NVIDIA Agent Toolkit розширюється: до нього додається нова основа для підключення корпоративних агентів до даних компанії, а також моделі й інструменти для контролю їхньої діяльності. У звіті від 21 жовтня 2026 року NVIDIA описала впровадження у власному ланцюгу постачання та на корпоративних програмних платформах, поставивши доступ до бізнес-даних у центр останнього розширення інструментарію з відкритим вихідним кодом.
Основні висновки
- Нова Agent Knowledge Foundation пов’язує інформацію компанії з бізнес-поняттями, щоб агенти могли отримувати контекст і підтримувати прогнозування.
- NVIDIA назвала впровадження за участю Palantir, Databricks і Snowflake, хоча реалізації на кожній платформі відрізняються.
- NVIDIA також згадала про покращення пошуку в Amazon OpenSearch Service, SAP і ServiceNow; ці результати стосуються використання окремих моделей, а не інструментарію загалом.
Зміст
- Що NVIDIA Agent Toolkit додає для роботи з даними компаній
- Стан корпоративних впроваджень
- Що підтверджують результати пошуку
- Як контролюються доступ і вдосконалення агентів
- Висновок
Що NVIDIA Agent Toolkit додає для роботи з даними компаній
Центральним доповненням стала NVIDIA Agent Knowledge Foundation, яка поєднує бібліотеки обробки даних із моделями для пошуку інформації та роботи зі структурованими даними. За словами NVIDIA, компанії можуть використовувати її, зберігаючи наявні місця зберігання даних, робочі процеси та засоби управління.
Нова бібліотека Auto-Ontology дає агентам орієнтоване на бізнес тлумачення необробленої інформації. Замість того щоб розглядати записи лише як окремі точки даних, вона визначає такі поняття, як клієнти, продукти й замовлення, та встановлює зв’язки між ними. Цей контекст має допомогти агентам відповідати на бізнес-запитання й підтримувати ухвалення рішень.
До основи входять бібліотеки CUDA-X, зокрема cuDF, cuGraph, cuML, cuOpt і cuVS. Серед моделей — Nemotron Retriever і сімейство Kumo Structured: Kumo Tabular, Kumo Relational, Kumo Time Series і Kumo Forecast.
| Елемент | Деталі |
|---|---|
| NVIDIA OpenShell | Безпечне середовище виконання, що дає змогу компаніям обмежувати доступ агентів і їхні дії. |
| Проєктні схеми NVIDIA NemoClaw | Типові проєктні рішення для створення безпечних агентів, призначених для спеціалізованих завдань. |
| Найновіша схема оптимізації NemoClaw | Покрокова базова структура для підвищення інтелектуальності агентів. |
Стан корпоративних впроваджень
Підрозділ NVIDIA, що відповідає за ланцюг постачання, використовує цю основу разом із Foundry, Ontology та AIP від Palantir. За даними NVIDIA, це впровадження підтримує спеціалізованих агентів, які працюють із конфіденційною інформацією для прогнозування й оптимізації рішень. У звіті йдеться про внутрішнє впровадження, а не лише про запропонований варіант застосування.
Databricks поєднує свою Genie Ontology з NVIDIA Kumo Anomaly для агентів, які використовують контекстну інформацію. Підхід Snowflake передбачає розміщення моделей Kumo Engine і Kumo Relational у середовищах Snowflake Notebook, що дає клієнтам змогу додавати там прогнозні функції.
Ці приклади демонструють різні шляхи до корпоративного використання: операційне впровадження в NVIDIA, інтеграцію з Databricks і доступ для клієнтів через середовище ноутбуків Snowflake. Їх не слід вважати однаковими реалізаціями або доказом еквівалентних результатів.
Що підтверджують результати пошуку
NVIDIA навела кілька результатів для Nemotron Retriever, окремо розглянувши покращення пошуку й повторного ранжування та ширші можливості корпоративних агентів. За даними NVIDIA, в Amazon OpenSearch Service модель ембедингів підвищила релевантність і водночас скоротила кількість кроків пошуку практично без додаткової затримки.
Компанія повідомила, що донавчений повторний ранжувальник SAP працював майже втричі швидше. Також, за її словами, ServiceNow підвищила якість повторного ранжування, скоротивши затримку майже на чверть. У звіті не наведено спільного бенчмарку, який давав би змогу безпосередньо порівняти ці результати.
Zoom використовує Nemotron Retriever для розуміння документів, релевантності пошуку й отримання контексту в Zoom AI Services. NVIDIA не навела кількісних показників ефективності цього впровадження.
Як контролюються доступ і вдосконалення агентів
Розширення не обмежується наданням агентам більшого обсягу інформації. Супутні компоненти охоплюють межі виконання, проєктування спеціалізованих агентів та оптимізацію; їхні окремі завдання підсумовано нижче.
NVIDIA описує найновішу схему оптимізації NemoClaw як відправну точку для поступового підвищення інтелектуальності агентів. Це типове проєктне рішення для розробників, а не доказ того, що кожне корпоративне впровадження вже забезпечило покращення. У звіті також згадано NeMo Relay і NeMo Compass серед інструментів і навичок цього інструментарію, однак їхні функції не деталізовано.
Висновок
Розширення об’єднує в одному інструментарії тлумачення даних компаній, пошук і засоби контролю виконання. Найпереконливіші конкретні свідчення — це названі впровадження та результати на рівні моделей; ці приклади не підтверджують єдиного показника ефективності для всього стеку агентів.
Читайте також
Застереження
Ця стаття FinanceVelix містить загальну інформацію і не є персональною фінансовою, інвестиційною, юридичною чи податковою консультацією. Ринкові ціни, процентні ставки та економічні умови можуть змінюватися; інвестиції пов’язані з ризиком збитків. Факти відповідають матеріалам, доступним на момент публікації, і можуть змінитися. Самостійно перевіряйте важливу інформацію та за потреби звертайтеся до кваліфікованого фахівця. Згадка про актив, компанію чи послугу не є рекомендацією.
