Összeállított rendszer az önálló AI-ügynökökhöz
Az NVIDIA olyan nyílt blueprinteket mutatott be, amelyek több, egymással összefüggő technológiát egyetlen használható rendszerbe rendeznek. A NemoClaw azoknak a fejlesztőknek készül, akik nem szeretnék lecserélni meglévő ügynöki keretrendszerüket, mégis szabályozható és egy adott feladatra hangolt AI-ügynököket futtatnának. az AI Hírek összefoglalója a NemoClaw nyílt stackjéről szerint a megoldás az NVIDIA fejlesztői blogján, 2026. október 30-án jelent meg.
A vállalat hangsúlyozza, hogy a NemoClaw nem új ügynöki keretrendszer, és önmagában nem is futtatási környezet. Inkább olyan összeállított stackről van szó, amelyben a modell, a keretrendszer, az optimalizáció, a megfigyelhetőség és a szabályozott futtatás egymáshoz illeszkedik.
Három eltérő keretrendszerre épülhet
A jelenlegi blueprintek az OpenClaw, a Nous Research által fejlesztett Hermes Agent és a LangChain Deep Agents használatát támogatják. A fejlesztő így a feladat jellegéhez igazíthatja az alapot, miközben a többi technológiai elem egy közös rendszerben marad.
- Az OpenClaw fájlokhoz és alkalmazásokhoz férhet hozzá, kódot írhat, alügynököket indíthat, valamint több munkameneten át kezelheti a kontextust.
- A Hermes Agent a használat során kialakított munkafolyamatokat tartós készségekké alakíthatja.
- A LangChain Deep Agents összetett, több lépésből álló feladatokhoz kínál tervezést, fájlalapú kontextuskezelést, memóriát és specializált alügynökökhöz való delegálást.
A NemoClaw célja ezzel az, hogy a fejlesztők a saját megszokott keretrendszerük megtartása mellett kapjanak hozzáférést az NVIDIA modelljeihez, optimalizációs eszközeihez és biztonsági megoldásaihoz.
Modellek, optimalizáció és hozzáférési szabályok
Egy NemoClaw blueprint négy fő összetevőt kapcsol össze. Az első egy hangolt, nyílt ügynöki keretrendszer, például a Hermes Agent, a LangChain Deep Agents vagy az OpenClaw. Ehhez társulnak a Nemotron nyílt modellek, valamint az NVIDIA NeMo eszközkészlete. Ennek része a NeMo Relay is, amely az ügynök végrehajtásának megfigyelését és fejlesztését támogatja.
A routingfunkciók az NVIDIA leírása szerint a teljesítmény, a költség és a megbízhatóság javításában segíthetnek. A negyedik elem az NVIDIA OpenShell biztonságos futtatási környezete. Ez meghatározza, hogy az ügynök mely fájlokhoz, hálózatokhoz, hitelesítő adatokhoz és eszközökhöz férhet hozzá.
A szabályok akkor is érvényben maradnak, ha az ügynök memóriája vagy a visszakeresett kontextus nem kívánt művelet felé terelné a rendszert. Az OpenShell például olyan házirendek kialakítását is lehetővé teszi, amelyek megakadályozzák az adatok GitHubra történő kiszivárogtatását.
Alacsonyabb költség és többféle futtatási hely
Az NVIDIA szerint a modell és az ügynöki keretrendszer összehangolása jelentős különbséget okozhat a működésben. Ha a két elem nincs megfelelően illesztve, az ügynök ismételten lekérheti ugyanazt a kontextust, túl korán leállhat, vagy előrelépés nélkül ismételheti ugyanazokat a lépéseket.
A LangChain a Deep Agents keretrendszert a Nemotron 3 Ultra modellhez hangolta. Ehhez a promptokat, az eszközöket és a köztes szoftvereket módosították, magát a modellt azonban nem tanították újra. Az NVIDIA állítása szerint az így kialakított teljesítmény megközelíti a vezető zárt modellek szintjét, miközben egy futás költsége hozzávetőleg tízszer alacsonyabb. A modellprofil a LangChain GitHub tárházában érhető el, az optimalizációk pedig a NemoClaw blueprintjében is szerepelnek.
A NemoClaw alapú ügynökök felhőben, adatközpontokban, NVIDIA DGX Spark rendszereken, valamint NVIDIA RTX PC-ken és munkaállomásokon is futtathatók. Ugyanazon a stacken működhet például kórházi klinikai ügynök vagy elektronikai tervezési automatizálási szimulációs ügynök, eltérő eszközökkel és készségekkel.
A specializált rendszerek olyan frontier ügynökökkel is együtt dolgozhatnak, mint a Claude, a Codex vagy a Cursor. Ezek domain-specifikus részfeladatokat delegálhatnak a nyílt modelleken és a fejlesztő saját infrastruktúráján futó ügynököknek. Az NVIDIA egy memóriaalapú Chief of Staff receptet is bemutatott, amely az emberekről, projektekről, prioritásokról és munkamintákról tart fenn tartós, ember által olvasható modellt. A fejlesztők a saját keretrendszerükhöz választhatnak blueprintet, majd testre szabhatják az eszközöket, modelleket és futtatási házirendeket. Ehhez az NVIDIA DLI kurzust, gyorsindítási útmutatót és GitHub tárházat kínál.
