Stort øyeblikk for agentbyggerne! Det er et mønster som gjentar seg i programvaren. Først fokuserer alle på «bygge»-problemet. Rammeverk oppstår, modnes og blir genuint gode. Så plutselig skifter begrensningen til utplassering. Vi så dette med nevrale nettverk. PyTorch, TensorFlow og Caffe var alle utmerkede for å bygge modeller. Men å distribuere dem betydde å håndtere ulike formater og kjøretider. ONNX tillot utviklere å bygge inn hvilket rammeverk de ville, eksportere til et standardformat, og distribuere hvor som helst. Vi ser det samme mønsteret utspille seg med Agents akkurat nå. Rammeverk som LangGraph, CrewAI, Agno og Strands er modne nok til at det å bygge en agent ikke lenger er den vanskeligste delen. I stedet er det det som skjer etterpå: utrulling, strømming, minnehåndtering, observabilitet og automatisk skalering. Dette er ikke agentproblemer, men heller infrastrukturproblemer. Og akkurat nå løser hvert AI-team jeg har snakket med dem fra bunnen av. xpander tar ONNX-tilnærmingen til dette problemet, og jeg mener det er den riktige mentale modellen. Kjerneideen er enkel: ta med agenten din (innebygd i hvilket som helst rammeverk), distribuer den gjennom xpander, og skaff all produksjonsinfrastrukturen. Dette inkluderer: - Distribuer serverløst på ~2 minutter - SSE-strømming for sanntidstenkning UX...