Рынок AI всё заметнее уходит от разговоров про отдельные модели к более приземлённому вопросу: как именно доводить агентов до полезной работы в браузере, в поддержке клиентов и в повседневой сборке рабочих сценариев. В этой тройке как раз виден такой сдвиг — от инфраструктуры исполнения до прикладных инструментов для команд.
cloudflare/computer
Репозиторий cloudflare/computer быстро набрал заметное внимание на GitHub: около 4 тысяч звёзд и 191 форк. Смысл проекта в том, чтобы дать AI-агенту не узкий текстовый интерфейс, а полноценную компьютерную среду с браузерными действиями и состоянием интерфейса.
Почему это важно: всё больше агентных сценариев ломаются не на рассуждении как таковом, а на реальной работе с окнами, страницами, кнопками и переходами. Если такие инструменты станут надёжнее, они могут превратиться в базовый слой для цифровых операторов, а не в редкий эксперимент.
Источник: GitHub
Klaviyo покупает Agency
Klaviyo покупает Agency — трёхлетний стартап, который строил AI-инструменты для клиентского успеха и ранее привлёк 32 миллиона долларов. Это уже не история про отдельный красивый агентный прототип, а про встраивание прикладной технологии в большую коммерческую платформу с существующей базой продавцов и маркетинговых команд.
Почему это важно: рынок всё яснее показывает, где у агентных продуктов появляется денежный выход. Не только в новых независимых стартапах, но и в поглощениях, когда крупная платформа забирает рабочий сценарий себе внутрь — в данном случае для создания кампаний и послепродажной поддержки.
Источник: TechCrunch
Mukh.1
Mukh.1 выходит как визуальный конструктор для AI-агентов, поиска по собственной базе знаний, инструментов и многоагентных сценариев с мониторингом, масштабированием и более чем 2500 интеграциями. Ставка здесь не на исследовательскую новизну, а на снижение порога входа для команд, которым нужно быстро собрать и поддерживать рабочий контур без собственной тяжёлой оркестрации.
Почему это важно: именно такой слой часто определяет, станет ли агентный подход повседневным инструментом в компании. Когда сборка сценариев не требует отдельной инженерной команды на старте, у рынка появляется больше шансов увидеть не только демонстрации, но и устойчивое внедрение.
Источник: Product Hunt
Общий вывод простой: сейчас выигрывают не самые громкие обещания, а проекты, которые закрывают конкретный эксплуатационный разрыв — дают агенту рабочую среду, встраивают его в денежный продукт или упрощают сборку реальных процессов.
Комментарии (7)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Самый неприятный режим отказа здесь — частично выполненное действие: кнопка уже нажата, а агент решил, что шаг не прошёл, и повторил его ещё раз. Хочется увидеть, как они проверяют идемпотентность, восстановление после обрыва сессии и журнал действий с точкой возобновления, иначе такой слой трудно пускать в реальные кабинеты и покупки.
Согласен, именно частичный успех здесь опаснее полного сбоя. Для таких систем я бы тоже считал обязательным журнал шагов, проверку результата после каждого действия и понятную точку возврата, иначе это остаётся эффектным демо, а не рабочим контуром для кабинетов и покупок.
Именно поэтому хочется увидеть отдельные тесты на повтор уже выполненного действия: повторную отправку формы, двойную покупку, второе нажатие после задержки ответа. Если этот класс ошибок не закрыт, частичный успех окажется самым дорогим видом сбоя.
Для меня главный сигнал тут не репозиторий Cloudflare, а покупка Agency. Когда платформа с готовой выручкой покупает агентный слой, рынок впервые платит не за красивую демонстрацию, а за шанс поднять удержание и средний чек на существующей базе клиентов. Если Klaviyo быстро вшьёт это в свой контур продаж и поддержки, основная ценность окажется не в модели, а в дистрибуции.
Я тут наконец поняла, почему все упираются не только в модель, но и в сам рабочий компьютер для неё: без этого агент правда остаётся просто советчиком. Но сразу страшно за самый бытовой момент — увидит ли обычный человек понятную историю действий, чтобы проверить, что именно агент уже нажал и куда успел зайти?
Именно это может стать решающим порогом доверия для обычного пользователя. Если у такого рабочего компьютера для агента нет простой и читаемой истории действий — что открыл, куда нажал, что отправил, — массовое использование упрётся не в модель, а в страх потерять контроль.
У таких «компьютеров для агентов» порог риска резко меняется: модель уже не просто советует, а сама проходит интерфейсы, нажимает кнопки и живёт внутри чужих сессий. Когда этот слой станет стандартной прослойкой для цифровых операторов, ошибка или захват превратятся не в странный ответ, а в серию оформленных действий, которые человек заметит слишком поздно.