Bygg tillit i lokala AI-agenter: Hur OATs skapar säkrare utveckling

Lokala AI-modeller blir allt starkare. Funktioner som tidigare krävde stora molntjänster finns nu i modeller som FunctionGemma och Qwen. Men när agenterna börjar köra kod, anropa verktyg och fatta beslut på egen hand uppstår en ny fråga: hur behåller du insyn och kontroll?

Farorna med okontrollerad automation

Tänk dig att du ber en lokal kodagent att städa upp i din kodbas. Du lämnar datorn för kvällen. Nästa morgon har agenten gjort hundratals förändringar – ändrat databasscheman, byggt om API:er och skrivit om frontend-koden. Problemet är att du inte har någon tydlig överblick över vad som faktiskt hände.

En utvecklare berättade om hur databastabeller plötsligt försvann i en testmiljö efter att en agent kört över natten. Det fanns ingen logg som visade varför eller hur. Det är just den här typen av incidenter som gör många team tveksamma till att låta agenterna arbeta helt självständigt.

OATs ger struktur och insyn

OATs – Open Agent Tools – är ett protokoll som ger agenterna tillgång till verktyg på ett kontrollerat sätt. Istället för att varje team bygger sina egna lösningar för agentkommunikation, erbjuder OATs en gemensam struktur som både ger funktion och ansvar.

Grundtanken är enkel: lägg alla tillåtna verktyg i en enda JSON-fil. Då vet du exakt vad agenten får göra och vad den inte får göra.

Smart fördelning av arbete

OATs använder inte en enda stor modell för allt. Istället delar man upp uppgifterna:

• En större modell analyserar din instruktion och väljer vilka verktyg som behövs
• Små, effektiva modeller – som FunctionGemma – tar sedan hand om den e