OpenWorker: Andrew Ng wypuszcza otwartoźródłowego agenta AI na pulpit — koniec z czatowaniem, czas na konkretne efekty

Architektura: czterowarstwowy stos lokalny

OpenWorker działa w całości na komputerze użytkownika, bez serwera inferencyjnego w chmurze. Jego architektura składa się z czterech odrębnych warstw :

• Powłoka desktopowa: Natywne okno Tauri 2 opakowujące interfejs użytkownika React 18 (identyfikator pakietu com.openworker.desktop). Ta powłoka nadzoruje również proces serwera Pythona.
• Lokalny serwer agenta: Zbudowany na Python 3.10+ z użyciem FastAPI i Uvicorn, ten serwer wiąże się z 127.0.0.1:8765 na lokalnej maszynie. Ma domyślny limit 12 iteracji model-narzędzie na zadanie.
• Warstwa możliwości i łączników: Ta warstwa udostępnia zestaw lokalnych narzędzi do interakcji z systemem plików, gitem, wyszukiwarką opartą na ripgrep, powłoką i listami zadań. Obejmuje również hostowane integracje i wsparcie dla Model Context Protocol (MCP).
• Router modeli: Podstawowy interfejs modelu jest zbudowany na aisuite, bibliotece LLM Andrew Ng'a niezależnej od dostawcy. Pozwala to OpenWorkerowi na zapewnienie jednolitego interfejsu dla natywnych, kompatybilnych z OpenAI, resellerów i lokalnych dostawców modeli . Repozytorium zawiera 119 plików Pythona (~32 400 linii) w katalogu coworker/, 149 plików TypeScript/TSX w surfaces/gui/ oraz 78 modułów testów backendu .

Obsługiwane modele: 30 wyselekcjonowanych, przynieś własny klucz

OpenWorker nie zamyka użytkowników w obrębie jednego dostawcy. Obsługuje 30 wyselekcjonowanych modeli w różnych kategoriach, z których wszystkie wymagają od użytkownika przyniesienia własnego klucza API (BYOK) . Obsługiwane modele obejmują:

• Natywni dostawcy: OpenAI GPT-5.6 Sol, Terra, Luna, GPT-5.5; Anthropic Claude Fable 5, Opus 4.8, Sonnet 4.6, Haiku 4.5; Google Gemini 3.6 Flash, 3.1 Pro, 2.5 Pro, 2.5 Flash.
• Dostawcy kompatybilni z OpenAI: GLM-5.2, DeepSeek V4, Kimi K2.6, MiniMax M2.5, Qwen3 Max, Grok 4.3, Mistral Large.
• Hostowane modele o otwartej wadze: Dostępne przez partnerów takich jak Together AI i Fireworks.
• W pełni lokalne modele: Dostępne przez Ollama, które nie wymaga klucza API.

System uprawnień i bezpieczeństwa

Jedną z kluczowych cech OpenWorkera jest jego podejście do bezpieczeństwa. Każde wywołanie narzędzia przez agenta jest klasyfikowane do jednego z czterech poziomów ryzyka :

1. read — przeglądanie lokalnych danych (brak efektów ubocznych)
2. write_local — tworzenie lub modyfikowanie plików na maszynie (ograniczone do ścieżki)
3. exec — uruchamianie poleceń powłoki
4. external — wysyłanie danych poza maszynę (np. do Slacka, e-maila lub kalendarza)

Te poziomy są następnie kontrolowane przez pięć trybów uprawnień :

1. discuss — dyskusja tylko do odczytu
2. plan — planowanie tylko do odczytu
3. interactive (domyślny) — pyta użytkownika przed wykonaniem zapisów, poleceń i akcji zewnętrznych
4. auto — pozwala na wszystko, pozostając ograniczonym do ścieżki
5. custom — automatycznie zatwierdza określony przez użytkownika zestaw narzędzi

Obrona przed iniekcją promptów

Aby chronić przed atakami iniekcji promptów, OpenWorker zawiera wbudowaną „personę operacyjną”, która instruuje model, aby traktował treści z narzędzi, logów, plików i przychodzących wiadomości jako dane niezaufane, a nie instrukcje. Ta obrona jest zapisana bezpośrednio w dostarczonej konfiguracji persony .

Projekt zorientowany na prywatność

OpenWorker został zaprojektowany z silnymi zasadami prywatności :

• Wywołania modeli są kierowane bezpośrednio z komputera użytkownika do wybranego dostawcy – nie ma pośredniczącego serwera przekaźnikowego.
• Rozmowy, tokeny łączników i klucze API pozostają lokalne. Magazyn sekretów jest zaprojektowany tak, aby sekrety nigdy nie trafiały do kontekstu modelu, promptów ani śladów.
• Jedynym opcjonalnym komponentem chmurowym jest broker OAuth (używający Auth0 Authorization Code z PKCE) do jednoklikowych uzgadniania łączników. Tokeny łączników są przekazywane bezpośrednio do maszyny i nigdy nie są przechowywane w chmurze.
• Aplikacja działa w pełni offline, gdy klucze API i dane uwierzytelniające są wklejone ręcznie.

Wsparcie platformowe i obecny status

OpenWorker działa obecnie na Macu, a wsparcie dla Windows jest oznaczone jako „wkrótce” . Projekt jest w otwartej becie i jest opisywany jako w pełni użyteczny, z możliwością samodzielnej aktualizacji .

Koniec paradygmatu czatbota

OpenWorker jest wyraźnie pozycjonowany jako zmiana paradygmatu względem modelu czatbota. Zamiast inicjowania rozmowy, użytkownik określa pożądany rezultat (np. „posegregowana skrzynka odbiorcza”, „dopracowany dokument”, „odpowiedź na Slacku z liczbami z Q3”, „zaktualizowany wpis w kalendarzu”). Agent następnie rozbija ten cel na kroki, pracuje w lokalnych plikach i podłączonych aplikacjach oraz zatrzymuje się w celu uzyskania zgody człowieka przed wykonaniem działań mających konsekwencje . Obsługuje ponad 25 integracji plus MCP, obejmując narzędzia takie jak Telegram, GitHub, Slack, Jira, Notion, Linear, HubSpot, Outlook, Gmail i Google Calendar .