Google Cloud pristatė trijų sluoksnių agentų architektūrą didelio skaičiavimo ir valdomiems biotechnologijų procesams
Trumpai: Google Cloud paskelbė referencinę architektūrą, skirtą AI agentams, koordinuojantiems ilgai trunkančias, GPU reikalaujančias mokslines užduotis, tokias kaip baltymų lankstymas ir junginių atranka, kurios sugriauna įprastą vieno LLM agento modelį dėl laiko limitų ir konteksto perpildymo. Architektūra atskiria kognityvinį orkestratorių (Gemini su Agent Runtime) nuo GPU vykdymo sluoksnio (NVIDIA NIM, pvz., ESMFold ir GenMol, veikiantys GKE) ir viską apgaubia įmonės valdymo lygmeniu su agento identitetu, vartais, registru ir Model Armor apsauga. Taip pat pateikiamos geriausios praktikos: didelius duomenis perduoti nuorodomis, o ne tiesiogiai, transliuoti tarpinius pažangos atnaujinimus ir negrįžtamus veiksmus leisti tik gavus žmogaus patvirtinimą.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Google Cloud AI“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1Trijų sluoksnių modelis: kognityvinis orkestratorius (smegenys), GPU vykdymo sluoksnis (raumenys), valdymo lygmuo
- 2Vykdymo sluoksnis GKE platformoje naudoja ESMFold ir GenMol kaip NVIDIA NIM su RTX PRO 6000 Blackwell GPU
- 3Naudojami „šilti“ pool'ai ir iš anksto į VRAM įkelti svoriai, kad būtų išvengta šalto paleidimo vėlavimo
- 4Didelės struktūrinės informacijos (PDB failai, dokavimo pozos) saugomos Cloud Storage ir perduodamos nuoroda, o ne tiesiogiai kontekste
- 5Chemijos sritį valdo specializuoti Nemotron modeliai, darbo eigos planavimą – Gemini
- 6Valdymas užtikrinamas per Agent Identity, Agent Gateway, Agent Registry ir Model Armor (apsauga nuo prompt injection ir duomenų nutekėjimo)
- 7Asimetrinė autonomija: grįžtami žingsniai automatizuojami, negrįžtami (pvz., sintezė laboratorijoje) reikalauja žmogaus patvirtinimo
Kodėl tai svarbu?
Straipsnis – tai atvejo analizė, kaip plėsti agentines sistemas nuo paprastų API iškvietimų dispečerių iki ilgai trunkančių, daug skaičiavimo reikalaujančių, įrankius plačiai naudojančių darbo eigų su griežtu valdymu – modelis, taikytinas bet kuriai įmonei, derinančiai LLM orkestravimą su išoriniais įrankiais, MCP serveriais ir jautriais duomenimis.
Ką tai reiškia AI agentams ir kontaktų centrams?
Nors architektūra skirta biotechnologijoms, pagrindinės idėjos – orkestratorių palaikyti lengvą perduodant didelius duomenis nuoroda, naudoti MCP serverių registrą kontroliuoti, kokius įrankius agentai gali iškviesti, transliuoti tarpinę pažangą ilgų operacijų metu ir reikalauti žmogaus patvirtinimo negrįžtamiems veiksmams – tiesiogiai pritaikomos balso agentams, kurie inicijuoja CRM atnaujinimus, perjungimus ar kitus reikšmingus veiksmus skambučio metu.
🧪 Verta testuoti
Agent Runtime tipo valdymo (identitetas, vartai, registras, apsauga nuo prompt injection) ir asimetrinio patvirtinimo modelio įvertinimas galėtų sustiprinti, kaip balso agentai saugiai vykdo įrankių iškvietimus ir CRM veiksmus gamyboje.
Šaltiniai
- Google Cloud AIOficialusPirminis šaltinisOriginalus straipsnis →„Architecting autonomy: A design pattern for high-compute, governed agents in biotech“2026-10-16 19:00
- Šaltinio publikavimo data
- 2026-10-16 19:00
- Mūsų sistema rado
- 2026-10-16 19:12
- Santrauka sugeneruota
- 2026-10-16 19:13
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas