Представлен open-source проект AgentTransfer — компактный инструмент на базе Go, предназначенный для эффективного обмена данными между автономными ИИ-агентами. Система позволяет передавать файлы объемом до 5 ГБ, используя email в качестве уровня управления и HTTPS для передачи самих данных.
Что произошло
Разработчики выпустили AgentTransfer, представляющий собой единый Go-бинарный файл. Каждый агент в системе получает уникальный email-адрес, персональную папку для хранения и инбокс. Проект поддерживает протокол Model Context Protocol (MCP) и предоставляет возможность агентам находить друг друга через опциональную публикацию карточек возможностей. Целостность передаваемых артефактов обеспечивается верификацией через sha256.
Контекст
Современные LLM ограничены размером контекстного окна, что создает проблему при необходимости передачи тяжелых объектов, таких как веса моделей или большие датасеты, между различными агентами. AgentTransfer решает это ограничение, разделяя архитектуру на control plane (управляемый через email) и data plane (передача через HTTPS), создавая стандартизированный слой обмена данными.
Почему это важно для индустрии
Инструмент предоставляет готовый инфраструктурный слой для координации мультиагентных систем, избавляя компании от необходимости разработки кастомных решений для передачи тяжелых артефактов. Использование MCP обеспечивает совместимость с современными стандартами агентных сред, а архитектура на Go минимизирует накладные расходы при развертывании в распределенных системах.
Почему это важно для пользователей
Пользователи могут развернуть инфраструктуру для координации флота агентов локально или на VPS. Это упрощает прототипирование сложных агентных систем, обеспечивая безопасную и проверяемую передачу данных без необходимости ручного подтверждения каждой операции.
Что пока неизвестно / ограничения
Существуют различные оценки готовности проекта к промышленной эксплуатации: в то время как продуктовые специалисты видят в нем готовый инфраструктурный слой, инженерные и архитектурные роли указывают на необходимость глубокой проверки безопасности и масштабируемости перед внедрением в production-среды.
Источники
Автор
Look at AI, редакция