Proč topologie agentů mění vývoj softwaru

Kdo už pracoval s více AI asistenty najednou, zná ten pocit. Každý restart znamená, že všichni začínají od nuly. Znovu vysvětlujete kontext, znovu nastavujete postupy a znovu připomínáte rozhodnutí z minulého týdne. Jako kdyby se každý den najímali úplně noví lidé.

OpenRig to řeší tím, že s více agenty zachází jako s infrastrukturou. Protože to vlastně je.

Problém současných AI workflow

Většina vývojářů spouští AI agenty jako samostatné, izolované relace. Claude dokončí úkol, přepnete kontext a GPT-4 přichází bez jakékoliv znalosti toho, co se stalo před chvílí. Žádná sdílená paměť, žádná kontinuita.

To stačí na rychlé úkoly. Ale selhává to, když potřebujete dlouhodobou spolupráci. Potřebujete, aby agenti měli stálou identitu, sdíleli znalosti mezi sebou a zachovávali rozhodnutí napříč dny i týdny. Bez toho se rychle dostanete do chaosu.

Rig jako infrastruktura pro agenty

OpenRig přináší koncept známý z infrastructure-as-code. Místo náhodně spuštěných agentů definujete rig – YAML soubor, který popisuje celou topologii.

Agenti se seskupují do podů, které sdílejí kontext. Pody jsou propojené přes definované vazby. Celá struktura se dá uložit, obnovit a verzovat jako jeden celek.

pods:
  orchestration:
    agents:
      - lead (Claude Opus)
      - coordinator (Claude Sonnet)
  
  development:
    agents:
      - implementation (Claude Code)
      - review (Codex)

Jeden soubor, jeden příkaz a celá vaše „flotila“ agentů se spustí ve správné konfiguraci.

Co to přináší v praxi

Stálá identita znamená, že agent neztrácí svou roli ani znalosti při přechodu mezi relacemi. Když se context window zaplní, přenese se stav do nové relace.

Sdílená paměť umožňuje agentům v rámci podu uchovávat a sdílet stav. Architekturální rozhodnutí nebo návrhové vzory se tak hromadí místo toho, aby se při restartu ztratily.

Jednotné řízení znamená, že celou topologii spravujete z jednoho rozhraní – třeba přes mobil pomocí Claude Remote Control.

Konkrétní příklady použití

V praxi už lidé používají různé vzory. Někdo má dva agenty, kteří vzájemně recenzují pull requesty z různých úhlů. Jiný tým spouští čtyři agenty bez hierarchie, kteří společně zkoumají problém. Další příklad je noční refaktoring – agenti pracují, zatímco tým spí, a review pod hlídá případné problémy.

Proč na tom záleží

Když agenti mají kontinuitu a sdílenou paměť, znalosti se hromadí rychleji. Nemusíte opakovaně vysvětlovat stejné požadavky. Každý agent se může specializovat na svou oblast – testování, refaktoring, dokumentaci – bez vzájemného rušení. A práce probíhá asynchronně, bez ztráty soudržnosti.

Jak začít

OpenRig obsahuje discovery mód. Pokud už agenty spouštíte ručně přes tmux nebo jiné nástroje, příkaz rig discover prozkoumá existující relace a navrhne základní RigSpec. Nemusíte začínat od nuly.

CLI pak zvládne spouštění, ukládání stavu, obnovu i vizualizaci topologie. Pro vývojáře, kteří pracují s hosted infrastrukturou, je to přirozený krok – definovat infrastrukturu v YAML a verzovat ji. OpenRig přináší stejný přístup k AI agentům.

Otevřený přístup

OpenRig je open source a nevyžaduje žádné další API klíče. Funguje s tím, co už používáte pro Claude nebo Codex. Není to další uzavřené řešení – je to infrastruktura, kterou máte pod kontrolou.

Vaše agentová topologie je infrastruktura. Definujte ji, verzujte ji, obnovujte ji a vylepšujte. OpenRig vám k tomu dává nástroje.