Centaur: รันไทม์ AI Agent แบบโอเพ่นซอร์สที่ให้ทั้งทีมทำงานร่วมกับเอเจนต์เดียวกันได้

Paradigm อธิบายว่า Centaur ทำหน้าที่คล้าย control plane สำหรับ AI agent โดยดูแลการรันงาน การเข้าถึงเครื่องมือ เวิร์กโฟลว์ และหน่วยความจำระยะยาว เพื่อให้เอเจนต์ทำงานจริงได้มากกว่าการตอบคำถามสั้น ๆ

โมเดล AI แบบ “Multiplayer” สำหรับทีม

ผู้ช่วย AI ส่วนใหญ่ในปัจจุบันออกแบบมาให้ผู้ใช้เพียงคนเดียวสั่งงาน แต่ Centaur มองเอเจนต์เป็น เพื่อนร่วมทีมเสมือน (virtual teammate)

ภายในเธรด Slack หรือการเรียกผ่าน API เอเจนต์สามารถ:

• ตีความคำสั่งจากผู้ใช้
• เรียกใช้เครื่องมือหรือบริการภายในองค์กร
• ทำงานหลายขั้นตอนต่อเนื่อง
• รายงานความคืบหน้ากลับเข้ามาในบทสนทนา

เพราะเอเจนต์ถูกแชร์ร่วมกัน สมาชิกในทีมจึงสามารถเข้ามาดูงาน ปรับคำสั่ง หรือช่วยต่อยอดงานของเอเจนต์ในบทสนทนาเดียวกันได้ ทำให้ AI กลายเป็นส่วนหนึ่งของการทำงานประจำวันในเครื่องมือสื่อสารอย่าง Slack

นอกจากนี้ Centaur ยังเปิดให้ทีมสามารถนำบริการภายในองค์กร เช่น ฐานข้อมูล API หรือแดชบอร์ดต่าง ๆ มาเชื่อมต่อเป็น typed tools เพื่อให้เอเจนต์เรียกใช้งานได้โดยตรง

รองรับงานที่รันยาวหลายชั่วโมงหรือหลายวัน

หนึ่งในจุดเด่นของ Centaur คือการออกแบบมาเพื่อรองรับ long‑running workflows

เอเจนต์สามารถ:

• รันงานต่อเนื่องหลายชั่วโมงหรือหลายวัน
• ดำเนินงานต่อหลังระบบรีสตาร์ต
• ประสานงานหลายเครื่องมือและหลายขั้นตอน

ความสามารถนี้ทำให้แพลตฟอร์มเหมาะกับงานอัตโนมัติที่ต้องใช้เวลา เช่น การวิเคราะห์ข้อมูล การค้นคว้า หรือกระบวนการทางธุรกิจที่มีหลายขั้นตอน

ระบบยังบันทึกทุกขั้นตอนของการทำงาน ตั้งแต่คำสั่งผู้ใช้ การรันงาน ไปจนถึงผลลัพธ์สุดท้าย เพื่อให้สามารถตรวจสอบหรือกู้คืนงานได้หากเกิดปัญหา

การเก็บสถานะถาวรด้วย PostgreSQL

Centaur ใช้ PostgreSQL เป็นฐานข้อมูลสำหรับเก็บสถานะของระบบและกิจกรรมของเอเจนต์

ข้อมูลที่ถูกบันทึก เช่น

• คำสั่งของผู้ใช้
• การกำหนด runtime ที่ใช้รันงาน
• เหตุการณ์ระหว่างการทำงาน
• ผลลัพธ์หรือสถานะสุดท้ายของงาน

ด้วยการเก็บข้อมูลแบบถาวร ระบบจึงสามารถ กู้คืนงานหลังรีสตาร์ต และติดตามประวัติการทำงานของเอเจนต์ได้อย่างครบถ้วน

สถาปัตยกรรมด้านความปลอดภัยและการจัดการ Credential

Centaur ถูกออกแบบมาให้เอเจนต์สามารถใช้ credential จริงขององค์กรได้อย่างปลอดภัย

แทนที่จะให้เอเจนต์เห็น API key หรือ token โดยตรง ระบบจะใช้วิธี inject credential ที่ชั้นเครือข่ายระหว่างการร้องขอ ทำให้เอเจนต์ไม่สามารถเข้าถึงคีย์จริงได้

แนวทางนี้ช่วยลดความเสี่ยงจากปัญหาที่พบได้บ่อยในระบบ agent เช่น

• prompt injection
• คำสั่งอันตรายในเนื้อหาภายนอก
• การรั่วไหลของ secret

นอกจากนี้ Centaur ยังออกแบบ runtime ให้แยกสภาพแวดล้อมการทำงาน และควบคุมสิทธิ์การเข้าถึงเครื่องมืออย่างเข้มงวด เพราะเอเจนต์อาจต้องทำงานกับโค้ดหรือข้อมูลที่ไม่เชื่อถือได้

Paradigm ใช้ Centaur ทำอะไรบ้าง

ก่อนเปิดซอร์ส Paradigm ใช้ Centaur ภายในองค์กรหลายเดือน และระบุว่าระบบนี้ถูกนำไปใช้ในหลายทีม เช่น

• การวิจัยและวิเคราะห์การลงทุน
• เวิร์กโฟลว์ด้านวิศวกรรม
• งานออกแบบ
• กระบวนการสรรหาบุคลากร
• การจัดอีเวนต์
• ฝ่ายบริการลูกค้า

แนวคิดคือให้เอเจนต์ทำหน้าที่เหมือน พนักงานดิจิทัลที่แชร์ร่วมกันทั้งทีม ซึ่งสามารถช่วยงานที่ซับซ้อนและใช้เวลานานได้

การขยายระบบด้วยเครื่องมือและเวิร์กโฟลว์ขององค์กร

องค์กรสามารถปรับแต่ง Centaur ให้เข้ากับระบบของตัวเองได้

ตัวอย่างเช่น

• เพิ่มเครื่องมือภายในเป็น Python tools
• สร้างเวิร์กโฟลว์เฉพาะองค์กร
• เพิ่ม prompt หรือ persona ของเอเจนต์

Centaur ยังรองรับแนวคิดที่เรียกว่า overlay ซึ่งเป็นแพ็กเกจส่วนขยายที่เพิ่มเครื่องมือหรือ workflow ขององค์กรโดยไม่ต้องแก้ไขโค้ดหลักของแพลตฟอร์ม

บทบาทของ Centaur ในระบบนิเวศ AI Agent แบบโอเพ่นซอร์ส

ช่วงไม่กี่ปีที่ผ่านมา มีเฟรมเวิร์ก AI agent เกิดขึ้นจำนวนมาก แต่ Centaurเน้นจุดต่างสำคัญคือ

• การทำงานระดับทีม
• ความเสถียรในการใช้งานจริง
• ความปลอดภัยของ credential
• การรันเวิร์กโฟลว์ที่ยาวและซับซ้อน

Paradigm มองว่าชั้น agent runtime แบบนี้อาจกลายเป็นโครงสร้างพื้นฐานสำคัญของซอฟต์แวร์ยุค AI คล้ายกับที่ Kubernetes กลายเป็นมาตรฐานสำหรับการจัดการ container

หากแนวโน้มนี้เกิดขึ้นจริง ระบบอย่าง Centaur อาจเป็นหนึ่งในแพลตฟอร์มหลักที่ทำให้ AI agent กลายเป็นส่วนหนึ่งของการทำงานประจำวันในองค์กรขนาดใหญ่