Centaur：專為團隊打造的多人協作、自架式 AI Agent Runtime

隨著 AI 從「個人助手」逐漸演變為能夠在組織內協作工作的系統，企業開始需要新的基礎設施來管理這些代理。Centaur 正是在這個背景下誕生。

Centaur 是由加密投資公司 Paradigm 與軟體公司 Tempo 共同開發的 開源 AI agent runtime，於 2026 年 5 月正式開源。它的目標是讓團隊在自己的基礎設施中安全運行共享 AI 代理，而不是依賴第三方雲端服務。

與一般聊天型 AI 不同，Centaur 被設計成 可在整個團隊中共享的 AI 協作系統，並能直接嵌入日常工作工具，例如 Slack。

Centaur 是什麼

Centaur 可以理解為一個 AI Agent 的控制平面（control plane）：它負責管理代理的執行環境、工具調用、工作流程與記憶狀態，讓代理可以持續完成實際任務，而不是只回覆單次問題。

其主要特點包括：

• 多人協作（Multiplayer）：多名團隊成員可同時與同一個代理互動
• Slack 原生整合：可直接在 Slack 討論串中呼叫與協作
• API 存取：可整合進企業既有系統
• 自架部署（Self‑hosted）：運行於企業自己的基礎設施，而非外部平台

這意味著企業能在不暴露敏感資料的情況下，把 AI 代理直接接入內部工作流程。

多人 AI Agent 的運作模式

大多數 AI 助手都是「一個人對一個模型」。Centaur 則把代理視為 整個團隊共享的數位同事。

在 Slack 討論串或 API 呼叫中，代理可以：

• 理解團隊成員的指示
• 呼叫內部或外部工具
• 執行多步驟任務
• 在對話中回報進度

由於代理是共享的，其他成員可以在同一對話中 觀察、調整或補充任務。這讓 AI 更像是嵌入團隊溝通流程的「虛擬同事」，而不是獨立的聊天機器人。

Centaur 也允許公司將內部服務（例如資料庫或 API）封裝成 型別化工具（typed tools），讓代理能安全地與企業系統互動。

支援長時間運行的工作流程

許多 AI 系統只處理短暫的對話請求，但 Centaur 被設計用於 長時間任務。

代理可以：

• 執行持續數小時甚至數天的流程
• 在系統重啟後恢復工作
• 在任務中協調多個工具與步驟

這使它適合用於需要持續監控或多階段處理的自動化任務，例如資料分析、工程流程或客戶服務。

系統會記錄每個執行階段，因此如果任務中斷，可以重新檢查並恢復流程。

PostgreSQL 持久化狀態儲存

Centaur 將代理運行過程中的狀態資料儲存在 PostgreSQL 中，以確保任務的持久性與可追蹤性。

資料庫會記錄包括：

• 使用者請求
• runtime 分配
• 執行事件與串流輸出
• 任務完成狀態與最終回應

透過這種持久化設計，系統即使重新啟動也能恢復代理的工作狀態，並保留完整的互動歷史。

憑證與安全架構

讓 AI 代理存取真實企業系統時，最大的風險是 憑證與機密資料洩漏。

Centaur 的設計原則之一是：代理永遠不會看到原始密鑰。

系統的做法是：

• 憑證只在請求處理時於網路層注入
• 代理無法直接讀取 API key 或 token
• 透過隔離執行環境限制工具存取

這種架構可降低多種常見風險，例如：

• prompt injection 攻擊
• 惡意外部資料
• 機密資訊外洩

Centaur 的安全模型假設代理可能會執行不可信內容，因此對工具存取與執行環境進行嚴格隔離。

Paradigm 內部的實際使用場景

在開源之前，Paradigm 已經從 2026 年 1 月開始在公司內部部署 Centaur。

該平台被用於多個部門的日常工作，例如：

• 投資研究與分析
• 工程流程
• 設計任務
• 招募與招聘流程
• 活動與會議協調
• 客戶支援

公司表示，引入共享 AI 代理後，團隊的工作方式出現明顯變化，許多跨部門流程都能透過代理協調完成。

可擴展的工具與工作流程

Centaur 允許企業建立自己的代理生態系統。

團隊可以：

• 將內部服務封裝為 Python 工具
• 建立組織專用工作流程
• 使用 overlay 擴充提示、技能或整合

這種設計讓公司可以在同一平台上逐步擴展代理能力，而不需要為每個自動化任務建立新的系統。

在開源 AI Agent 生態中的定位

近年出現大量 AI agent 框架，但許多仍偏向研究或單人實驗。

Centaur 的定位比較不同：它專注於 企業環境中的可靠運行能力，例如：

• 持久記憶
• 工作流程協調
• 安全憑證管理
• 多人協作

透過 Slack 整合與自架部署，Centaur 的目標是讓 AI 代理能在企業現有工作流程中真正執行任務，而不只是聊天實驗。

某種程度上，這類「agent runtime」平台可能扮演類似 Kubernetes 在容器時代的角色：為 AI 代理提供標準化的執行、儲存、安全與協作基礎設施。

如果 AI 代理未來成為企業軟體的重要組成部分，像 Centaur 這樣的運行層，很可能會成為下一代 AI 軟體架構的重要基石。