Mathis Joffre, spoluzakladatel a technický ředitel Blaxel – rozhovor

Mathis Joffre, spoluzakladatel a technický ředitel Blaxel, je zkušený inženýr infrastruktury, který dříve pomáhal škálovat jednu z největších evropských cloudových platforem v OVHcloud. V Blaxel vede vývoj nízkozátěžových, škálovatelných systémů přizpůsobených pro agentní AI a je klíčovým přispěvatelem k otevřeným nástrojům společnosti pro výkonem řízenou nasazení.

Blaxel je výpočetní platforma speciálně navržená pro autonomní agentní AI, která umožňuje vývojářům vytvářet, testovat a spouštět agentní pracovní postupy bez správy infrastruktury. Jeho architektura zahrnuje ultra-rapidní mikro-VM, spouštění dávkových úloh a globální bránu pro směrování a fallback. Blaxel priorizuje zabezpečené sandboxování, reálné pozorovatelnost a bezproblémovou škálovatelnost pro podporu nasazení agentů v produkčním prostředí.

Strávili jste tři roky prací s AI a infrastrukturou R&D v OVHcloud—co byl ten hlavní moment nebo vhled, který vás inspiroval k vybudování Blaxel jako specializovaného cloudu pro agentní AI?

Dospěl jsem k závěru, zatímco jsem pracoval na AI Endpoints—one z vlajkových AI produktů OVHcloud—pouze jak komplexní budou budoucí generace cloudových architektur a AI použití. Přecházíme z tradičních chatbotů na plně autonomní systémy. Tato agentní revoluce není pouze o chytřejších aplikacích; je to o přetvoření všeho od softwarového stacku po architekturu datového centra. To je to, co mě vedlo k vybudování Blaxel.

Pohledem na vaši ranou inženýrskou dráhu—od budování nástrojů pro síť v Orange Business až po definování zásobníků v OVHcloud—jaké zkušenosti jste získali, které ovlivnily architekturu a filozofii Blaxel?

Řekl bych: zůstaňte u země. I když tato revoluce může vypadat hypoteticky nebo přehnaně, jediný způsob, jak ji učinit reálnou, je soustředit se na konkrétní použití a dobře je vyřešit. Ten postoj formoval Blaxel od začátku—vybudovali jsme ho kolem skutečných potřeb našich zákazníků, od generování kódu po videoanalýzu. Místo toho, abychom se snažili o trendy, chtěli jsme dodat specializovanou platformu, která poskytuje agentům přesně to, co potřebují k efektivnímu běhu.

Můžete nás provést rolí Model Context Protocol (MCP) a multi-region model gateways? Jak to zlepšuje chybovost a škálovatelnost pro agenty?

Agenti jsou vše o kontextu—their schopnost přístupu k relevantní informaci je klíčová pro efektivní jednání. MCP slouží jako naše primární rozhraní pro integraci agentů s naší infrastrukturou, protože řeší tuto výzvu. Stejně jako vývojáři používají REST API pro připojení aplikací v SaaS světě, budou nyní používat Model Context Protocol pro poskytnutí specifického, zpracovatelného kontextu pro své agenty.

Ale kontext sám o sobě nestačí—agenti také spoléhají na LLM, jako ty, které poskytuje OpenAI nebo Anthropic. Vzhledem k rostoucí poptávce, servery těchto poskytovatelů mohou občas být přetíženy provozem. To je místo, kde vstupují multi-region model gateways.

Model gateways umožňují dynamické přesměrování provozu na nejbližší dostupný LLM endpoint (z hlediska latence), ať už se jedná o OpenAI, Anthropic nebo jiného poskytovatele. To nejen zlepšuje odezvu, ale také zajišťuje chybovost (přesměrováním na alternativní poskytovatele) a škálovatelnost (rozložením zátěže napříč několika regiony a modely).

Blaxel podporuje vývojářské nástroje, které agenty sami mohou volat—co vás motivovalo k navrhování API konzumovatelných agenty spíše než lidmi? Jak očekáváte, že se to bude vyvíjet?

Pro mě byl release Operator od OpenAI osvěžující—he made me realize, že budoucnost zahrnuje agenty, které konzumují infrastrukturu přímo. Agenti začali analyzovat historická data a odpovídat na otázky. Pak se přesunuli k generování kódu. Další logický krok je, že budou nasazovat ten kód autonomně.

To je důvod, proč věříme, že agenty potřebují svůj vlastní cloud—specializovaný kolem myšlenky, že budoucnost IT operací bude řízena autonomními agenty.

Pohledem na stávající cloudové poskytovatele a platformy pro hostování agentů (jako Modal, RunPod, Replicate atd.), kde vidíte nejčastější mezery při nasazování agentů ve velkém?

Většina platforem dnes nebyla navržena pro trvalé, stavové, autonomní agenty—byly navrženy pro stavové úlohy nebo inference API. Takže nakonec spojíte výpočet, paměť, úložiště a síť způsobem, který nebyl určen pro podporu dlouhodobých procesů s pamětí, zpětnými vazbami a komplexními I/O. Výsledkem je buď křehký systém nebo vysoká provozní režie. To je mezera: potřebujeme infrastrukturu, kde jsou agenty první třídou, ne dopočet.

Jaké jsou nejčastější anti-případy, které vidíte—and co staví budovatelé, když nasazují autonomní agenty v produkčním prostředí versus testovacím?
Nejčastější chyba je traitement agentů jako funkcí—vyvolaných, spuštěných a poté zapomenutých. V produkčním prostředí agenty potřebují zachovat kontext, spravovat nástroje a někdy reagovat na vnější signály v reálném čase. Lidé také podceňují, jak špinavá je skutečná prostředí: nestabilní API, nekonzistentní data, neočekávané stavové přechody. Budovatelé často testují v ideálních podmínkách, ale produkční realita vyžaduje robustní pozorovatelnost, sandboxování a strategie zotavení.

Vaše roadmap zahrnuje funkce jako snapshot forking, automatické failover a hlubší optimalizaci výpočtu. Kterou považujete za nejtransformovatější pro agent-first systémy?

Snapshot forking, bezpochyby. To odemyká ladění, experimentování a paralelní rozumové vzorce, které nejsou možné v konvenčních cloudových prostředích. Představte si agenta, který dosáhne rozhodovacího bodu—he forkuje svůj sandbox do několika větví, prozkoumá různé výsledky paralelně a poté vybere nejlepší cestu vpřed. Takový typ větvící logiky je rodinný pro agentní pracovní postupy, ale zcela cizí pro tradiční cloudové běhy. To fundamentálně mění, jak přemýšlíme o autonomii a toku řízení.

Gartner předpovídá, že 75 % aplikací bude používat agentní AI do roku 2028—jak očekáváte, že se Blaxel bude vyvíjet, když agentní AI budou všudypřítomné napříč průmysly?
Až se agenty stanou mainstreamem, očekáváme, že se Blaxel vyvine z „infrastruktury pro agentní AI“ na „provozní vrstvu“, na které budou agenty záviset—zpracovávající životní cyklus, koordinaci a dokonce i tržní interakce. Nebudete pouze nasazovat agenty na Blaxel—you budete komponovat je, monitorovat je a mít agenty, které budou spravovat jiné agenty. Už vidíme, že se objevují použití v financích, bezpečnosti a podnikové automatizaci, které ukazují tímto směrem.

Předpokládáte budoucnost, kde agenty nebudou pouze spouštět aplikace—but spravovat a rekonfigurovat infrastrukturu autonomně? Co jsou kulturní a bezpečnostní důsledky toho posunu?
Ano, a je to både vzrušující a znepokojivé. Technicky to má smysl—agenty mohou monitorovat systémové zdraví, aplikovat záplaty, optimalizovat zátěže. Ale kulturně to vyzyvá, jak přemýšlíme o kontrole a důvěře v operacích. Z hlediska bezpečnosti to znamená předefinování modelů oprávnění: ne pouze kdo může jednat, ale co je agentovi dovoleno se stát. Budeme potřebovat nové abstrakce pro verifikovatelnou autonomii a omezenou sebeanalizaci.

Co je největší mýtus o tom, co činí agentní infrastrukturu jedinečnou?
Že se jedná pouze o více GPU nebo delší běhy. Agentní infrastruktura je o behaviorálních možnostech—poskytování agentům schopnosti pamatovat, prozkoumávat, přizpůsobovat se a zotavovat se. To vyžaduje změny napříč zásobníkem: úložiště, které sleduje vývoj stavu, modely běhu, které podporují souběžnost a větvící se, pozorovatelnost optimalizovanou pro rozumění, ne pouze latenci. Je to posun myšlení, ne pouze navýšení zdrojů.

Který technický odkaz nebo omezení z vašeho času v OVHcloud jste nejvíce rád, že opravujete v Blaxel?

V OVHcloud, hodně z toho, co jsme postavili, bylo omezeno legacy abstrakcemi—VM, kontejnery, sítě—optimalizované pro lidsky řízené zátěže. Nemohli jsme snadno vyjít z těchto paradigmů. S Blaxel, začínáme čisté. Žádná potřeba předstírat, že agent je dávková úloha nebo mikroslužba. Můžeme postavit prvky, jako paměť, nástroje a cíle, přímo do běhu—and to odemyká úplně nové designové prostory.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Blaxel.