Ai2 opisuje architektúru Shippyho, agenta pre rozhodovanie v námornej doméne

Ai2 zverejnil technický pohľad na Shippyho, agenta pre námornú doménovú informovanosť postaveného nad platformou Skylight. Text je zaujímavý preto, že sa nehrá na všeobecnú ukážku chatbota, ale opisuje systém určený pre rozhodnutia s reálnymi nákladmi. Nesprávna odpoveď môže pri hľadaní podozrivej lode presmerovať hliadku na zlé miesto, premrhať palivo a čas alebo znížiť šancu zachytiť nelegálnu aktivitu.

Shippy preto nie je iba „model s prístupom k API“. Ai2 ho opisuje ako kombináciu troch vrstiev: duše, zručností a konfigurácie. Duša je systémový prompt, ktorý vymedzuje správanie a hranice agenta. Zručnosti sú konkrétne postupy pre typy úloh, napríklad dotazovanie udalostí a dát o plavidlách zo Skylight API, práca s hranicami výlučných ekonomických zón alebo generovanie odkazov do mapy. Konfigurácia určuje runtime, model a prevádzkové nastavenia bez potreby znovu zostaviť celý obraz.

Tento detail je pre prax dôležitejší než názov použitého modelu. Ai2 uvádza, že Shippy aktuálne využíva Claude Opus 4.6 a beží nad open-source agentickým rámcom OpenClaw, ale tieto voľby sú vnímané ako konfiguračné parametre. Samotná identita agenta sa drží vo verzovaných zručnostiach a systémových pravidlách. To umožňuje meniť model alebo harness bez toho, aby sa stratila auditovateľnosť toho, čo agent vlastne vie a smie robiť.

Zaujímavý je aj spôsob práce so zručnosťami. Ai2 používa formát podobný agent-skills špecifikácii známej z nástrojov pre programovanie. Zručnosť je textový súbor s metadátami a presným pracovným postupom. Pre Shippyho tak môže existovať samostatná zručnosť na interpretáciu pohybu plavidla, samostatná zručnosť na hranice chránených oblastí a samostatná zručnosť na zostavenie mapového odkazu, ktorý analytik otvorí a overí.

To rieši jeden z častých problémov agentov: odpoveď nemá zostať iba pekne formulovaným textom. Shippy má ukazovať zdroje, dátové obmedzenia, čas dotazu a hlboké odkazy späť do mapového rozhrania. Pri živých satelitných a signálnych dátach je to kľúčové, pretože používateľ potrebuje vedieť, či agent pracoval s aktuálnym stavom a odkiaľ čísla pochádzajú. Agent sa tak posúva od generátora odpovedí k rozhraniu nad operatívnymi dátami.

Ai2 zároveň zdôrazňuje izoláciu. Zručnosti a prompt sú zabalené do Docker obrazu, kým tajomstvá ako API kľúče sa vkladajú až za behu. To znižuje riziko úniku a zjednodušuje nasadzovanie viacerých verzií. V doméne, kde agent pristupuje k citlivým prevádzkovým údajom, je takáto separácia praktickou podmienkou, nie luxusom.

Ďalší poučný bod je hodnotenie. Ai2 nepíše iba o meraní základného modelu, ale o hodnotení celého agenta proti živým dátam. To zahŕňa, či vybral správny nástroj, či dodržal hranice svojej domény, či správne citoval zdroj a či výsledok dáva zmysel pri aktuálnych dátach. Pre podnikové a verejné nasadenia je to presne typ testovania, ktorý bude rozhodovať o dôvere viac než skóre modelu na všeobecnom benchmarku.

Shippy je špecializovaný príklad, no jeho architektúra má širší význam. Ukazuje, že bezpečný agent pre kritickú doménu potrebuje verzované znalostné postupy, jasne oddelené tajomstvá, sledovateľné výstupy, živú integráciu s dátami a hodnotenie na úrovni workflow. Samotný LLM je len jedna časť systému.

Pre vývojárov agentov je hlavná lekcia jednoduchá: ak má agent robiť rozhodnutia nad dôležitými dátami, nestačí mu pridať niekoľko nástrojov a dúfať, že model „pochopí kontext“. Doménové pravidlá musia byť explicitné, opakovateľné a auditovateľné. Shippy preto pôsobí ako praktický prototyp smeru, ktorým sa môžu uberať agenti pre logistiku, energetiku, verejnú správu alebo bezpečnosť: menšie, doménovo uzavreté systémy s dôrazom na overiteľnosť namiesto všeobecných asistentov bez jasných hraníc.

Pre verejný sektor a neziskové organizácie je na tomto príklade podstatné, že agent nie je nasadený do otvoreného sveta bez kontroly. Je viazaný na konkrétnu mapovú aplikáciu, konkrétne zdroje dát a konkrétne typy otázok. Takéto obmedzenie znižuje riziko halucinácií a zároveň umožňuje lepšie merať, či systém pomáha analytikovi. Shippy preto nie je dôkazom, že agenti sú univerzálne pripravení na kritické úlohy, ale skôr ukážkou, že môžu byť užitoční, ak sa navrhnú ako úzke, overiteľné vrstvy nad existujúcimi odbornými systémami.