Multiagentsystemer og protokoller
AI-agenter, der udfører reelt arbejde i dine systemer, efter regler, du fastsætter, og under tilsyn af mennesker
Chatbots besvarer spørgsmål, men arbejdet venter stadig på mennesker
De fleste AI-piloter stopper ved et chatvindue. De reelle omkostninger ligger i arbejde, der går på tværs af systemer: at kontrollere en anmodning, slå poster op, opdatere ERP-systemet og give kunden besked.
At give en AI-model åben adgang til disse systemer er ikke en mulighed for en reguleret virksomhed. Hver handling skal være tilladt, logget og kunne forklares, og et menneske skal kunne gribe ind.
Det får du
Udført arbejde, ikke kun svar
Agenter, der udfører arbejde i flere trin på tværs af dine systemer døgnet rundt og ikke kun besvarer spørgsmål.
Ansvar for hver handling
Hvert værktøj, en agent må bruge, er defineret, har tildelte rettigheder og logges, så handlingerne kan revideres.
Mennesker har styringen
Mennesker fører tilsyn med agenterne og griber ind ved undtagelser uden at skulle godkende hvert rutinetrin.
Kvalitet og omkostninger under kontrol
Kvalitet, fejl og tokenforbrug måles for hver agent, med grænser, der stopper ukontrollerede omkostninger.
Det leverer vi
Multiagentworkflows med menneskeligt tilsyn
Agenter, der deler en opgave, hver med en snæver rolle, og som kører døgnet rundt. Med menneskeligt tilsyn (human-on-the-loop, HOTL) følger mennesker arbejdet og håndterer undtagelserne.
MCP-servere og virksomhedsværktøjer
Servere til Model Context Protocol (MCP) og WebMCP, der giver agenter snæver og logget adgang til dine API’er, databaser og interne værktøjer, med deterministisk udførelse af værktøjskald.
A2A-interoperabilitet og AP2-betalinger
Agent2Agent (A2A) lader dine agenter uddelegere arbejde til agenter i andre systemer. Agent Payments Protocol (AP2) lader en agent betale under et kryptografisk mandat, du godkender.
AgentOps
Telemetri, evaluering, guardrails mod hallucinationer og styring af tokenomkostninger for hver agent, så du kan se, hvad hver enkelt gjorde, hvor godt det gik, og til hvilken pris.
Sådan fungerer det
Hvert værktøjskald er deterministisk og kan revideres kryptografisk. AgentOps-telemetri, evaluering og guardrails kører på hver agent, med menneskeligt tilsyn ved undtagelserne.
Vælg workflowet
Vi vælger et workflow med et klart forretningsresultat og aftaler, hvilke trin agenterne tager, hvilke mennesker beholder, og hvor mennesker skal godkende.
Definer værktøjerne
Vi gør de systemer, agenterne har brug for, tilgængelige gennem MCP-servere, hvert værktøj med sine egne rettigheder, input og logning.
Byg og evaluer
Vi bygger agenterne og tester dem på virkelige sager og måler nøjagtighed, fejl og omkostninger, før nogen forlader sig på dem.
Etabler tilsyn
Vi giver dit team et overblik over, hvad agenterne laver, alarmer ved undtagelser og mulighed for at sætte enhver agent på pause eller tilsidesætte den.
Udgiv og drift
Vi udruller gradvist, overvåger kvalitet og tokenforbrug og udvider agenterne til nye trin, når de første har vist deres værd.
Teknologier og standarder
Agenterne arbejder via åbne standarder: MCP og WebMCP til værktøjsadgang, A2A til delegering mellem agenter og AP2 til betalinger. Økosystemerne bygger på standarder fra Linux Foundation og FIDO.
- Frameworks
- FastAPI
- AI og maskinlæring
- LangChain
- LlamaIndex
- Metoder og praksis
- Menneskeligt tilsyn (human-on-the-loop, HOTL)
- AgentOps-telemetri og evaluering
- Guardrails mod hallucinationer
- Styring af tokenomkostninger
Sådan begynder du
De fleste kunder starter med det suveræne agentiske proof of concept: et fungerende multiagentworkflow forbundet med dine interne værktøjer i et privat netværk.
Det sker der nu
Aftale om tidspunkt
Vores team sender dig en e-mail for at aftale et tidspunkt for sessionen.
Forhåndskonsultation
En gratis online forhåndskonsultation på 30 minutter: vi gennemgår dine mål, systemer og begrænsninger.
Parathedsanalyse
I en gratis parathedsanalyse på 48 timer tjekker en ledende arkitekt dit projekt op mod de 6 punkter i Definition of Ready og anbefaler det spor, der passer.
Valg af spor
Projekter med et klart omfang modtager et bindende forslag inden for 3 til 5 hverdage. Projekter i konceptfasen starter i Blueprint Studio. Et system i drift, der fejler, er udokumenteret eller skal integreres, starter med en diagnosticering på 1 til 2 uger. Blueprint Studio og diagnosticeringen har hver et fast honorar, som er angivet i forslaget.
AI-native produktteams
Styrede, tværfunktionelle pods af senioringeniører, udstyret med agentisk kodning og QA-værktøjer.
Projekter med fast resultat og administrerede tjenester døgnet rundt
Milepælsdrevet levering med fast omfang og navngivne leveringsansvarlige samt administrerede applikationstjenester døgnet rundt under SLA-styring.
Den hurtigste vej ind er pakken Suveræn agentisk POC (MCP, A2A, GraphRAG), en af vores hurtige opgavepakker.
Hvor du begynderSpørgsmål og svar
Hvordan adskiller et multiagentsystem sig fra en chatbot?
En chatbot besvarer spørgsmål. En agent handler: den læser poster, kalder dine systemer og gennemfører trin i en proces. Et multiagentsystem fordeler en større opgave mellem agenter med snævre roller, som er nemmere at teste og styre.
Hvad er MCP, A2A og AP2?
Det er åbne protokoller for AI-agenter. Model Context Protocol (MCP) forbinder en agent med værktøjer og data. Agent2Agent (A2A) lader agenter i forskellige systemer uddelegere arbejde. Agent Payments Protocol (AP2) lader en agent betale under et mandat, du underskriver.
Hvordan forhindrer I en agent i at gøre noget, den ikke bør?
En agent kan kun handle gennem de værktøjer, vi definerer for den, hver med sine egne rettigheder og grænser. Hvert kald logges. Guardrails kontrollerer input og output, og trin, der indebærer risiko, venter på, at et menneske godkender dem.
Hvad betyder human-on-the-loop?
Ved human-in-the-loop (HITL) godkender et menneske hvert trin. Ved human-on-the-loop (HOTL) udfører agenterne rutinetrinnene, mens mennesker fører tilsyn, modtager alarmer og griber ind ved undtagelser. Vi aftaler med dig, hvilke trin der kræver hvad.
Hvordan ved I, at agenterne er nøjagtige nok?
Vi bygger et evalueringssæt ud fra virkelige sager med de forventede resultater. Hver agent måles på det før udgivelse og efter hver ændring af prompter, modeller eller værktøjer. Du godkender tærsklen, og vi udgiver ikke under den.
Hvordan holder I tokenomkostningerne under kontrol?
AgentOps måler de tokens, hver agent og hvert trin bruger. Vi sætter grænser pr. opgave, cacher gentaget arbejde og sender rutinetrin til mindre modeller. Forbruget rapporteres, så et workflow, der bliver dyrt, opdages tidligt.
Kan agenterne køre, uden at vores data forlader vores miljø?
Ja. Agenterne, værktøjerne og modellerne kan køre i dit eget datacenter eller i et privat netværk i en regional suveræn cloud. Vores team for suveræne LLM’er hoster modellerne der.
Hvem ejer de agenter, I bygger?
Det gør du. Den kode, de prompter, værktøjsdefinitioner og evalueringssæt, vi udvikler til dig, er dine, når hver milepæl er betalt. Kommercielle modeller er fortsat underlagt deres egne licensvilkår, som vi giver dig en liste over.
Start med en samtale, ikke en kontrakt.
Fortæl os, hvad du skal bygge, forbinde eller sikre. En arkitekt gennemgår det med dig og anbefaler derefter, hvor du skal starte.