Autogenesis: Novi protokol za AI agente koji se sami mijenjaju uz verzionirane resurse i rollback mehanizam
Zašto je bitno
Autogenesis (AGP) je protokol koji modelira AI agente, promptove, alate i memoriju kao registrirane resurse s eksplicitnim stanjem i verzioniranim sučeljima. Self Evolution Protocol Layer (SEPL) daje closed-loop operatorsko sučelje za predlaganje, procjenu i commitanje poboljšanja uz revizijski trag i rollback, čime rješava problem nestabilnosti kod agenata koji iterativno mijenjaju vlastite komponente.
Što točno radi Autogenesis?
Autogenesis (skraćeno AGP, Agent Generation Protocol) je novi istraživački okvir predstavljen na arXivu koji tretira AI agente ne kao statičke skripte, već kao sustav verzioniranih resursa. U ovom pristupu četiri ključna elementa — promptovi, agenti, alati i memorija — registrirani su kao resursi s eksplicitnim stanjem i verzioniranim sučeljima, slično tome kako Git verzionira kod ili kako Kubernetes verzionira resurse klastera.
Srce protokola je Self Evolution Protocol Layer (SEPL), closed-loop operatorsko sučelje kroz koje agent predlaže, evaluira i commita poboljšanja nad vlastitim resursima. Svaki commit ima revizijski trag — zabilježeno je tko (ili što) je predložio promjenu, na koju metriku se oslonio, i je li prošao validaciju.
Zašto je rollback važan?
Samoizmjenjivi agenti su teorijski jednostavni — agent analizira svoje ponašanje i sam mijenja prompt ili dodaje alat. U praksi, jedna pokvarena izmjena može ubiti sposobnost agenta da radi, a onda nema tko popraviti kvar jer je sam agent sada nefunkcionalan.
AGP rješava to klasičnom softverskom konvencijom: svaka izmjena resursa je atomska, verzionirana i reverzibilna. Ako nova verzija prompta dovodi do regresije, jedan rollback poziv vraća agent na prethodnu stabilnu verziju. Time samoevolucija postaje inženjerski prihvatljiva — ne “da se nadamo da neće puknuti”, nego “možemo sigurno pokušati, jer imamo undo”.
Što rad demonstrira?
Autor Wentao Zhang u preprintu pokazuje da AGP konzistentno poboljšava snažne bazne linije na zadacima koji zahtijevaju:
- Dugotrajno planiranje (long-horizon reasoning)
- Korištenje alata (tool use u realnim API okruženjima)
Točni benchmarci i usporedbe s drugim agentnim protokolima (npr. OpenAI Agents SDK, LangGraph, Anthropic Claude agents) nisu eksplicitno navedeni u sažetku, ali smjer istraživanja je jasan: agent koji se može sam popravljati, ali ne može sam sebi nepovratno pokvariti temelj.
U kontekstu širih agent protokola
Zadnja dva mjeseca su donijela niz protokolskih prijedloga — OpenAI Agents SDK s native sandbox izvršavanjem, Anthropic MCP server ekosustav, LangChain async subagenti. AGP se od njih razlikuje time što cilja specifičan problem samoevolucije umjesto općeg agent orkestracijskog okvira.
Ako se koncept usvoji šire, AGP-tip protokoli mogli bi postati standardni sloj iznad MCP-a — MCP opisuje kako se alati otkrivaju i pozivaju, AGP bi opisao kako ih agent sigurno mijenja tijekom vremena. Peer-review validacija i otvoreni kod su sljedeći logičan korak; oba su neizvjesna za sada, ali koncept je dovoljno koherentan da privuče pažnju u agent zajednici.
Ovaj članak generiran je uz pomoć umjetne inteligencije na temelju primarnih izvora.
Povezane vijesti
Anthropic: Memory za Managed Agents u javnoj beti — AI agenti koji pamte kontekst između sesija
GitHub: Cloud agent sesije sada dostupne izravno iz issues i project pogleda
ArXiv SWE-chat — dataset stvarnih interakcija developera s AI coding agentima u produkciji