться, переживать сбои и оставаться доступными в течение длительных периодов.
Смена парадигмы
Существует фундаментальный сдвиг по сравнению с тем, как работают большинство систем ИИ сегодня. Обычно человек дает команды ИИ делать что-то, и ИИ использует инструменты для доступа к внешнему миру. Нам нужно обратное: ИИ получает входные данные из внешнего мира и затем просит людей о помощи, когда это необходимо.
Вместо того чтобы люди использовали ИИ для помощи, ИИ работает автономно и запрашивает человеческий ввод только при необходимости. Это требует переосмысления системного дизайна и создания надежной программной инфраструктуры, способной поддерживать эту новую парадигму.
Практическая реализация
В демонстрационном примере рассматривается обработка ключевых событий агентом:
- Submittal_Approved — пробуждение, выпуск заказа на покупку поставщику, создание рабочего процесса отслеживания, возврат в спящий режим
- Shipment_Departed_Factory — пробуждение, получение ETA, перекрестная проверка с основным строительным расписанием, флагирование потенциальных конфликтов
- Shipment_Arrived_Site — пробуждение, уведомление команды приемки, планирование необходимой проверки качества
- Inspection_Failed — пробуждение, эскалация к менеджеру проекта со всеми релевантными данными, приостановка рабочего процесса до получения человеческого ввода
Технологический стек: Agentex + Temporal
Для построения этих долгоиграющих самоуправляемых агентов объединены две мощные технологии: Agentex для уровня оркестрации ИИ и Temporal для устойчивого выполнения рабочих процессов.
Agentex — это открытый фреймворк для создания, развертывания и управления ИИ-агентами. Он спроектирован как долгосрочное решение, позволяющее строить агентов любого уровня автономности — от простых чат-ботов до полностью автономных систем.
Temporal обеспечивает базовый механизм устойчивого выполнения. Реальность такова, что большинство процессов в реальном мире охватывают длительные периоды времени. Благодаря Temporal можно создавать рабочие процессы, которые обрабатывают перезапуски, сбои и могут жить месяцы и даже годы.
Пример кода
Рабочий процесс агента закупок реализован как Temporal workflow:
@workflow.defn(name="procurement-agent") class ProcurementAgentWorkflow(BaseWorkflow): def __init__(self): super().__init__(display_name="procurement-agent") self.event_queue: asyncio.Queue = asyncio.Queue() # Внешние события self.human_queue: asyncio.Queue = asyncio.Queue() # Человеческий ввод
Этот рабочий процесс может выполняться месяцами или годами. Если воркер падает, Temporal перезапускает его с последней контрольной точки. При развертывании нового кода текущие рабочие процессы продолжаются со старой версией до их завершения.
Сочетание Agentex и Temporal открывает путь к действительно автономным системам, которые не просто реагируют на запросы, а берут на себя ответственность за процессы, непрерывно действуя, наблюдая и адаптируясь со временем. Это следующий логический шаг в эволюции корпоративной автоматизации.
По сообщению Scale, открытый код учебного пособия доступен на GitHub и позволяет разработчикам создавать собственных долгоиграющих агентов для различных бизнес-процессов.