Momen besar bagi pembangun Agen! Ada pola yang terus berulang dalam perangkat lunak. Pertama, semua orang fokus pada masalah "bangunan". Kerangka kerja muncul, matang, dan menjadi benar-benar baik. Kemudian tiba-tiba, kendala beralih ke penyebaran. Kami melihat ini dengan jaringan saraf. PyTorch, TensorFlow, dan Caffe semuanya sangat baik untuk membangun model. Tetapi menyebarkannya berarti berurusan dengan format dan runtime yang berbeda. ONNX memungkinkan pengembang untuk membangun kerangka kerja apa pun yang mereka inginkan, mengekspor ke format standar, dan menyebarkan di mana saja. Kami menyaksikan pola yang sama terungkap dengan Agen saat ini. Kerangka kerja seperti LangGraph, CrewAI, Agno, dan Strands cukup matang sehingga membangun agen bukan lagi bagian tersulit. Sebaliknya, itulah yang terjadi setelah itu: penerapan, streaming, manajemen memori, observabilitas, dan penskalaan otomatis. Ini bukan masalah agen melainkan masalah infra. Dan saat ini, setiap tim AI yang saya ajak bicara menyelesaikannya dari awal. xpander mengambil pendekatan ONNX untuk masalah ini, dan saya pikir itu adalah model mental yang tepat. Ide intinya sederhana: bawa agen Anda (dibangun dalam kerangka kerja apa pun), terapkan melalui xpander, dan dapatkan semua infrastruktur produksi. Ini termasuk: - Terapkan tanpa server dalam ~2 menit - Streaming SSE untuk UX pemikiran waktu nyata...