Centaur: Runtime AI Agent dạng “đa người” chạy nội bộ cho các nhóm làm việc

• Hợp tác đa người (multiplayer): nhiều thành viên có thể cùng làm việc với một agent và các công cụ chung.
• Tích hợp Slack: agent có thể được gọi và trao đổi ngay trong các thread Slack.
• API mở: doanh nghiệp có thể tích hợp Centaur với hệ thống nội bộ.
• Triển khai tự lưu trữ (self‑hosted): chạy hoàn toàn trong hạ tầng của tổ chức thay vì phụ thuộc dịch vụ bên ngoài.

Paradigm mô tả Centaur như một control plane cho AI agent—tức một lớp hạ tầng điều phối runtime, công cụ, workflow và trạng thái để agent thực hiện công việc thực tế chứ không chỉ trả lời từng prompt riêng lẻ.

Mô hình AI agent “đa người” hoạt động ra sao

Phần lớn trợ lý AI hiện nay được thiết kế cho một người dùng duy nhất. Centaur thay đổi mô hình này bằng cách coi agent như một thành viên ảo của nhóm.

Trong một thread Slack hoặc qua API, agent có thể:

• hiểu yêu cầu từ người dùng
• gọi các công cụ nội bộ hoặc dịch vụ bên ngoài
• thực hiện workflow nhiều bước
• cập nhật tiến trình ngay trong cuộc trò chuyện

Do agent được chia sẻ, các thành viên khác trong nhóm có thể theo dõi, điều chỉnh hoặc tiếp tục công việc của agent trong cùng thread. Điều này giúp agent hoạt động giống một “đồng nghiệp ảo” trong quy trình làm việc hằng ngày.

Ngoài ra, Centaur cho phép các dịch vụ nội bộ của công ty được xuất bản dưới dạng tool có kiểu dữ liệu (typed tools) để agent có thể tương tác trực tiếp với cơ sở dữ liệu, API hoặc dashboard nội bộ.

Workflow dài hạn và tiến trình bền vững

Một điểm khác biệt quan trọng của Centaur là hỗ trợ tác vụ chạy dài hạn.

Các AI agent trong hệ thống có thể:

• chạy workflow trong nhiều giờ hoặc nhiều ngày
• tiếp tục công việc sau khi hệ thống khởi động lại
• điều phối nhiều bước và nhiều công cụ trong cùng nhiệm vụ

Điều này phù hợp với các quy trình tự động hóa phức tạp—ví dụ phân tích dữ liệu, tổng hợp báo cáo hoặc giám sát hệ thống—những việc không thể hoàn thành trong một lần phản hồi ngắn.

Centaur ghi lại toàn bộ vòng đời của một yêu cầu từ lúc người dùng gửi lệnh, quá trình thực thi cho đến kết quả cuối cùng, giúp hệ thống có thể khôi phục hoặc kiểm tra lại khi xảy ra lỗi.

Lưu trạng thái bằng PostgreSQL

Để duy trì hoạt động ổn định, Centaur lưu trạng thái hệ thống trong cơ sở dữ liệu PostgreSQL.

Dữ liệu được lưu bao gồm:

• yêu cầu ban đầu từ người dùng
• runtime được gán cho agent
• các sự kiện trong quá trình thực thi
• dữ liệu stream trong khi agent chạy
• trạng thái cuối cùng và phản hồi hoàn chỉnh

Nhờ lưu trữ này, Centaur có thể khôi phục workflow sau khi restart và duy trì lịch sử hoạt động của agent theo thời gian.

Kiến trúc bảo mật và quản lý credential

Một thách thức lớn với AI agent là việc sử dụng thông tin đăng nhập thật để truy cập hệ thống doanh nghiệp.

Centaur giải quyết vấn đề này bằng cách không để agent trực tiếp nhìn thấy các khóa bí mật.

Thay vào đó:

• credential được tiêm ở tầng mạng trong lúc xử lý request
• agent không bao giờ nhận được API key hoặc token gốc
• quyền truy cập công cụ được kiểm soát chặt chẽ

Kiến trúc này giúp giảm rủi ro từ các cuộc tấn công phổ biến trong hệ thống agent như:

• prompt injection
• nội dung độc hại từ dữ liệu bên ngoài
• rò rỉ khóa truy cập.

Centaur giả định rằng agent có thể phải xử lý dữ liệu không đáng tin cậy, vì vậy runtime được thiết kế với môi trường thực thi tách biệt và kiểm soát truy cập công cụ nghiêm ngặt.

Cách Paradigm sử dụng Centaur nội bộ

Trước khi mã nguồn mở, Paradigm đã triển khai Centaur trong nhiều bộ phận của công ty.

Các lĩnh vực sử dụng bao gồm:

• nghiên cứu và phân tích đầu tư
• quy trình kỹ thuật phần mềm
• thiết kế
• tuyển dụng
• tổ chức sự kiện
• hỗ trợ khách hàng

Theo Paradigm, việc đưa AI agent dùng chung vào các quy trình này đã thay đổi đáng kể cách tổ chức công việc trong công ty.

Mở rộng Centaur bằng công cụ và workflow riêng

Các tổ chức có thể tùy chỉnh Centaur để phù hợp với môi trường của mình.

Ví dụ:

• xuất bản dịch vụ nội bộ dưới dạng Python tools có cấu trúc
• thêm workflow tự động hóa
• tạo lớp mở rộng (overlay) chứa prompt, kỹ năng hoặc tích hợp riêng của tổ chức.

Cách tiếp cận này cho phép doanh nghiệp xây dựng hệ sinh thái AI agent dùng chung mà không cần tạo một nền tảng agent hoàn toàn mới cho mỗi ứng dụng.

Vai trò của Centaur trong hệ sinh thái AI agent mã nguồn mở

Centaur xuất hiện trong bối cảnh ngày càng nhiều framework và nền tảng orchestration cho AI agent.

Điểm khác biệt của Centaur nằm ở việc tập trung vào vận hành trong môi trường doanh nghiệp, với các yếu tố như:

• bộ nhớ bền vững
• workflow dài hạn
• quản lý credential an toàn
• hợp tác nhiều người

Bằng cách kết hợp các khả năng này với tích hợp Slack và triển khai self‑hosted, Centaur hướng đến các tổ chức muốn AI agent thực sự tham gia vào quy trình làm việc, thay vì chỉ là chatbot thử nghiệm.

Vì sao các nền tảng agent runtime đang xuất hiện

Khi doanh nghiệp bắt đầu đưa AI agent vào môi trường sản xuất, các vấn đề như độ tin cậy, bảo mật và quản lý workflow trở nên quan trọng.

Những nền tảng như Centaur cố gắng cung cấp lớp hạ tầng chung cho các agent—tương tự cách Kubernetes chuẩn hóa việc quản lý container trong hệ thống cloud.

Nếu xu hướng này tiếp tục, lớp "agent runtime" có thể trở thành một thành phần quan trọng trong thế hệ phần mềm mới, nơi AI agent không chỉ hỗ trợ con người mà còn vận hành như các hệ thống phần mềm tự động trong tổ chức.