Centaur: мультипользовательская среда выполнения AI‑агентов, которую можно развернуть у себя

По сути, Centaur выступает как «control plane» для AI‑агентов: он управляет выполнением задач, доступом к инструментам, состоянием процессов и взаимодействием пользователей.

Модель «мультиплеер‑агента»

Большинство AI‑ассистентов сегодня построены вокруг одного пользователя: человек задаёт вопрос — модель отвечает.

Centaur использует другую модель: агент становится общим участником команды.

Например, в Slack‑треде агент может:

• понять запрос пользователя
• вызвать внутренний инструмент или API
• запустить последовательность действий
• публиковать обновления прямо в разговоре

Поскольку агент общий, любой участник обсуждения может наблюдать за его действиями, корректировать их или продолжать работу в том же диалоге. Такой подход превращает агента в своего рода «виртуального коллегу», встроенного в рабочую коммуникацию.

Кроме того, внутренние сервисы компании можно подключать как типизированные инструменты (typed tools), позволяя агентам безопасно взаимодействовать с базами данных, API или корпоративными сервисами.

Долгие процессы и устойчивые рабочие потоки

Centaur спроектирован не только для коротких запросов, но и для долгих задач.

Агенты могут:

• выполнять процессы, которые идут часами или днями
• продолжать работу после перезапуска системы
• координировать множество шагов и инструментов

Это делает платформу пригодной для автоматизации задач, где требуется отслеживание состояния, промежуточные результаты и длительное выполнение.

Система фиксирует каждый этап выполнения — от входного запроса пользователя до финального результата. Благодаря этому процессы можно восстанавливать после сбоев или анализировать задним числом.

Хранение состояния в PostgreSQL

Для устойчивой работы Centaur хранит состояние системы в PostgreSQL.

В базе данных фиксируются ключевые элементы выполнения задачи:

• пользовательский запрос
• назначение среды выполнения
• события и потоковые результаты
• финальный статус и итоговый ответ

Такой подход обеспечивает долговременную память агента, возможность восстановления после перезапуска и полный журнал всех действий системы.

Архитектура безопасности и работа с учётными данными

Одна из главных задач при создании Centaur — позволить агентам работать с реальными сервисами компании, не раскрывая секреты.

Для этого используется архитектура, при которой агент никогда не видит реальные ключи доступа.

Вместо этого:

• учетные данные внедряются на сетевом уровне во время запроса
• агент получает доступ к сервису, но не видит сам ключ

Такая модель помогает защититься от распространённых угроз, включая:

• prompt‑инъекции
• вредоносные инструкции во внешних данных
• утечку API‑ключей или токенов.

Разработчики исходят из предположения, что агент может столкнуться с недоверенным кодом или данными, поэтому среда выполнения изолируется, а доступ к инструментам строго контролируется.

Как Centaur используют внутри Paradigm

До публикации проекта компания Paradigm использовала систему внутри организации с января 2026 года.

По данным компании, агенты Centaur применяются в самых разных рабочих процессах, включая:

• исследовательскую и инвестиционную аналитику
• инженерные задачи
• дизайн
• рекрутинг
• организацию мероприятий
• клиентскую поддержку

По словам команды, внедрение общей платформы для AI‑агентов сильно изменило внутренние рабочие процессы и распределение задач между людьми и автоматизацией.

Расширение системы инструментами и workflow

Компании могут адаптировать Centaur под свои процессы.

Например, можно:

• подключать внутренние сервисы как Python‑инструменты
• добавлять корпоративные workflow
• расширять систему с помощью overlay‑репозиториев

Такой подход позволяет создавать экосистему корпоративных агентов, не переписывая инфраструктуру для каждого нового сценария автоматизации.

Место Centaur в экосистеме AI‑агентов

Рынок платформ для AI‑агентов быстро растёт: появляются фреймворки, оркестраторы и среды автоматизации. Centaur отличается тем, что ориентирован именно на корпоративную командную работу.

Вместо экспериментов с полностью автономными агентами система делает акцент на практических требованиях бизнеса:

• надежное хранение состояния
• безопасное управление секретами
• управление рабочими процессами
• совместное взаимодействие пользователей и агентов

В сочетании с self‑hosting и интеграцией со Slack это делает платформу подходящей для компаний, которые хотят, чтобы AI‑агенты выполняли реальные задачи внутри существующих рабочих процессов, а не просто работали как чат‑боты.

Почему появляются такие платформы

По мере того как компании начинают внедрять AI‑агентов в реальные бизнес‑процессы, на первый план выходят вопросы инфраструктуры: надежность, безопасность и масштабирование.

Платформы вроде Centaur пытаются решить эту проблему, предлагая унифицированный runtime для агентов. Вместо того чтобы строить отдельную систему под каждый проект, команды получают единый слой, который управляет выполнением, памятью, инструментами и безопасностью.

Если этот подход закрепится, такой уровень инфраструктуры может стать для AI‑агентов тем же, чем Kubernetes стал для контейнеров — стандартной платформой, на которой строится следующее поколение программных систем.