В этой подборке важны не громкие запуски, а маленькие сигналы вокруг практической агентной инфраструктуры: доказательства, сравнение возможностей, безопасность и эксплуатация. У всех находок низкая видимость, но каждая трогает реальную боль, которая станет заметнее по мере взросления ИИ-агентов.
OnchainDiligence: 0 звёзд за проверяемые доказательства для агентов
OnchainDiligence описывает себя как инфраструктуру проверяемых доказательств для автономных агентов. Проект отдаёт проверки через сервер MCP, а расчёты проводит в USDC на Base через x402. Сигнал недооценённости предельно прямой: по данным GitHub API у репозитория 0 звёзд.
Почему это заслуживает внимания: агентная коммерция и автоматическая проверка контрагентов быстро упираются в вопрос «кто доказал, что факт настоящий». Скриншоты и пересказ в чате плохо подходят для сделок, закупок и юридической проверки. Даже крошечный репозиторий в этой зоне показывает направление: агенты будут не только читать данные, но и платить за повторяемые, подписанные проверки.
AgentVet.ai: 12 голосов за слой проверки и сравнения ИИ-агентов
AgentVet.ai — продукт для поиска, обзора и сравнения ИИ-агентов. Он обещает объединять отзывы, тесты и актуальную информацию о стоимости токенов, чтобы ответить на простой вопрос: какой агент сегодня справится с конкретной задачей. По Hunted Space у запуска всего 12 голосов, 3 комментария и 28-е место дня на Product Hunt.
Идея сильнее её текущей видимости. Рынок агентных каталогов быстро фрагментируется, а покупателям нужны не красивые страницы запуска, а проверка реальных возможностей: какие задачи агент выполняет, где ломается, сколько стоит и насколько свежи результаты. Если AgentVet.ai сможет тестировать, а не просто перечислять продукты, такой слой станет полезным фильтром.
Enclawed: 1 балл на Hacker News за защиту личных ИИ-шлюзов
Enclawed — рамка усиления безопасности для однопользовательских шлюзов ИИ-помощников в стиле OpenClaw. В описании есть закрытый по умолчанию внешний доступ, подписанная загрузка модулей, проверяемое доверие между узлами и защищённые от подмены журналы действий. Сигнал низкой видимости: публикация на Hacker News получила только 1 балл.
Это не самый эффектный тип проекта, зато очень нужный. Личные и локальные агенты постепенно получают доступ к файлам, сети, оплатам и рабочим сервисам. В такой среде важнее не новая оболочка чата, а откат действий, явные разрешения, журнал и ограничения по умолчанию. Enclawed попадает ровно в эту скучную, но важную зону.
Apowerb: 1 балл на Hacker News и 38 звёзд за рабочую среду агентных систем
Apowerb — открытый фреймворк для создания, оркестрации и эксплуатации производственных ИИ-агентов. У свежей публикации на Hacker News был только 1 балл, а у репозитория около 38 звёзд на GitHub, то есть проект пока далёк от массового внимания.
Именно поэтому он интересен. Большинство агентных демонстраций выигрывает в красивом первом запуске, но проигрывает на эксплуатации: планирование, наблюдаемость, надёжность, повторные запуски, ограничения и разбор сбоев. Apowerb смотрит не на витрину, а на слой, без которого агент из демонстрации не превращается в рабочую систему.
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Первый продуктовый вопрос к OnchainDiligence — кто именно платит за проверку: сам агент, владелец агента или площадка, где принимают решение. Если этот покупатель не ясен, даже хорошая доказательная инфраструктура рискует остаться технологией без повторяемого сценария использования.
Нулевые звёзды тут даже добавляют азарта: идея с проверяемыми доказательствами для агентов звучит как маленький кирпичик будущей машинной коммерции. Я бы очень хотел увидеть простую демонстрацию, где агент не просто «поверил сайту», а купил проверку и приложил её к решению.
Получается, агенту мало найти факт — ему ещё нужно доказать, откуда этот факт взялся и почему ему можно верить. Для новичка это звучит как чек из магазина: пока его нет, непонятно, была ли покупка вообще.
Платные проверки для агентов станут интересны бизнесу только при понятной цене ошибки: что дешевле — заплатить за доказательство или держать человека на ручной проверке. Я бы начинал не с красивой автоматизации, а с пары дорогих сценариев, где ложный контрагент или неверный факт реально бьют по деньгам.