Słownik
Słownik AI agentowej
Pojęcia związane z AI agentową nie zawsze mają ustaloną definicję. Ten słownik wyjaśnia je jedno po drugim, opierając się na źródłach uznawanych za wiarygodne.
Ten słownik zbiera pojęcia, które najczęściej pojawiają się przy okazji rozmów o agentach AI: autonomiczny agent, orkiestracja wieloagentowa, MCP, RAG, tool calling, BYOK, human-in-the-loop, obserwowalność oraz bariery ochronne i governance. Część z nich pochodzi z badań akademickich, inne z dokumentacji technicznej największych dostawców modeli, jeszcze inne z niedawnych ram regulacyjnych. Słownictwo w tej dziedzinie zmienia się szybko, a te same słowa bywają używane w dość różnych znaczeniach u różnych dostawców.
Każda strona wychodzi z tego samego założenia: najpierw sprawdzić, co mówią źródła uznawane za referencyjne w danym temacie (oficjalna dokumentacja, przełomowy artykuł badawczy, tekst regulacyjny), zaznaczyć, gdy dwa poważne źródła nie do końca się ze sobą zgadzają, a następnie wyjaśnić pojęcie w prosty sposób, na konkretnym przykładzie zamiast abstrakcyjnej definicji. Tam, gdzie to zasadne, przykład opiera się na rzeczywistym działaniu autonomicznego agenta AI w Atako, bez wymyślania niczego, co nie jest udokumentowane.
Celem nie jest zastąpienie definicji słownikowej, lecz dostarczenie wiedzy wystarczającej, by szybko zrozumieć pojęcie i kontynuować lekturę gdzie indziej, niezależnie od tego, czy chodzi o artykuł techniczny, dokumentację produktową czy rozmowę z zespołem. Każda strona odsyła też do pokrewnych pojęć, aby móc przechodzić od jednej koncepcji do drugiej bez utraty wątku.
Wszystkie terminy
Agent AI: definicja, działanie i przykłady
Agent AI to program, który postrzega swoje otoczenie, podejmuje decyzję o działaniu i wykonuje je, samodzielnie lub za pomocą zewnętrznych narzędzi, aby osiągnąć cel. Odróżnia go od klasycznego chatbota zdolność do łączenia wielu kroków i działania, przy czym poziom autonomii zależy od platformy.
AI agentowa: definicja, działanie i przykłady
AI agentowa to paradygmat systemów AI, które postrzegają swoje otoczenie, planują sekwencję działań i wykonują je za pomocą narzędzi, dążąc do celu obejmującego wiele etapów, zamiast jedynie jednorazowo odpowiadać na pojedyncze zapytanie, z ograniczonym, lecz regulowanym nadzorem człowieka.
AI generatywna vs AI agentowa: jaka jest różnica?
AI generatywna tworzy treść (tekst, obraz, kod) w odpowiedzi na doraźne zapytanie. AI agentowa planuje sekwencję działań i wykonuje je za pomocą narzędzi, aby osiągnąć cel obejmujący wiele etapów. Ta druga zazwyczaj wykorzystuje pierwszą jako wewnętrzny silnik rozumowania.
Autonomiczny agent AI: definicja i różnica względem workflow
Autonomiczny agent AI realizuje długoterminowy cel, sam wybiera sekwencję działań potrzebną do jego osiągnięcia i działa nieprzerwanie we własnym środowisku, zamiast być uruchamiany do pojedynczego zapytania. Angażuje człowieka jedynie do konkretnej decyzji, w odróżnieniu od workflow uruchamianego doraźnie przez zdarzenie.
Bariery ochronne i governance agentów AI: definicja i mechanizmy
Bariery ochronne i governance oznaczają zbiór zasad, uprawnień i kontroli określających, co agent AI ma prawo robić, przed, w trakcie i po wykonaniu działania. Obejmuje to uprawnienia dla każdego działania, zatwierdzenie przez człowieka przy wrażliwych decyzjach, audyt tego, co się wydarzyło, oraz zdolność do natychmiastowego odcięcia dostępu.
BYOK: uruchamianie agenta AI z własnym kluczem API
BYOK (Bring Your Own Key) to opcja pozwalająca uruchomić agenta lub narzędzie AI z osobistym kluczem API dostawcy modelu (OpenAI, Anthropic, Mistral AI), zamiast dostępu wliczonego w abonament. Rozliczenie modelu przechodzi wtedy bezpośrednio przez konto dostawcy, poza pakietem platformy.
Human-in-the-loop: człowiek w pętli agenta AI
Human-in-the-loop (człowiek w pętli) to zasada projektowa, w której osoba zachowuje prawo do zatwierdzenia, poprawienia lub zablokowania decyzji bądź działania wygenerowanego przez AI, w precyzyjnym punkcie procesu, zanim wywoła ono rzeczywisty skutek. To mechanizm kontrolny, nie ciągły nadzór nad każdym etapem.
MCP (Model Context Protocol): definicja, działanie i przykłady
MCP (Model Context Protocol) to otwarty protokół, stworzony przez Anthropic pod koniec 2024 roku, który standaryzuje sposób, w jaki model lub agent AI łączy się ze źródłami danych i narzędziami zewnętrznymi. Zastępuje integracje szyte na miarę, jedna na narzędzie, wspólnym językiem między aplikacjami AI a systemami zewnętrznymi.
Obserwowalność agentów AI: widzieć, co robi agent w czasie rzeczywistym
Obserwowalność agentów to zdolność do szczegółowego śledzenia aktywności agenta AI: jego wywołań narzędzi, decyzji, błędów, wraz z ich pochodzeniem i wynikiem, zwykle za pomocą dzienników, chronologii zdarzeń lub śladów. Pozwala zrozumieć, dlaczego agent zadziałał w dany sposób, i wykryć problem, zanim się pogłębi.
Orkiestracja agentów: definicja, działanie i przypadki użycia
Orkiestracja agentów oznacza koordynację kilku agentów lub subagentów AI w ramach jednego systemu: podział zadań, kolejność etapów, nadzór nad wykonaniem i zbieranie wyników. Orkiestrator, scentralizowany lub rozproszony, decyduje, który agent działa, kiedy i jak łączone są wyniki.
RAG (Retrieval-Augmented Generation): definicja i działanie
RAG (Retrieval-Augmented Generation) to metoda łącząca wyszukiwarkę dokumentów z modelem językowym: przed udzieleniem odpowiedzi model wyszukuje istotne fragmenty w zewnętrznej bazie, a następnie generuje odpowiedź na ich podstawie. Ogranicza to zmyślanie i pozwala korzystać z aktualnych lub wewnętrznych dla firmy informacji.
System wieloagentowy: definicja, działanie i przykłady
System wieloagentowy łączy kilku autonomicznych agentów AI, którzy pracują razem nad jednym złożonym zadaniem. Każdy agent ma wyspecjalizowaną rolę, wymienia informacje z pozostałymi i podejmuje własne decyzje. Taki podział pracy pozwala obsłużyć workflow, których pojedynczy agent nie mógłby sprawnie ogarnąć sam.
Tool calling: jak agent AI wywołuje narzędzia zewnętrzne
Tool calling (wywoływanie narzędzi, nazywane też function calling) to zdolność modelu językowego do rozpoznania, że zapytanie wymaga działania zewnętrznego, jak odczyt bazy danych czy wysłanie wiadomości, i wygenerowania ustrukturyzowanego żądania wywołania z jego argumentami. Aplikacja następnie wykonuje to wywołanie i zwraca wynik modelowi.
Najczęstsze pytania
Czym jest agent AI, w jednym zdaniu?
Agent AI to system, który działa nieprzerwanie, podejmuje decyzje i może działać na rzeczywistych narzędziach, aby osiągnąć cel, zamiast jedynie odpowiadać na pytanie w ramach jednorazowej rozmowy. Strona filarowa serwisu szczegółowo opisuje tę definicję oraz to, co odróżnia autonomicznego agenta od zwykłego asystenta konwersacyjnego.
Jaka jest różnica między agentem AI a klasyczną AI generatywną?
Klasyczna AI generatywna odpowiada na jednorazowe zapytanie bez pamięci i bez zdolności do działania poza wygenerowanym tekstem. Agent AI zachowuje pamięć między wymianami wiadomości, może wywoływać zewnętrzne narzędzia i kontynuuje pracę po pierwszej odpowiedzi, aż do osiągnięcia celu lub interwencji człowieka.
Czy ten słownik jest regularnie aktualizowany?
Tak, każde hasło zawiera datę ostatniej aktualizacji i opiera się na źródłach referencyjnych cytowanych na dole strony, takich jak oficjalna dokumentacja dostawców modeli czy uznane ramy governance AI. Słownictwo w tej dziedzinie zmienia się szybko, dlatego definicje są odpowiednio weryfikowane.
Co przeczytać dalej
CTO w Atako
Ta treść została napisana przez agentów AI firmy Atako, a następnie sprawdzona, poprawiona i zatwierdzona przez Romaina Laodicinę, CTO Atako.