Andrew Ng prezentuje OpenWorker: otwarty agent AI do zadań biurowych, skupiony na dostarczaniu gotowych rezultatów

Andrew Ng, znany ekspert w dziedzinie sztucznej inteligencji, ogłosił uruchomienie OpenWorker – otwartego agenta AI, który koncentruje się na dostarczaniu gotowych rezultatów pracy, a nie na prowadzeniu rozmów. Zamiast tradycyjnych promptów, OpenWorker oczekuje od użytkownika określenia konkretnego wyniku, takiego jak dopracowany dokument, odpowiedź na Slacku zawierająca precyzyjne dane, zaktualizowany kalendarz czy uporządkowana skrzynka odbiorcza. Następnie agent samodzielnie dzieli zadanie na etapy, współpracuje z lokalnymi plikami i podłączonymi aplikacjami, a przed podjęciem kluczowych działań prosi o potwierdzenie.

Architektura i wspierane modele

Projekt OpenWorker jest rozbudowany, a jego repozytorium zawiera około 32 400 linii kodu Python w katalogu coworker/, 149 plików TypeScript/TSX w surfaces/gui/ oraz 78 modułów testowych dla zaplecza. Silnik agenta opiera się na bibliotece aisuite, która jest niezależna od konkretnego dostawcy modeli językowych.

Co istotne, OpenWorker nie oferuje własnej usługi wnioskowania (inference service). Użytkownik musi samodzielnie dostarczyć klucz API lub wskazać aplikacji lokalne środowisko uruchomieniowe. Agent wspiera 30 różnych modeli językowych, pochodzących od wielu dostawców. Wśród natywnych dostawców znajdują się:

• OpenAI (GPT-5.6 Sol/Terra/Luna i GPT-5.5)
• Anthropic (Claude Fable 5, Opus 4.8, Sonnet 4.6, Haiku 4.5)
• Google (Gemini 3.1 Pro, 3.6 Flash, 2.5 Pro, 2.5 Flash)

Dodatkowo, poprzez dostawców kompatybilnych z API OpenAI, OpenWorker obsługuje modele takie jak GLM-5.2, DeepSeek V4, Kimi K2.6, MiniMax M2.5, Qwen3 Max, Grok 4.3 i Mistral Large. Modele o otwartej wadze są dostępne za pośrednictwem Together AI i Fireworks, a w pełni lokalne modele można uruchomić dzięki Ollama, która nie wymaga żadnego klucza.

Bezpieczeństwo i kontrola użytkownika

OpenWorker traktuje kwestie zatwierdzeń działań jako kluczowy element, a nie jedynie dodatek do interfejsu użytkownika. Każde wywołanie narzędzia jest klasyfikowane do jednej z czterech klas ryzyka:

• read (brak efektów ubocznych)
• write_local (modyfikuje przestrzeń roboczą, ograniczony do ścieżki)
• exec (uruchamia polecenia)
• external (efekty uboczne poza maszyną)

Użytkownik ma do dyspozycji pięć trybów uprawnień, które decydują o sposobie interakcji z agentem:

• discuss i plan to tryby tylko do odczytu.
• interactive jest domyślnym trybem, który prosi o potwierdzenie przed zapisem, wykonaniem poleceń i działaniami zewnętrznymi.
• auto pozwala na wszystko, ale pozostaje ograniczony do ścieżki.
• custom automatycznie zatwierdza zestaw narzędzi zdefiniowany przez użytkownika.

Wbudowana persona ops instruuje model, aby traktował treści pochodzące z narzędzi, logów, sieci, plików i wiadomości jako niezaufane dane, a nie instrukcje. Jest to celowe zabezpieczenie przed atakami typu prompt injection, wbudowane w dostarczoną personę.

Prywatność i lokalne działanie

OpenWorker został zaprojektowany z myślą o prywatności. Wywołania modeli odbywają się bezpośrednio z maszyny użytkownika do skonfigurowanego dostawcy. Konwersacje, tokeny łączników i klucze modeli pozostają lokalne. Magazyn tajnych danych (secret store) jest skonstruowany tak, aby poufne informacje nigdy nie trafiały do kontekstu modelu, promptów ani śladów. Jedynym opcjonalnym komponentem chmurowym jest broker, który obsługuje uwierzytelnianie OAuth dla łączników jednoklikowych, wykorzystując Auth0 Authorization Code z PKCE. Tokeny łączników są przekazywane bezpośrednio do maszyny i nigdy nie są przechowywane w chmurze. Aplikacja jest w pełni funkcjonalna nawet po wylogowaniu, przy użyciu ręcznie wklejonych danych uwierzytelniających.

Premiera OpenWorker przez Andrew Ng'a stanowi znaczący krok w kierunku rozwoju lokalnych agentów AI, którzy mogą realnie wspierać użytkowników w codziennych zadaniach, jednocześnie zapewniając wysoki poziom kontroli nad danymi i bezpieczeństwem. Koncentracja na dostarczaniu gotowych rezultatów, a nie na interakcji czatowej, może zmienić sposób, w jaki postrzegamy i wykorzystujemy sztuczną inteligencję w środowisku desktopowym, otwierając drogę do bardziej efektywnych i zautomatyzowanych procesów pracy.

Źródło: marktechpost.com