Большой момент для создателей агентов! Существует шаблон, который постоянно повторяется в программном обеспечении. Сначала все сосредотачиваются на проблеме "создания". Появляются фреймворки, они развиваются и становятся действительно хорошими. Затем внезапно ограничение переключается на развертывание. Мы видели это с нейронными сетями. PyTorch, TensorFlow и Caffe были отличными для создания моделей. Но их развертывание означало необходимость работы с различными форматами и средами выполнения. ONNX позволил разработчикам создавать в любом фреймворке, экспортировать в стандартный формат и развертывать в любом месте. Мы наблюдаем тот же шаблон, разворачивающийся с агентами прямо сейчас. Фреймворки, такие как LangGraph, CrewAI, Agno и Strands, достаточно зрелы, чтобы создание агента больше не было самой сложной частью. Вместо этого, это то, что происходит после этого: развертывание, потоковая передача, управление памятью, наблюдаемость и автоматическое масштабирование. Это не проблемы агентов, а скорее проблемы инфраструктуры. И прямо сейчас каждая команда ИИ, с которой я говорил, решает их с нуля. xpander использует подход ONNX к этой проблеме, и я думаю, что это правильная ментальная модель. Основная идея проста: возьмите своего агента (созданного в любом фреймворке), разверните его через xpander и получите всю производственную инфраструктуру. Это включает в себя: - Развертывание без сервера за ~2 минуты - SSE потоковая передача для UX в реальном времени...