Architektura dostosowana do całkowitej prywatności

Używamy ultraszybkiego, nowoczesnego menedżera pakietów i środowisk w ekosystemie Python – uv. Odpowiada za precyzyjne nadzorowanie wersji plików i zależności, zapewniając błyskawiczne odtwarzanie środowiska oraz brak konfliktów bibliotek na serwerach docelowych.

Aktualne, żywe prace nad kodem źródłowym są udostępniane na bieżąco w trybie live w dedykowanych, prywatnych repozytoriach platformy GitHub. Klient posiada stały, transparentny wgląd w postępy prac rozwojowych, testów jednostkowych oraz integracji systemu.

Fundament tworzenia zaawansowanych pętli decyzyjnych (Agent Loops). LangGraph umożliwia nam modelowanie zachowań agentów jako grafów stanów z cyklami, co jest kluczowe przy zadaniach wymagających korekty własnych błędów oraz wieloagentowej współpracy (wzorzec supervisor, gdzie jeden agent-dyrygent deleguje zadania wyspecjalizowanym subagentom). Stan i pamięć rozmowy są utrwalane przez checkpointer, a każda akcja wysokiego ryzyka (modyfikacja danych, wysyłka komunikacji) jest wstrzymywana mechanizmem interrupt do czasu manualnej akceptacji człowieka.

W zależności od potrzeb integracyjnych, agenty są wyposażani w dedykowane biblioteki, np. duckduckgo-search do bezpiecznego, zanonimizowanego pozyskiwania wiedzy z sieci na żywo, czy moduły automatyzujące operacje na systemach ERP.

Wykorzystujemy bibliotekę Pandas do zaawansowanego parsowania, agregowania i strukturyzowania danych. Umożliwia to agentom natywne czytanie, modyfikowanie i generowanie raportów w formatach Excel (XLSX, CSV), tworząc bezpośredni most pomiędzy AI a tradycyjnym oprogramowaniem biurowym.

Służą do generowania profesjonalnych wykresów, map ciepła oraz analitycznych zestawień statystycznych na podstawie wykonanych przez agentów operacji, dostarczając kadrze zarządzającej natychmiastowych podsumowań graficznych.

Domyślny, w pełni lokalny system osadzania (embeddings) i wyszukiwania wektorowego. Gwarantuje zerowe opóźnienia sieciowe oraz najwyższy poziom ochrony tajemnic przedsiębiorstwa – dane nigdy nie opuszczają lokalnego serwera.

Stan rozmowy i pamięć agenta są utrwalane w PostgreSQL, dzięki czemu konwersacja przetrwa restart serwera. Rozszerzenie pgvector z indeksem HNSW pozwala łączyć klasyczne zapytania relacyjne z wyszukiwaniem podobieństwa wektorowego w jednej, spójnej bazie danych – tam, gdzie wymaga tego architektura klienta.

W przypadku infrastruktury hybrydowej, przy ogromnych wolumenach danych o niskim stopniu wrażliwości, system może opcjonalnie korzystać z zasobów wektorowych chmury Azure, zapewniając elastyczne skalowanie kosztów i wydajności.

Nasza architektura potrafi bezinwazyjnie "wpiąć się" pod aktualnie działające w firmie bazy danych (SQL, NoSQL, Elasticsearch), eliminując potrzebę kosztownych migracji dotychczasowych systemów.

Każdy wynik narzędzia i każdy pobrany dokument traktowany jest przez agenta jako dane, nigdy jako instrukcja. To kluczowa ochrona przed pośrednim prompt injection — złośliwymi poleceniami ukrytymi w treści strony, dokumentu czy wyniku narzędzia, obecnie najczęściej wykorzystywaną luką w systemach agentowych.

Agent otrzymuje wyłącznie te narzędzia i uprawnienia, które są niezbędne do realizacji konkretnego zadania. Wykonanie kodu, jeśli jest wymagane, odbywa się w izolowanym kontenerze bez dostępu do sieci i bez punktów montowania hosta, a sekrety i klucze nigdy nie trafiają do treści system promptu.

Każde wywołanie narzędzia jest logowane do celów audytowych, a akcje wysokiego ryzyka wymagają manualnego zatwierdzenia przez administratora (human-in-the-loop) przed wykonaniem. Polityka retencji historii rozmów jest projektowana ze zgodnością z RODO oraz obowiązkami wynikającymi z NIS2 i AI Act.

Instalacja odbywa się na dedykowanej stacji roboczej lub serwerze wyposażonym w akceleratory graficzne NVIDIA (architektury CUDA), optymalizowane pod kątem niskich opóźnień generowania (Inference time) oraz jednoczesnej obsługi wielu wątków agentów.

Użytkownicy i systemy wewnętrzne łączą się z dedykowaną maszyną GPU za pomocą bezpiecznego, izolowanego protokołu wirtualnej sieci prywatnej (WireGuard lub OpenVPN), opartego o nowoczesną kryptografię (Curve25519, ChaCha20-Poly1305) i wzmocnionego dodatkowym kluczem PresharedKey. Firewall działa w trybie deny by default — jedynym publicznie widocznym portem jest port UDP samego VPN, więc dostęp z zewnątrz do modeli i danych bez aktywnej autoryzacji jest fizycznie niemożliwy.

Standardowy, asynchroniczny produkcyjny framework API w języku Python. Służy jako interfejs komunikacyjny między pętlami agentów a istniejącym oprogramowaniem klienta, generując automatyczną, interaktywną dokumentację OpenAPI (Swagger). Warstwa API jest zabezpieczona autoryzacją OAuth2 z krótkożyjącym tokenem JWT, rate limitingiem per użytkownik oraz ścisłą listą dozwolonych originów CORS, a odpowiedzi modelu są strumieniowane do klienta token po tokenie (Server-Sent Events) dla płynnego, czatowego UX.

Na konkretne życzenie klienta integrujemy interfejsy wejściowe i wyjściowe z natywnym oprogramowaniem. Nasze agenty mogą komunikować się bezpośrednio z aplikacjami okienkowymi (Windows/macOS), dedykowanymi aplikacjami mobilnymi oraz środowiskami Microsoft Forms i rozszerzeniami IDE, zapewniając pracownikom bezproblemowy dostęp do AI z dowolnego urządzenia roboczego.