Przejdź do treści

Kiedy sięgnąć po coś innego

Ta strona jest napisana tak, żeby przydała się wtedy, gdy odpowiedzią nie jest AgenticOS. Porównanie, które zawsze kończy się tak samo, nie jest porównaniem, a kategorie poniżej pokrywają się na tyle, że zły wybór kosztuje miesiące.

Krótka wersja: biblioteka jest właściwa dla jednego agenta wewnątrz produktu, hostowana platforma jest właściwa, gdy nie chcesz zajmować się maszyną, agentowy workspace jest właściwy, gdy użytkownikiem jest Twój własny pracownik, a AgenticOS jest właściwy, gdy agenci mają być edytowalni przez osobę niebędącą inżynierem, nadzorowani przez kogoś, kto za nich odpowiada, i uruchamiani na sprzęcie, który kontrolujesz — wszystko trzy naraz.

Kategorie

Co to jest Kiedy użyć tego zamiast
Pydantic AI Biblioteka agentowa, na której działa AgenticOS Budujesz jednego agenta, w Pythonie, jako część produktu
LangGraph, LangChain, LlamaIndex, elizaOS Biblioteki i frameworki do komponowania wywołań modelu To samo — chcesz kodu, nie platformy, i nie przeszkadza Ci, że deployment jest Twój
Cloudflare OS Otwartoźródłowy agentowy workspace na Cloudflare Workers Twoimi użytkownikami są Twoi własni pracownicy, jesteś już na Cloudflare i bardziej zależy Ci na aplikacjach per osoba niż na nadzorowanym katalogu agentów
Glean Hostowana wyszukiwarka korporacyjna z agentami na wierzchu Chcesz 275+ konektorów świadomych ACL zaindeksowanych za Ciebie, a dane mogą leżeć w chmurze dostawcy
Dify, Flowise Wizualne kreatory agentów, możliwe do samodzielnego hostowania Chcesz kreatora i płótna do workflow, a model nadzoru liczy się dla Ciebie mniej niż to, jak szybko ktoś złoży przepływ
Hostowane korporacyjne platformy agentowe Zamknięte platformy sprzedawane razem z zespołem wdrożeniowym Chcesz, żeby za wynik odpowiadał ktoś inny, a koszt licencji nie jest ograniczeniem
OpenAI Assistants, Bedrock Agents Hostowane środowiska uruchomieniowe agentów Nie przeszkadza Ci jeden dostawca i nie potrzebujesz danych na własnym sprzęcie

Open source to nie to samo co możliwość samodzielnego hostowania

To dwie różne obietnice, a różnica między nimi decyduje o wdrożeniach.

Open source znaczy, że możesz przeczytać kod i zrobić forka. Self-hostable znaczy, że możesz uruchomić całość na infrastrukturze, którą już masz, bez zależności od platformy dostawcy.

AgenticOS potrzebuje PostgreSQL z pgvector, Redisa i Dockera. Niczego więcej, żadnego konta nigdzie, a jedyne żądania wychodzące to te, które robią Twoi agenci. To cała powierzchnia wdrożenia i dlatego może on działać wewnątrz sieci szpitalnej albo w środowisku odciętym od internetu.

Cloudflare OS jest na licencji Apache-2.0 i jest naprawdę otwarty, a zbudowano go na Durable Objects, Dynamic Workers i Cap'n Web. Uruchomienie go poza Cloudflare oznacza samodzielne uruchomienie workerd, a README samego projektu wymienia dokumentację tego jako jeszcze nienapisaną. Jeśli ograniczeniem wdrożeniowym jest „to nie może zależeć od konkretnej chmury”, to właśnie tę rzecz trzeba sprawdzić najpierw.

Żadne z tych stanowisk nie jest błędne

Budowanie na prymitywach jednej platformy to sposób, w jaki Cloudflare OS dostaje sandboxowanie per dokument i dostęp ograniczony capability, które są naprawdę trudne do odtworzenia na zwykłej infrastrukturze. To wymiana i to, którą jej stronę chcesz, zależy od tego, gdzie oprogramowanie musi działać.

Cloudflare OS

Najbliższa temu projektowi rzecz z nazwy, a co do kształtu — inny produkt.

Cloudflare OS jest workspace'em. Każda osoba dostaje agenta, środowisko do pisania i uruchamiania kodu oraz osobiste aplikacje, które może zbudować i udostępnić. Model bezpieczeństwa jest znakomity: agenci startują bez dostępu do czegokolwiek, poświadczenia nigdy nie docierają do agenta, a każdy zasób, który agent czyta, jest zapisywany i sprawdzany wobec tego, kto później otworzy wynik.

AgenticOS jest katalogiem. Publikujesz agentów, a oni odpowiadają ludziom, którzy często nie są pracownikami — klientowi w widgecie, użytkownikowi na Slacku, systemowi za kluczem API. Jednostką jest opublikowany, wersjonowany agent z budżetem i odbiorcami, a nie workspace jednej osoby.

Wybierz Cloudflare OS, jeśli użytkownikiem agenta jest Twój własny personel i jesteś na Cloudflare. Wybierz AgenticOS, jeśli agent ma być zwrócony na zewnątrz, nadzorowany per agent i działać tam, gdzie każesz.

Glean

Glean to przede wszystkim wyszukiwarka korporacyjna, z agentami zbudowanymi na indeksie. Jego siłą jest to, czego AgenticOS nie próbuje: konektory do 275+ systemów, które wnoszą do indeksu własne reguły dostępu każdego dokumentu, więc odpowiedź nigdy nie może zacytować czegoś, czego pytający nie mógłby otworzyć.

Wynikają z tego dwie rzeczy. Jeśli Twoim problemem jest „nasza wiedza jest w czterdziestu systemach, a wyszukiwanie nie działa”, to jest to, do czego służy Glean, i AgenticOS mu nie dorówna — nasze wyszukiwanie działa per kolekcja i nie dziedziczy jeszcze ACL ze źródła.

Jeśli Twoim problemem jest „potrzebujemy nadzorowanych agentów, a dane nie mogą wyjść”, porównanie wychodzi w drugą stronę: Glean jest hostowany, wyceniany za stanowisko z minimum korporacyjnym i nie jest czymś, co uruchamiasz sam.

Biblioteka i dobudowanie reszty samemu

LangGraph, LangChain, LlamaIndex, Pydantic AI. Najczęstsza prawidłowa odpowiedź i ta, z którą ten projekt konkuruje najmniej: AgenticOS działa na Pydantic AI, więc biblioteka jest warstwą pod spodem, a nie alternatywą dla niego.

Biblioteka plus kolejka plus baza danych szybko dają działającego agenta, a przy jednym czy dwóch agentach to mniej pracy niż nauka platformy.

Sięgnij po bibliotekę bezpośrednio, gdy:

  • Agent jest produktem. Jego zachowanie to funkcja, którą wydajesz, wersjonowana razem z Twoim kodem, przeglądana w Twoich pull requestach. UI, które pozwala komuś innemu je zmienić, nie jest tu zaletą — jest sposobem, w jaki Twój produkt zmienia się bez wydania.
  • Potrzebujesz pętli. Własnego przepływu sterowania, grafu z cyklami, polityki ponowień, której nie wyraża niczyja abstrakcja. Platforma daje Ci dobrze zdefiniowany runner; a to jest dokładnie to, czego starasz się nie mieć.
  • W tej historii nie ma nikogo spoza inżynierii. Jeśli każdą zmianę i tak od początku miał pisać inżynier, ta warstwa pośrednia nie kupuje Ci niczego.
  • Jest jeden agent. Albo dwóch. Ekonomia poniżej odwraca się dopiero przy kilku.

To, co bierzesz na siebie w zamian, to siedem zadań, po jednym naraz i zwykle w tej kolejności, każde dopiero po tym, jak raz już zabolało:

Skończysz, pisząc Ponieważ
Budżet, który zatrzymuje run Liczenie wydatku po fakcie nie jest budżetem, a pierwsza zaskakująca faktura tego uczy
Approval rozstrzygany raz Druga decyzja na rozstrzygniętym approvalu to wyścig i nie jest to teoretyczne
Izolację tenantów Gdy pierwszy raz zapomni się o WHERE organization_id, jest to incydent danych, a nie błąd
Magazyn sekretów per tenant Jeden klucz na całe wdrożenie znaczy, że jeden wyciek jest wyciekiem każdego klienta
Jedną ścieżkę wykonania dla wszystkich powierzchni Inaczej Slack i Twoje API nie zgadzają się co do tego, ile kosztował agent
Ślad audytowy, który zapisuje porażki Rejestr logujący tylko sukcesy odpowiada podczas incydentu na złe pytanie

Nic z tego nie jest trudne. Wszystko to jest pracą, której nie wykonujesz nad swoim produktem, i jest całością tego, czym jest ta platforma.

Granica leży gdzieś koło piątego agenta

Albo wcześniej, przy pierwszej osobie, która potrzebuje zmienić to, co agent mówi, i nie ma dostępu do commitowania. Przed tym momentem biblioteka i kolejka to mniej pracy i to ich powinieneś użyć.

A jeśli i tak zamierzasz zbudować te sześć wierszy, to siedem zadań jest rozsądną specyfikacją, względem której można budować — niezależnie od tego, czy użyjesz akurat tej.

Podsumowanie

  • Użyj biblioteki do jednego agenta wewnątrz produktu; użyj tego do katalogu agentów — granica leży koło piątego agenta albo przy pierwszym budującym spoza inżynierii.
  • Open source i możliwość samodzielnego hostowania to różne obietnice — sprawdź, której naprawdę potrzebujesz.
  • Cloudflare OS to workspace dla pracowników; to jest katalog agentów zwróconych na zewnątrz.
  • Glean wygrywa konektorami i wyszukiwaniem świadomym ACL; to wygrywa wtedy, gdy dane nie mogą opuścić Twojej infrastruktury.
  • Zbudowanie tego samemu jest słuszne mniej więcej do piątego agenta, a siedem zadań jest specyfikacją tak czy inaczej.