Centaur: Runtime AI Agent Open‑Source yang Dirancang untuk Kolaborasi Tim

Beberapa karakteristik utamanya:

• Kolaborasi multi‑user: banyak orang dapat bekerja dengan agent yang sama.
• Integrasi native dengan Slack: agent dapat dipanggil dan diajak berdiskusi langsung dalam thread Slack.
• Akses API: memungkinkan integrasi dengan sistem internal perusahaan.
• Self‑hosted: seluruh sistem berjalan di infrastruktur organisasi, bukan di server vendor.

Platform ini berfungsi sebagai semacam "control plane" untuk AI agent—mengatur eksekusi runtime, akses alat (tools), orkestrasi workflow, dan memori persisten sehingga agent bisa menyelesaikan pekerjaan nyata, bukan sekadar menjawab prompt.

Model Agent “Multiplayer” untuk Tim

Sebagian besar asisten AI saat ini bekerja dalam pola satu‑pengguna. Centaur memperlakukan agent sebagai kolaborator bersama bagi tim.

Di dalam thread Slack atau melalui API, agent dapat:

• memahami instruksi pengguna
• memanggil tools internal atau eksternal
• menjalankan workflow multi‑langkah
• melaporkan progres kembali ke percakapan

Karena agent bersifat shared, anggota tim lain dapat melihat, mengarahkan, atau melanjutkan pekerjaan agent dalam percakapan yang sama. Desain ini membuat agent berperan seperti "rekan kerja virtual" yang berada di dalam alat komunikasi sehari‑hari.

Centaur juga memungkinkan layanan internal perusahaan diekspos sebagai typed tools, sehingga agent dapat berinteraksi dengan database, API internal, atau dashboard perusahaan.

Mendukung Workflow yang Berjalan Lama

Tidak seperti banyak chatbot yang hanya menangani permintaan singkat, Centaur dirancang untuk tugas jangka panjang.

Agent dapat:

• menjalankan proses selama berjam‑jam atau bahkan berhari‑hari
• melanjutkan pekerjaan setelah sistem restart
• mengoordinasikan banyak langkah atau tools dalam satu workflow

Fitur ini membuat Centaur cocok untuk otomatisasi pekerjaan yang membutuhkan monitoring, iterasi, atau koordinasi berkelanjutan.

Sistem ini juga mencatat setiap tahap proses—mulai dari input pengguna hingga output akhir—sehingga pekerjaan bisa diperiksa atau dilanjutkan jika terjadi kegagalan.

Penyimpanan State dengan PostgreSQL

Untuk menjaga konsistensi proses, Centaur menyimpan state operasional di database PostgreSQL.

Database tersebut mencatat berbagai elemen penting seperti:

• permintaan pengguna
• runtime yang menjalankan tugas
• event eksekusi dan output yang di‑stream
• status akhir serta respons agent

Karena semua event disimpan secara persisten, sistem dapat memulihkan proses setelah restart dan menyimpan riwayat aktivitas agent.

Arsitektur Keamanan dan Manajemen Kredensial

Salah satu tantangan terbesar dalam sistem AI agent adalah akses ke kredensial nyata seperti API key atau token internal.

Centaur mengatasi hal ini dengan desain keamanan khusus:

• Agent tidak pernah menerima kredensial mentah.
• Kredensial disuntikkan pada lapisan jaringan saat request diproses.
• Agent hanya melihat hasil respons, bukan kunci asli.

Pendekatan ini membantu melindungi sistem dari berbagai risiko seperti:

• prompt injection
• instruksi berbahaya dari konten eksternal
• kebocoran kredensial secara tidak sengaja

Runtime juga menjalankan kode agent dalam lingkungan terisolasi dan membatasi akses ke tools tertentu.

Cara Paradigm Menggunakan Centaur

Sebelum dirilis sebagai open source, Paradigm sudah menggunakan Centaur secara internal di berbagai tim. Beberapa area penggunaan yang disebutkan antara lain:

• riset dan analisis investasi
• workflow engineering
• pekerjaan desain
• proses rekrutmen
• koordinasi event
• dukungan pelanggan

Menurut perusahaan tersebut, penggunaan agent bersama ini mengubah cara tim mengatur dan menjalankan pekerjaan sehari‑hari.

Ekstensi dengan Tools dan Workflow Baru

Organisasi dapat memperluas kemampuan Centaur dengan menambahkan tools atau workflow internal.

Platform ini memungkinkan layanan internal diekspos sebagai Python tools terstruktur, sementara ekstensi organisasi dapat dikemas dalam overlay yang menambahkan prompt, workflow, atau integrasi khusus perusahaan.

Pendekatan ini memungkinkan perusahaan membangun ekosistem agent bersama tanpa harus membuat platform baru untuk setiap otomatisasi.

Posisi Centaur dalam Ekosistem AI Agent Open‑Source

Ekosistem framework AI agent saat ini berkembang cepat. Banyak proyek fokus pada eksperimen agen otonom atau tool developer.

Centaur mengambil pendekatan yang berbeda: fokus pada operasional tim di lingkungan perusahaan.

Prioritas desainnya meliputi:

• memori yang tahan lama (durable memory)
• manajemen kredensial yang aman
• orkestrasi workflow
• kolaborasi multi‑user

Dengan kombinasi self‑hosting, integrasi Slack, dan kontrol infrastruktur internal, Centaur menargetkan organisasi yang ingin menjalankan AI agent sebagai bagian dari workflow kerja nyata—bukan sekadar eksperimen chatbot.

Beberapa pengamat bahkan melihat lapisan runtime seperti ini sebagai fondasi baru dalam arsitektur software AI—mirip dengan bagaimana Kubernetes menstandarkan orkestrasi container dalam dunia cloud.