Co ukazuje návštěva OpenAI, Anthropic a Cursor o cloudových agentech

Gergely Orosz z The Pragmatic Engineer popsal postřehy z návštěvy OpenAI, Anthropic a Cursor v San Francisku. Mluvil tam s lidmi ze softwarových a modelových týmů a jeho hlavní pozorování je poměrně jasné: cloudoví agenti se rychle posouvají z okraje vývojářských nástrojů do centra pozornosti.

Nejde jen o to, že agent běží někde mimo notebook. Důležitější je změna pracovního modelu. Pokud má agent řešit delší úlohy, iterovat, testovat a připravovat změny do podoby, kterou lze poslat k review, lokální prostředí začíná být omezení.

Právě proto dává cloudový agent smysl:

může běžet déle než jedna aktivní lokální relace
má vlastní izolované vývojové prostředí
může testovat a ověřovat změny
může pokračovat i ve chvíli, kdy uživatel není u počítače

OpenAI tento směr ukazuje mimo jiné akvizicí společnosti Ona, dříve Gitpod. Ta se zaměřovala na cloudová vývojová prostředí. V kontextu agentů je to zajímavé proto, že podobné prostředí může sloužit jako bezpečný a perzistentní prostor, ve kterém agent pracuje s nástroji, kódem a kontextem delší dobu.

Orosz také zmiňuje, že se v OpenAI ptal inženýrů na posun ke cloudovým agentům. Podle jejich odpovědí je to skutečně oblast, na kterou se firma nově výrazně zaměřuje. Sedí to i s tím, že OpenAI hledá inženýry pro Cloud Agents tým.

Podobný směr je vidět u Cursoru. Ten už cloudové agenty uvedl a nově na nich staví i svou iOS aplikaci. Myšlenka je jednoduchá: vývojář může zadat plán lokálně, poslat práci cloudovému agentovi a později si výsledek převzít zpět do lokálního prostředí.

Zajímavé jsou ale i problémy, které tím vznikají. Cloudový agent nemá stejnou přirozenou zpětnou vazbu jako lokální agent, který okamžitě ukáže chybu nebo varování člověku. Cursor podle Orosze řeší například to, jak mají agenti „přiznávat“ problémy a jak se z těchto signálů má zlepšovat jejich prostředí.

Tohle je důležitý detail. Cloudoví agenti nejsou jen produktová funkce. Jsou to nové provozní prostředí pro software engineering. A to znamená nové otázky:

jak agenta izolovat
jak mu dát správný kontext
jak obnovit práci po pádu výpočetního uzlu
jak kontrolovat náklady
jak poznat, kdy má agent pokračovat a kdy se má zastavit

Orosz navíc rámuje růst cloudových agentů jako kombinaci několika faktorů. Modely jsou dost dobré na delší kódovací úlohy, infrastruktura pro AI coding agenty dozrála, kontextová okna se zvětšila až k milionu tokenů a cloudoví poskytovatelé mají víc GPU kapacity než dřív.

Zajímavý je i postřeh o používání Codexu v OpenAI. Podle Orosze více než 95 % lidí mimo engineering používá Codex místo ChatGPT. Pokud je to správný signál, nejde jen o adopci vývojářského nástroje programátory. Coding harness se může stát obecnějším rozhraním pro práci s počítačem.

Praktický závěr pro vývojáře je podle mě střízlivý. Cloudoví agenti nejsou jen „AI v cloudu“. Jsou to systémy, které potřebují prostředí, pravidla, infrastrukturu, dobré sledování běhu a nákladovou disciplínu.

A možná právě tam se bude lámat další fáze AI vývoje: ne v tom, kdo má nejhezčí chat, ale kdo dokáže postavit prostředí, ve kterém agenti zvládnou dlouhé úlohy spolehlivě, bezpečně a za rozumnou cenu.