Centaur är en självhostad runtime för AI-agenter som är utformad för teammiljöer snarare än enskilda användare.

Viktiga egenskaper:

• Fleranvändarsamarbete: flera användare interagerar med samma agent och delade verktyg.
• Slack-nativt gränssnitt: agenter kan anropas och samarbeta med direkt i Slack-trådar.
• API-åtkomst: organisationer kan integrera runtim i sina egna system och arbetsflöden.
• Självhostad drift: systemet körs i organisationens egen infrastruktur i stället för i en leverantörs miljö.

Plattformen fungerar som en kontrollplatta för agenter, och koordinerar runtime-exekvering, verktygsåtkomst, arbetsflödesorkestrering och beständigt minne så att agenterna kan utföra meningsfullt arbete snarare än bara svara på isolerade uppmaningar.

Hur fleranvändarmodellen fungerar

De flesta AI-assistenter i dag är utformade för att en enda användare interagerar med en modell. Centaur behandlar i stället agenter som delade samarbetspartners för ett team.

I en Slack-tråd eller API-interaktion kan agenten:

• tolka anvisningar från användaren
• anropa interna eller externa verktyg
• utföra flerstegs arbetsflöden
• rapportera framsteg tillbaka i konversationen

Eftersom agenten är delad kan teammedlemmar observera, styra eller utöka dess arbete i samma konversation. Den här samarbetsdesignen gör att agenterna fungerar mer som ”virtuella teammedlemmar” som är inbäddade i de kommunikationsverktyg som redan används.

Runtimen kan också exponera interna tjänster som typade verktyg, vilket låter agenter interagera med företagssystem som databaser, API:er eller interna instrumentpaneler.

Långvariga processer och hållbara arbetsflöden

Centaur är utformat för att stödja långvariga uppgifter snarare än bara korta konversationsförfrågningar.

Agenter kan:

• köra arbetsflöden i timmar eller dagar
• fortsätta exekvering efter omstarter av systemet
• koordinera flera steg eller verktyg under en uppgift

Dessa möjligheter gör plattformen lämplig för automationsscenarier som kräver beständighet, övervakning eller iterativa framsteg över tid.

Hållbar exekvering är en central del av designen: systemet registrerar varje steg i en begäran – från användarens indata via runtime-exekvering till slutlig utdata – så att arbetet kan återupptas eller granskas om något går fel.

Beständigt tillstånd och PostgreSQL-lagring

Centaur lagrar driftstillstånd i PostgreSQL, vilket möjliggör beständig spårning av agentaktivitet.

Enligt projektdokumentationen registrerar databasen element som:

• användarens begäran
• runtime-tilldelning
• exekveringshändelser och strömmad utdata
• terminaltillstånd och slutliga svar

Eftersom dessa händelser sparas kan systemet återhämta sig från omstarter och behålla en historik över agentinteraktioner och arbetsflödesframsteg.

Säkerhet och hantering av inloggningsuppgifter

Ett av de viktigaste designmålen för Centaur är att låta agenter använda riktiga inloggningsuppgifter på ett säkert sätt.

Systemet förhindrar agenter från att direkt komma åt långlivade hemligheter. I stället injiceras inloggningsuppgifter på nätverksnivå under begäranden, vilket säkerställer att agenten aldrig ser råa API-nycklar eller token.

Den här arkitekturen hjälper till att skydda mot risker som är vanliga i agentsystem, inklusive:

• prompt-injektionsattacker
• skadliga instruktioner i externt innehåll
• oavsiktligt läckage av hemligheter

Centaur’s säkerhetsmodell antar att agenter kan exekvera icke-pålitlig kod eller interagera med fientliga indata, så den isolerar runtime-miljöer och kontrollerar verktygsåtkomst noggrant.

Hur Paradigm använder Centaur internt

Innan systemet släpptes som öppen källkod distribuerade Paradigm Centaur internt inom flera team. Företaget uppger att man använder plattformen inom ett brett spektrum av verksamhetsområden, inklusive:

• forskning och investeringsanalys
• teknikarbetsflöden
• designarbete
• rekrytering och anställningsprocesser
• eventkoordinering
• kundsupport

Enligt företaget förändrade införandet av delade agenter inom dessa funktioner avsevärt hur arbetet organiseras och utförs inom organisationen.

Utöka Centaur med verktyg och arbetsflöden

Organisationer kan anpassa Centaur genom att lägga till interna verktyg och arbetsflöden.

Plattformen låter team exponera interna tjänster som strukturerade Python-verktyg och paketera tillägg i overlay-lager som lägger till organisationsspecifika uppmaningar, arbetsflöden eller integrationer.

Det här tillvägagångssättet gör det möjligt för företag att bygga ett delat agentekosystem utan att skriva om sin infrastruktur för varje automations- eller assistentlösning.

Centaur’s roll i open source-ekosystemet för agenter

Centaur kommer in i ett snabbt växande ekosystem av agentramverk och orkestreringsplattformar. Dess utmärkande fokus ligger på teamorienterade operationer inom företagsinfrastruktur.

I stället för att betona experimentella autonoma agenter fokuserar plattformen på praktiska operativa garantier som:

• beständigt minne
• säker hantering av inloggningsuppgifter
• arbetsflödesorkestrering
• samarbetsinriktad agentinteraktion

Genom att kombinera dessa funktioner med Slack-integration och självhostning riktar sig Centaur till organisationer som vill att AI-agenter ska utföra verkligt arbete inom befintliga arbetsflöden i stället för isolerade chattbotexperiment.

Varför plattformar som Centaur växer fram

I takt med att företag distribuerar AI-agenter i produktionsmiljöer blir tillförlitlighet och säkerhet centrala frågor. Plattformar som Centaur syftar till att tillhandahålla den delade infrastruktur som behövs för att hantera dessa agenter säkert i stor skala.

I stället för att bygga anpassade agentsystem för varje applikation kan team använda en runtime som standardiserar exekvering, lagring, inloggningsuppgifter och samarbete. Resultatet är en grund där AI-agenter beter sig mindre som tillfälliga assistenter och mer som beständiga programvarusystem inbäddade i det dagliga arbetet.

Centaur’s open source-släpp tyder på att detta agentruntime-lager – på samma sätt som Kubernetes standardiserade containerorkestrering – kan bli en kritisk del av nästa generations AI-drivna programvarustackar.

Centaur är en självhostad runtime för AI-agenter som är utformad för teammiljöer snarare än enskilda användare.

Viktiga egenskaper:

• Fleranvändarsamarbete: flera användare interagerar med samma agent och delade verktyg.
• Slack-nativt gränssnitt: agenter kan anropas och samarbeta med direkt i Slack-trådar.
• API-åtkomst: organisationer kan integrera runtim i sina egna system och arbetsflöden.
• Självhostad drift: systemet körs i organisationens egen infrastruktur i stället för i en leverantörs miljö.

Plattformen fungerar som en kontrollplatta för agenter, och koordinerar runtime-exekvering, verktygsåtkomst, arbetsflödesorkestrering och beständigt minne så att agenterna kan utföra meningsfullt arbete snarare än bara svara på isolerade uppmaningar.

Hur fleranvändarmodellen fungerar

De flesta AI-assistenter i dag är utformade för att en enda användare interagerar med en modell. Centaur behandlar i stället agenter som delade samarbetspartners för ett team.

I en Slack-tråd eller API-interaktion kan agenten:

• tolka anvisningar från användaren
• anropa interna eller externa verktyg
• utföra flerstegs arbetsflöden
• rapportera framsteg tillbaka i konversationen

Eftersom agenten är delad kan teammedlemmar observera, styra eller utöka dess arbete i samma konversation. Den här samarbetsdesignen gör att agenterna fungerar mer som ”virtuella teammedlemmar” som är inbäddade i de kommunikationsverktyg som redan används.

Runtimen kan också exponera interna tjänster som typade verktyg, vilket låter agenter interagera med företagssystem som databaser, API:er eller interna instrumentpaneler.

Långvariga processer och hållbara arbetsflöden

Centaur är utformat för att stödja långvariga uppgifter snarare än bara korta konversationsförfrågningar.

Agenter kan:

• köra arbetsflöden i timmar eller dagar
• fortsätta exekvering efter omstarter av systemet
• koordinera flera steg eller verktyg under en uppgift

Dessa möjligheter gör plattformen lämplig för automationsscenarier som kräver beständighet, övervakning eller iterativa framsteg över tid.

Hållbar exekvering är en central del av designen: systemet registrerar varje steg i en begäran – från användarens indata via runtime-exekvering till slutlig utdata – så att arbetet kan återupptas eller granskas om något går fel.

Beständigt tillstånd och PostgreSQL-lagring

Centaur lagrar driftstillstånd i PostgreSQL, vilket möjliggör beständig spårning av agentaktivitet.

Enligt projektdokumentationen registrerar databasen element som:

• användarens begäran
• runtime-tilldelning
• exekveringshändelser och strömmad utdata
• terminaltillstånd och slutliga svar

Eftersom dessa händelser sparas kan systemet återhämta sig från omstarter och behålla en historik över agentinteraktioner och arbetsflödesframsteg.

Säkerhet och hantering av inloggningsuppgifter

Ett av de viktigaste designmålen för Centaur är att låta agenter använda riktiga inloggningsuppgifter på ett säkert sätt.

Systemet förhindrar agenter från att direkt komma åt långlivade hemligheter. I stället injiceras inloggningsuppgifter på nätverksnivå under begäranden, vilket säkerställer att agenten aldrig ser råa API-nycklar eller token.

Den här arkitekturen hjälper till att skydda mot risker som är vanliga i agentsystem, inklusive:

• prompt-injektionsattacker
• skadliga instruktioner i externt innehåll
• oavsiktligt läckage av hemligheter

Centaur’s säkerhetsmodell antar att agenter kan exekvera icke-pålitlig kod eller interagera med fientliga indata, så den isolerar runtime-miljöer och kontrollerar verktygsåtkomst noggrant.

Hur Paradigm använder Centaur internt

Innan systemet släpptes som öppen källkod distribuerade Paradigm Centaur internt inom flera team. Företaget uppger att man använder plattformen inom ett brett spektrum av verksamhetsområden, inklusive:

• forskning och investeringsanalys
• teknikarbetsflöden
• designarbete
• rekrytering och anställningsprocesser
• eventkoordinering
• kundsupport

Enligt företaget förändrade införandet av delade agenter inom dessa funktioner avsevärt hur arbetet organiseras och utförs inom organisationen.

Utöka Centaur med verktyg och arbetsflöden

Organisationer kan anpassa Centaur genom att lägga till interna verktyg och arbetsflöden.

Plattformen låter team exponera interna tjänster som strukturerade Python-verktyg och paketera tillägg i overlay-lager som lägger till organisationsspecifika uppmaningar, arbetsflöden eller integrationer.

Det här tillvägagångssättet gör det möjligt för företag att bygga ett delat agentekosystem utan att skriva om sin infrastruktur för varje automations- eller assistentlösning.

Centaur’s roll i open source-ekosystemet för agenter

Centaur kommer in i ett snabbt växande ekosystem av agentramverk och orkestreringsplattformar. Dess utmärkande fokus ligger på teamorienterade operationer inom företagsinfrastruktur.

I stället för att betona experimentella autonoma agenter fokuserar plattformen på praktiska operativa garantier som:

• beständigt minne
• säker hantering av inloggningsuppgifter
• arbetsflödesorkestrering
• samarbetsinriktad agentinteraktion

Genom att kombinera dessa funktioner med Slack-integration och självhostning riktar sig Centaur till organisationer som vill att AI-agenter ska utföra verkligt arbete inom befintliga arbetsflöden i stället för isolerade chattbotexperiment.

Varför plattformar som Centaur växer fram

I takt med att företag distribuerar AI-agenter i produktionsmiljöer blir tillförlitlighet och säkerhet centrala frågor. Plattformar som Centaur syftar till att tillhandahålla den delade infrastruktur som behövs för att hantera dessa agenter säkert i stor skala.

I stället för att bygga anpassade agentsystem för varje applikation kan team använda en runtime som standardiserar exekvering, lagring, inloggningsuppgifter och samarbete. Resultatet är en grund där AI-agenter beter sig mindre som tillfälliga assistenter och mer som beständiga programvarusystem inbäddade i det dagliga arbetet.

Centaur’s open source-släpp tyder på att detta agentruntime-lager – på samma sätt som Kubernetes standardiserade containerorkestrering – kan bli en kritisk del av nästa generations AI-drivna programvarustackar.