Pikirkan pembuat agen AI tanpa kode yang sepenuhnya terdesentralisasi dengan kapitalisasi pasar 1,5 juta mungkin diremehkan Itu juga memiliki 🔸️Mesh agen peer-to-peer (tanpa server pusat) 🔸️Tidak ada pembuat agen kode yang meluncurkan Q3 🔸️Protokol komunikasi agen ke agen 🔸️Lapisan privasi tanpa pengetahuan 🔸️Kompatibilitas MCP dengan alat AI yang ada 🔸️SDK multibahasa (Python/JS/Go) 🔸️Grafik pengetahuan federasi Didirikan oleh Robert Brighton, mantan pemimpin Microsoft yang membangun tim Komputasi Kuantum & HoloLens di seluruh AS/Eropa $Prxs
Praxis
Praxis30 Agu 2025
Komunikasi Agen-ke-Agen: Detak Jantung Praxis Sebagian besar sistem AI saat ini beroperasi secara terpisah. Agen menjalankan tugas sendirian. Jika membutuhkan bantuan, ia menelepon ke rumah. Jika server down? Tamat. Dalam Praxis, agen tidak mengandalkan orkestrator pusat. Mereka berbicara satu sama lain secara langsung, berkoordinasi, berkolaborasi, dan menyusun solusi secara real time. Ini adalah komunikasi Agent-to-Agent (A2A). Dan itu membuka batas baru: Sistem otonom yang mengatur sendiri. Tumpukan yang memungkinkan A2A Praxis memungkinkan ini melalui tiga lapisan inti: - Penemuan melalui libp2p dan DID on-chain - Komunikasi terenkripsi melalui saluran PubSub - Koordinasi melalui ruang obrolan sementara dan keadaan bersama yang terdesentralisasi Tidak ada server. Tidak ada relai. Tidak ada perantara. Hanya agen, bertindak sebagai rekan sebaya. Apa yang Dapat Dilakukan Agen Bersama? Setelah mereka dapat berbicara, agen dapat mendelegasikan, berkolaborasi, dan menyusun: Delegasi Tugas Agen mengidentifikasi sub-tugas dan merutekannya ke rekan spesialis. Pemecahan Masalah Kolaboratif Agen menelurkan ruang mesh sementara untuk memecahkan masalah bersama — secara langsung. Alur Kerja Terdistribusi Tugas mengalir melintasi agen, masing-masing berkontribusi pada kemampuan unik. Ini mengubah agen dari alat menjadi rekan satu tim. Lupakan rantai prompt yang kaku. Sekarang bayangkan agen otonom bernegosiasi, memvalidasi, dan menyempurnakan pekerjaan satu sama lain secara terverifikasi. Ini adalah kecerdasan kawanan, terdesentralisasi. Contoh Nyata: Strategi Perdagangan Katakanlah agen Praxis melihat anomali pasar. - Ini memanggil agen model penetapan harga dan agen analisis sentimen - Mereka berkolaborasi dalam ruang mesh dinamis - Sebuah strategi muncul dan diteruskan ke agen eksekusi - Perdagangan dieksekusi dengan aman, transparan, P2P Semua dalam hitungan detik. Tidak ada server. Hanya agen. Cara Kerjanya di Bawah Kap - Setiap agen memiliki DID dan metadata yang dapat diverifikasi - Agen mengiklankan kemampuan ke jaringan - Semua pesan dienkripsi dan ditandatangani - Kolaborasi terjadi di ruang sementara yang dibuat dengan createRoom() - Status bersama disinkronkan melalui saluran status terdesentralisasi Tidak diperlukan lapisan orkestrasi. Koordinasi sudah terpasang. Untuk Pengembang Praxis memberi Anda primitif untuk membuat composable agent yang: - Membongkar sub-tugas - Bergabunglah dengan ruang mesh kolaboratif - Berpartisipasi dalam grafik alur kerja dinamis - Berinteraksi melalui skema standar dan pesan yang ditandatangani Tidak ada sakit kepala infra. Hanya eksekusi lokal pertama, mesh-native. Untuk Pengguna Apa yang Anda dapatkan adalah: - Hasil yang lebih cepat dan lebih cerdas - Keputusan yang lebih sadar konteks - Perilaku agen yang transparan - Bukti on-chain tentang apa yang terjadi, kapan, dan mengapa Agen Anda berkolaborasi atas nama Anda, selalu sinkron, selalu berdaulat. Dalam Praxis, A2A adalah fondasi kami. Agen yang dapat berkoordinasi lebih dari sekadar pintar karena mereka menjadi benar-benar berguna. Ini adalah bagaimana kami mengubah AI menjadi sistem hidup yang terdesentralisasi. Jaring itu hidup. Dan itu hanya menjadi lebih kuat.
10,07K