Workato-ს AI Registry აგენტებს ერთ კატალოგში აქცევს — კონტროლი ვრცელდება

Workato-მ 2026 წლის 23 სექტემბერს WOW 2026-ზე AI Registry და Enterprise AI Control Plane წარადგინა. გამოცხადებული კატალოგი ორგანიზაციის მიერ დამტკიცებულ AI რესურსებს ერთ სივრცეში აერთიანებს, ხოლო მართვის ფენა Workato-ს გარეთ შექმნილ აგენტებსაც მოიცავს. იმავე ღონისძიებაზე კომპანიამ AIRO-ს ახალი როლი, Live Process Graph, Agent Evals და Workato XChange წარმოადგინა.

ახალი შეთავაზება აგენტების მართვას რამდენიმე მოქმედებად ყოფს: რესურსის მოძიებას, მასზე წვდომის განსაზღვრას, შესრულებისას პოლიტიკის გამოყენებასა და გაშვების შემდეგ მუშაობის შეფასებას. Workato-ს ოფიციალურ განცხადებაში თანადამფუძნებელი და აღმასრულებელი დირექტორი Vijay Tella ამბობს: “Customers need a neutral control and execution layer that will enable them to scale their AI.” ეს ხედვა კორპორაციული სისტემებისთვისაა განკუთვნილი, სადაც აგენტი მხოლოდ პასუხს კი არ აბრუნებს, არამედ მოდელებს, ინსტრუმენტებსა და სხვა აგენტებს უკავშირდება.

რეესტრი: რა ჩანს ერთ კატალოგში

AI Registry-ის უშუალო ამოცანა დამტკიცებული რესურსების მოძიება და გაზიარებაა. Workato-ს Control plane-ის დოკუმენტაცია კატალოგში აგენტებს, MCP სერვერებსა და AI მოდელების მარშრუტებს ასახელებს; იმავე გვერდზე წერია, რომ Control plane შერჩეული კლიენტებისთვისაა ხელმისაწვდომი. რეესტრის გამოცხადება ამიტომ ყველა მომხმარებლისთვის ფუნქციის ერთდროულ გახსნას არ ნიშნავს.

დოკუმენტირებული კატალოგი ერთმანეთთან დაკავშირებულ სამუშაო სივრცეებში არსებულ რესურსებს აჩვენებს. აქტივების ნახვა შესაძლებელია სამუშაო სივრცის, გარემოსა და ხილვადობის მიხედვით; ადმინისტრატორს მათი გამოქვეყნება ან დამალვა შეუძლია. მომხმარებლისთვის გამოქვეყნებული არჩევანი ქმნის საერთო შესასვლელს, მაგრამ კატალოგში ჩანაწერი ჯერ არ ნიშნავს, რომ პლატფორმამ აგენტის ყველა მოქმედება აღრიცხა ან შეამოწმა. რეესტრი პირველ რიგში პასუხობს კითხვას, რომელი რესურსია ცნობილი და ხელმისაწვდომად მონიშნული.

გარე პლატფორმაზე აგებული აგენტების ჩართვა გამოცხადებული შეთავაზების ნაწილია. ამასთან, დოკუმენტირებული კატალოგი დაკავშირებულ სამუშაო სივრცეებს აღწერს და არ ადგენს ორგანიზაციის ყველა დამოუკიდებელი AI სისტემის ავტომატურ აღმოჩენას. ერთი კატალოგის მოცულობა იმაზეა დამოკიდებული, რომელი აქტივებია რეალურად დაკავშირებული, ჩამოთვლილი და გამოქვეყნებული. ეს განსხვავებაა ფართო პლატფორმულ შეთავაზებასა და ადმინისტრატორისთვის ხილულ კონკრეტულ სიას შორის.

წვდომა და მოქმედებისას პოლიტიკა

რეესტრში გამოქვეყნებული რესურსის გამოყენება ცალკე წვდომის საკითხია. User portal ადამიანებს აძლევს ადგილს ხელმისაწვდომი აქტივების საპოვნელად, Registry MCP კი MCP-სთან თავსებად კლიენტებსა და აგენტებს რეესტრთან აკავშირებს. ადმინისტრატორები განსაზღვრავენ, რა მოხვდება დამტკიცებულ სიაში და ვინ მიიღებს წვდომას; თანამშრომლებს შეუძლიათ რესურსის პოვნა და წვდომის მოთხოვნა. ამ გზით კატალოგი არჩევანს ორგანიზაციის შიგნით ხილულს ხდის, ხოლო უფლებების მართვა მისი გამოყენების პირობებს განსაზღვრავს.

შესრულებისას კონტროლის ფენა AI Gateway-ია. მასში Model Gateway, MCP Gateway, Agent Gateway და API Gateway შედის; ის შუამავლობს მოდელებთან, MCP სერვერებთან, აგენტებთან, ინსტრუმენტებსა და API-ებთან გამავალ ტრაფიკს. პოლიტიკის მოქმედება ამ მართვად გზაზე გამავალ მოთხოვნებს უკავშირდება. გარე აგენტის კატალოგში ყოფნა თავისთავად ვერ აჩვენებს, რომ მისი ყველა მიმართვა იმავე გზით შესრულდება: ამისთვის შესაბამისი კავშირები მართვის ფენას უნდა გადიოდეს.

Control plane ასევე აერთიანებს დაკავშირებული სამუშაო სივრცეების იდენტობებს, როლებს, პოლიტიკებსა და აუდიტის კვალს. ეს ადმინისტრაციული მართვა განსხვავდება AI Gateway-ის მიერ კონკრეტულ მოთხოვნაზე პოლიტიკის გამოყენებისგან. თუ თანამშრომელი აგენტს პორტალში პოულობს, მან იცის, რომ ორგანიზაციამ რესურსი გამოქვეყნებულ არჩევანში შეიტანა; რომელი ინსტრუმენტის გამოძახებაა ნებადართული, უკვე შესრულების არხსა და მის წესებზეა დამოკიდებული. კატალოგის ჩანაწერი ამ წესების შესრულების მტკიცებულება არ არის.

Agent Evals: კონტროლი გაშვების შემდეგ

Agent Evals აგენტის ქცევის შეფასებას მისი ამოქმედების შემდეგაც აგრძელებს. გამოცხადებული მიმართულებებია პასუხის სისწორე, ინსტრუმენტის არჩევანი, პოლიტიკის დაცვა, უსაფრთხოება და მიღებული შედეგის ხარისხი. მონიტორინგი იმ შემთხვევებსაც მოიცავს, როცა აგენტი მოქმედებას ხელახლა ცდილობს, მარყუჟში ხვდება ან სხვა აგენტსა და ინსტრუმენტს მიმართავს. ამდენად, შემოწმების საგანია საბოლოო პასუხიც და მის მიღებამდე შესრულებული ნაბიჯებიც.

ეს განსხვავება მრავალსაფეხურიან ამოცანაში ჩანს: აგენტმა შეიძლება გამოსადეგი პასუხი დააბრუნოს, მაგრამ გზად არასწორი ინსტრუმენტი აირჩიოს ან ნებართვის ზღვარს მიუახლოვდეს. შეფასების ფენა ასეთ ქცევას აკვირდება, ხოლო შესრულებისას პოლიტიკა შესაბამისი არხის წესებს იყენებს. გამოცხადებული კრიტერიუმები ფუნქციის აღწერაა და არა საჯაროდ გაზომილი სიზუსტის ან უსაფრთხოების შედეგი. რეესტრში დამტკიცება და მუშაობის შემდგომი შეფასება, შესაბამისად, სხვადასხვა გადაწყვეტილებას ემსახურება.

ხარჯის ხილვადობა და ხელმისაწვდომობის ზღვარი

ხარჯების ნაწილი მოდელთან დაკავშირებული მოთხოვნების მართვას ეხება. Model Gateway მარშრუტის არჩევისას ითვალისწინებს ღირებულებას, ამოცანის სირთულეს, დაყოვნებას, ხელმისაწვდომობას, გეოგრაფიასა და მონაცემების მგრძნობელობას. პლატფორმას შეუძლია სხვადასხვა მოდელს შორის არჩევანი გააკეთოს ისე, რომ აპლიკაციის ფენა უცვლელი დარჩეს; დასახელებულ ვარიანტებში არიან OpenAI, Anthropic, Gemini, ღია წონების და მომხმარებლის საკუთარი მოდელები. ეს მექანიზმი ხარჯზე ზემოქმედების საშუალებას აღწერს და კონკრეტულ დანაზოგს არ უდრის.

გამოყენების ხილვადობასაც თავისი საზღვარი აქვს: AI რესურსების მოხმარება ჩანს იმ სამუშაო სივრცეებსა და მარშრუტებში, რომლებიც Control plane-ს უკავშირდება. ადმინისტრატორისთვის რესურსების სია და ტოკენებისა თუ მოთხოვნების მოძრაობა სხვადასხვა ინფორმაციას იძლევა. პირველი აჩვენებს, რა შეიძლება იპოვონ თანამშრომლებმა; მეორე — სად წარმოიშვა მოხმარება და რომელი მოდელი ან აგენტი იყო ჩართული. მათი ერთმანეთთან დაკავშირება ხარჯის აღრიცხვას უფრო კონკრეტულს ხდის, თუმცა მართვადი არხის მიღმა დარჩენილი აქტივის ქცევას ვერ წარმოაჩენს.

საქართველოში მოქმედი ორგანიზაციისთვის გარე აგენტზე კონტროლის რეალურ მასშტაბს განსაზღვრავს, მოხვდება თუ არა ის რეესტრში, ვის მიეცემა მასზე წვდომა და გაივლის თუ არა მისი მოთხოვნები Workato-ს მართვად არხებს. ამ ეტაპზე Control plane შერჩეული კლიენტებისთვისაა ხელმისაწვდომი. სხვა მომხმარებლებისთვის კატალოგის გამოცხადება ჯერ არ ნიშნავს, რომ ეს შესაძლებლობები მათ სამუშაო სივრცეებშიც ჩაირთო.

ასევე წაიკითხეთ:

• OpenAI-ის აგენტებმა 53 მომხმარებლის სურათი გარე საიტებზე ატვირთეს
• Microsoft Foundry-ის აგენტები დავალებებს უკვე განრიგითაც შეასრულებენ