Was ist BeeAI?

BeeAI bietet sowohl einzelnen Entwicklern als auch Teams eine frameworkunabhängige Plattform, auf der Agenten für künstliche Intelligenz (KI) gefunden, eingesetzt und gemeinsam genutzt werden können. Die Plattform wurde entwickelt, um die drei größten Herausforderungen bei der Arbeit mit KI-Agenten zu adressieren:

• Isolierte Ökosysteme: Jeder Agent existiert in einem eigenen Framework. BeeAI fasst Agenten in einem einzigen zentralen Arbeitsbereich zusammen, um die KI-Agenten-Orchestrierung zu optimieren.

• Begrenzte Skalierbarkeit: BeeAI ermöglicht es Benutzern, Agenten bereitzustellen, ohne sich mit komplizierten, individuellen Einrichtungsverfahren auseinandersetzen zu müssen.

• Fragmentierte Erkennung: Bee-Agenten befinden sich in einem zentralen Discovery Hub, was das Auffinden und Experimentieren mit generativer KI erleichtert.

Agent für AufgabenpriorisierungEinzelne Entwickler können Bee nutzen, um den Prozess der Erkundung und Bereitstellung von Agenten für agentische Automatisierung und andere Kontexte zu optimieren. Teams können inzwischen den gleichen BeeAI-Arbeitsbereich über eine zentralisierte Instanz teilen, um gemeinsam in Echtzeit zu arbeiten, während die Verbindungen zu Large Language Models (LLM)und APIs zentral verwaltet werden.

Der Community-Katalog hostet alle auf der Plattform verfügbaren BeeAI-Agenten, von denen aus sie ohne komplizierte Einrichtung bereitgestellt werden können. Standardisierte Benutzeroberflächen sorgen für eine einheitliche Benutzererfahrung, und Standard-Container ermöglichen es Entwicklern, Agenten aus jedem Framework zu paketieren und gleichzeitig Kompatibilitätsprobleme zu umgehen.

Das IBM-Forschungsteam hat BeeAI um eine Suite von Kernfunktionen herum entwickelt, die seine Funktionalität als agentischer Arbeitsbereich ermöglichen. Dazu gehören:

Das Repositorium für agentische KI von BeeAI vereint das Team in einem zentralen Arbeitsbereich für reibungslosere Workflows mit mehreren Agenten. Der BeeAI-Agentenkatalog ist eines der Hauptmerkmale: Er ist durchsuchbar und enthält Details zu den Funktionen jedes angebotenen Agenten. Entwickler können Nutzungsmuster identifizieren und entsprechende Agenten auswählen.

Die Agenten werden nach Typ sortiert. BeeAI präsentiert dialogorientierte Chat-Agenten über eine Chatbot-Schnittstelle. Gleichzeitig bilden Hands-Off-Agenten das Rückgrat vieler agentischer Workflows, da sie so konzipiert sind, dass sie nach Erhalt einer einzigen Anweisung autonom arbeiten.

Im Community-Katalog sind von Benutzern erstellte Agenten enthalten. Über die BeeAI-Schnittstelle können Benutzer selbst erstellte Agenten auf GitHub hochladen.

BeeAI verwendet ACP, um die Nutzung von Agenten unabhängig von einzelnen Frameworks zu standardisieren. Entwickler verwenden die Tools, die sie bevorzugen, mit den Agenten, die sie benötigen. Der interaktive Einrichtungsassistent vereinfacht die Erstellung der Umgebung, sodass Teams schnell mit gemeinsam genutzten KI-Agent-Arbeitsbereichen starten können.

Der Einrichtungsprozess umfasst die Eingabe des API-Schlüssels, Empfehlungen für die Modellauswahl, Verbindungstests und anbieterspezifische Optionen, wie das Kontextfenster von Ollama. Zu den verfügbaren LLM-Anbietern gehören Claude von Anthropic,GPT von OpenAI, DeepSeek und watsonx von IBM. Llama3 von Meta ist über eine lokale Ollama-Verbindung verfügbar.

Benutzer können Agenten lokal oder aus GitHub-Repositorys, anderen Frameworks wie LangChain importieren und sogar ihre eigenen Agenten für die Verwendung in BeeAI erstellen.

BeeAI führt jeden Agenten in seinem eigenen Container mit definierten Ressourcenlimits aus, was den Aufbau eines modularen Systems mit mehreren Agenten ermöglicht. Zu den Eingabeoptionen gehören ein interaktiver Modus für die Kommunikation mit dem Agenten und eine mehrzeilige Eingabe für die gemeinsame Nutzung von Ausschnitten von Python-Code und anderen Sprachen. Standardisierte Benutzeroberflächen bedeuten, dass die Interaktionen von Bearbeitern innerhalb von Agenten-Workflows vorhersehbar sind.

Observability ist durch das Streaming von Echtzeitprotokollen von jedem laufenden Agenten in die Plattform integriert. BeeAI sammelt Telemetriedaten mit OpenTelemetry und sendet sie an eine bestimmte Arize Phoenix-Instanz.

BeeAI basiert auf einer lokalzentrierten Erfahrung, wobei Agenten auf einzelnen Geräten oder vor Ort gehostet werden, sodass Benutzer die volle Kontrolle über ihre Daten behalten. Zu den Kernkomponenten gehören:

• Agenten: Agenten in BeeAI sind containerisiert und kommunizieren über ACP. Eines der entscheidenden Merkmale von KI-Agenten ist die Möglichkeit, Tools nach Bedarf aufzurufen, um ihre Funktionen zu erweitern.

• BeeAI-Server: Der Server orchestriert zwischen Agenten, verwaltet Lebenszyklen und Konfigurationen, leitet die Kommunikation zwischen Agenten und Kunden weiter und sammelt Telemetriedaten.

• BeeAI CLI und UI: Benutzer interagieren über zwei Modi mit BeeAI. Die Befehlszeilenschnittstelle (CLI) erleichtert die Skripterstellung und Befehlssteuerung, während die grafische Benutzeroberfläche (UI) intuitivere Interaktionen wie dialogorientierte Chats ermöglicht.

• Python-Integration: Das ACP SDK (Software Development Kit) ermöglicht Entwicklern die Integration von BeeAI in ihre pythonbasierten Anwendungen. BeeAI kann Agenten-Workflows im Kontext von Python-Anwendungen verarbeiten, z. B. solche, die für die Aufgabenautomatisierung entwickelt wurden.

• Arise Phoenix für die Überwachung: Phoenix ist ein Open-Source-Tool zum Verfolgen und Überwachen des Agentenverhaltens, das in BeeAI verfügbar ist.