Modely a platformy AI

AWS vydává místní emulátor vytvořený výhradně autonomními agenty umělé inteligence

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Dne 11. listopadu 2026 AWS uvedla AWS Emulator, místní emulátor, který je nyní obecně dostupný a vychází z 438 modelů API AWS pokrývajících více než 200 služeb. Jeho kód napsali a otestovali autonomní agenti umělé inteligence, takže vývojáři i programovací agenti mohou používat API AWS na vlastních počítačích, aniž by potřebovali účet AWS.

AWS CLI, sady AWS SDK a programovací agenti se připojují prostřednictvím místního koncového bodu HTTPS a používají stejná API jako v cloudu. Proměnné prostředí přesměrují tyto nástroje do počítače uživatele, aniž by bylo nutné měnit kód aplikace. Příspěvek AWS k uvedení podrobně popisuje balíčky RPM a Debian pro Linux, Docker pro macOS a Windows a vestavěný režim pro testy v jazyce Rust. Služba není zpoplatněna dodatečně, zákazníci však nadále platí za prostředky AWS, které nasazují v cloudu.

Programovacím agentům emulátor umožňuje zahrnout infrastrukturu AWS do cyklu zápisu, spuštění a čtení: agent může vytvořit prostředek, zkontrolovat výsledek a upravit kód, aniž by čekal na nasazení do oblasti AWS. Dokumentace AWS uvádí, že emulátor lze používat také ve vývojových serverech a při průběžné integraci; požadavky přitom směřují k emulovaným prostředkům, nikoli do AWS.

Tři týmy agentů vytvářejí a spravují kód

Matthew Goldberg, hlavní inženýr AWS na nejvyšší úrovni, uvedl ve zprávě o vývoji, že jeho tým kód emulátoru ani nenapsal, ani nekontroloval. Lidé místo toho připravili zázemí pro tuto práci, včetně specifikací, testovací infrastruktury, podmínek pro slučování změn a procesu vydávání. Projekt začal tím, že programovací agent Kiro zhruba za 15 minut vytvořil použitelný emulátor Amazon SQS. Dostal pokyn napsat testy, ověřit je proti skutečnému AWS a vytvořit implementaci v paměti, která jimi projde. Goldberg pak nechal Kiro během víkendu prototyp rozšířit; k přeměně v robustní produkt však bylo třeba vytvořit související ochranné mechanismy.

Práci nyní rozdělují tři týmy agentů s jasně vymezenými úkoly. Autoři testů navrhují scénáře podle veřejných modelů API a ověřují je vůči skutečnému AWS. Agenti vyhledávající problémy testy znovu spouštějí a seskupují selhání, která mohou mít společnou příčinu, zatímco opravní agenti řeší každý jeden problém. Goldberg uvádí, že existují desítky tisíc testů shody a denně se opravují tisíce problémů, přičemž souběžně pracují stovky agentů.

Každá navržená oprava musí být před sloučením zkompilována a projít automatickými kontrolami standardů kódování, zabezpečení a shody. Nezávislý bezpečnostní agent změny během vývoje prověřuje záměrně útočným způsobem a znovu také v procesu vydávání. „Bez této podmínky pro sloučení bychom nevěřili tomu, co naši agenti vytvářejí,“ napsal Goldberg.

Změny pak před zveřejněním na GitHubu procházejí přes AWS CodeCommit a CodePipeline. Veřejný repozitář zpřístupňuje historii změn a samostatné složky pro vyřešené a nevyřešené problémy se shodou. AWS zveřejnila kód pod licencí CC0, která umožňuje věnovat dílo do veřejné domény, s výjimkou kódu dodavatelů, na který se vztahuje Apache 2.0; repozitář nepřijímá žádosti o začlenění změn, uživatelé však mohou hlásit chyby a nedostatky ve shodě prostřednictvím GitHub Issues.

Míra shody vymezuje hranice

Test shody je krátký pracovní postup ověřený proti skutečnému AWS. Aby emulátor testem prošel, musí u každého volání odpovídat odpověď, včetně stavového kódu, těla odpovědi i přesného kódu a zprávy o chybě, a také prostředky a data, které pracovní postup vytvoří. Neimplementované operace vracejí HTTP 501 (neimplementováno), takže se selhání projeví okamžitě. Každé vydání uvádí počty úspěšných testů pro jednotlivé služby a AWS upozorňuje, že přidání testů může skóre snížit, i když se emulátor zlepšuje.

Každý test v veřejné testovací sadě byl ověřen nejméně ve dvou izolovaných testovacích účtech AWS a repozitář výslovně uvádí, že chování, které test nepokrývá, není ověřené.

Tato skóre z emulátoru nedělají prostředí pro bezpečnostní testování. Nevyhodnocuje AWS Identity and Access Management (IAM) ani zásady založené na prostředcích stejným způsobem jako AWS, takže požadavek, který AWS zamítne, může v místním prostředí uspět. Emulátor je určen k vývoji a testování; produkční zátěž ani testy zabezpečení aplikací do jeho zaměření nespadají. Každá instance je určena pro jeden účet a jednu oblast, uchovává prostředky v paměti a po zastavení je odstraní.

Těžiště technické práce se přesouvá ke specifikacím a testům

Swaminathan Sivasubramanian v příspěvku k uvedení popsal roli inženýra jako rozhodování o tom, co se má vytvořit, a přípravu specifikací, testů a podmínek pro slučování změn, které určují správnost, zatímco agenti píší a kontrolují kód.

Jeho srovnání se službou Alf, jednou z raných distribuovaných zamykacích služeb Amazonu, nabízí konkrétní příklad. Vybudování původního replikačního modulu trvalo zhruba čtyři měsíce. Sivasubramanian uvedl, že přestavba pomocí Kiro nejprve zabrala čtyři noci pod dohledem, protože agent neměl možnost ověřit své výsledky; poté, co mu poskytl specifikaci a testovací prostředí, trvala přestavba přibližně dvě hodiny.

AWS Emulator převádí tuto zkušenost do vydaného produktu: agenti vytvářejí implementaci a opravují ji, zatímco inženýři určují přijatelné chování a automatizují jeho vynucování. Praktický rozsah využití nyní závisí na rozšiřující se veřejné testovací sadě a na zbývajících nedostatcích ve shodě; bezpečnostní ověření a ověření pro produkční provoz přitom nadále vyžadují skutečné AWS.

Theo Nash je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá AI infrastrukturou, výpočetní technikou a hardwarovými systémy, které pohánějí moderní umělou inteligenci. Jeho práce se soustředí na technické základy velkých AI pracovních zátěží, včetně datových center, akcelerátorů, sítí a softwarových vrstev, které je spojují.

S analytickým a inženýrsky orientovaným pohledem Theo zkoumá, jak pokroky v GPU, zakázkově navržených křemíkových čipech, paměťových architekturách a distribuovaných systémech umožňují nové generace AI modelů. Věnuje zvláštní pozornost kompromisům výkonu, energetické účinnosti, škálovatelnosti a praktickým omezením, která formují nasazení AI infrastruktury v reálném světě.

Články napsané Theem Nashem jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a odpovědné pokrytí rychle se vyvíjejícího prostředí AI výpočtů.