V nejnovějším díle podcastu AI ta Krajta, se moderátoři ponořili do fascinujícího světa autonomních agentů a evoluce AI nástrojů. Hlavním tématem 38. epizody je posun od jednoduchého „vibe codingu“ k sofistikovaným systémům, kde agenti dokáží pracovat samostatně i několik hodin. Dozvíte se, jaký je rozdíl mezi MCP servery a novými „skilly“, jak vypadá budoucnost komunikace mezi agenty (např. agent Alzy komunikující s vaším osobním asistentem) a proč je klíčem k úspěchu extrémní delegování a precizní kontext.
O čem byla řeč? Hlavní kapitoly epizody
- 1:03 – Úvod a novinky: Anabáze s Cloudbotem a Open Claudem
- 2:25 – Databáze skillů a dovedností: Budoucnost sdílení kontextu
- 5:16 – MCP servery vs. Skills: Proč je adopce tak rychlá?
- 7:07 – Vize budoucnosti: Agenti komunikující mezi sebou (Příklad Alza)
- 14:57 – AI platformy ve firmách a návratnost investic
- 18:37 – Vibe coding a metrika samostatného běhu agenta
- 21:13 – Souboj přístupů: Rychlý feedback loop vs. Extrémní delegování
- 26:17 – Konkrétní příklad workflow: Jak nechat agenta pracovat 2 hodiny
- 38:26 – Tipy na nástroje pro multiagentní orchestraci (Gestown)
Hloubková analýza: Od promptů k autonomním kolegům
Od sdílení promptů k databázím dovedností
Evoluce v používání AI prošla několika fázemi. Zatímco dříve se sdílely prosté textové prompty v „knihovnách 1000 promptů zdarma“, dnes se přesouváme k mnohem sofistikovanějším formátům. Skills (dovednosti) představují standardizované balíčky schopností, které lze snadno instalovat do nástrojů jako Cursor nebo Claude Desktop. Na rozdíl od MCP (Model Context Protocol) serverů, které vyžadují složitější konfiguraci, jsou skilly pro běžného uživatele i vývojáře přístupnější a jejich adopce je díky tomu raketová. 5:02
Budoucnost: Agenti, kteří si povídají za našimi zády
Fascinující vizí, kterou podcast otevírá, je svět, kde každá služba nebo značka má svého vlastního agenta. Místo procházení webu se váš osobní asistent (např. Gemini nebo GPT) spojí přímo s agentem prodejce (např. „Alzabota“). Tito agenti spolu prokonzultují parametry v přirozeném jazyce, vyřeší kaskádu dotazů přes specializované sub-agenty (odborníky na telefony, pračky atd.) a vám doručí až finální výsledek. Tento posun od API volání ke konverzaci mezi agenty zásadně změní branding a marketing. 8:54
Duel metodik: Hlídání agenta vs. Extrémní delegování
V podcastu dochází k zajímavému střetu dvou pohledů na efektivitu práce s AI:
- Rychlý feedback loop: Přístup, kde vývojář s agentem úzce spolupracuje, kontroluje každý krok každých pár minut a koriguje směr. Tento model buduje větší důvěru a je vhodnější pro méně předvídatelné úkoly. 33:42
- Extrémní delegování: Pavel představuje metodu, kdy věnuje půl dne precizní přípravě kontextu (Markdown soubor s požadavky, akceptačními kritérii a motivací) a následně nechá agenta běžet samostatně i 2 hodiny. I když je „pomalý“ feedback zdánlivě neefektivní, v celkovém součtu dokáže takto odbavit více komplexních úkolů paralelně. 29:37
Metrika samostatnosti a „Vibe Coding“
Důležitým ukazatelem pokroku není jen hrubý výkon modelu, ale doba, po kterou dokáže agent pracovat na komplexním úkolu bez lidského zásahu. Zatímco před rokem jsme AI úkolovali po malých kouscích (např. „přidej tlačítko“), dnes už agenti zvládají implementovat celé systémy (např. SSO přihlašování přes 20 providerů) včetně auditů zabezpečení, pokud mají správný kontext. 18:53
Závěr
Nástup autonomních agentů mění pravidla hry nejen v IT, ale v celém byznysu. Klíčem k efektivitě už není jen umět psát prompty, ale umět delegovat a definovat kontext. Jaký přístup preferujete vy? Jste zastánci neustálé kontroly, nebo se nebojíte nechat AI pracovat hodiny samostatně?
Budeme rádi za vaše názory v komentářích! Pokud vás zajímá, jak vypadá konkrétní zadání pro agenta na 2 hodiny práce, podívejte se na odkazy pod videem na YouTube. Nezapomeňte odebírat podcast AI ta Krajta a sdílet tento článek dál. Podívejte se taky na další epizody aby vám neunikla žádná zajímavá informace.
Komentáre