Stort ögonblick för agentbyggare! Det finns ett mönster som upprepas i mjukvaran. För det första fokuserar alla på "bygg"-problemet. Ramverk växer fram, mognar och blir genuint bra. Sedan plötsligt byter begränsningen till utplacering. Vi såg detta med neurala nätverk. PyTorch, TensorFlow och Caffe var alla utmärkta för att bygga modeller. Men att distribuera dem innebar att hantera olika format och körtider. ONNX tillät utvecklare att bygga in vilket ramverk de ville, exportera till ett standardformat och distribuera var som helst. Vi ser samma mönster utvecklas med Agents just nu. Ramverk som LangGraph, CrewAI, Agno och Strands är tillräckligt mogna för att bygga en agent inte längre är den svåraste delen. Istället är det vad som händer efter det: distribution, streaming, minneshantering, observabilitet och automatisk skalning. Det här är inte agentproblem utan snarare infrastrukturella problem. Och just nu löser varje AI-team jag har pratat med dem från grunden. xpander tar ONNX-metoden till detta problem, och jag tycker att det är rätt mentala modell. Kärnidén är enkel: ta med din agent (byggd i vilket ramverk som helst), distribuera den via xpander och skaffa all produktionsinfrastruktur. Detta inkluderar: - Distribuera serverlöst på ~2 minuter - SSE-streaming för realtidstänkande UX...