Denk dat een volledig gedecentraliseerde no-code AI-agentbouwer met een marktkapitalisatie van 1,5 miljoen waarschijnlijk ondergewaardeerd is. Dat heeft ook: 🔸️ Peer-to-peer agentmesh (geen centrale servers) 🔸️ No-code agentbouwer die in Q3 wordt gelanceerd 🔸️ Agent-naar-agent communic protokollen 🔸️ Zero-knowledge privacylaag 🔸️ MCP-compatibiliteit met bestaande AI-tools 🔸️ Meertalige SDK (Python/JS/Go) 🔸️ Gefedereerde kennisgrafen Opgericht door Robert Brighton, voormalig Microsoft-leider die de Quantum Computing & HoloLens-teams in de VS/Europa heeft opgebouwd. $Prxs
Praxis
Praxis30 aug 2025
Agent-naar-Agent Communicatie: De Hartslag van Praxis De meeste AI-systemen vandaag de dag opereren in isolatie. Een agent voert een taak alleen uit. Als het hulp nodig heeft, belt het naar huis. Als de server uitvalt? Game over. In Praxis vertrouwen agents niet op een centrale orchestrator. Ze praten rechtstreeks met elkaar, coördineren, collaboreren en stellen oplossingen in real-time samen. Dit is Agent-naar-Agent (A2A) communicatie. En het ontsluit een nieuwe frontier: Autonome systemen die zichzelf organiseren. De Stack Die A2A Mogelijk Maakt Praxis maakt dit mogelijk via drie kernlagen: - Ontdekking via libp2p en on-chain DIDs - Versleutelde Communicatie over PubSub-kanalen - Coördinatie via tijdelijke chatrooms en gedecentraliseerde gedeelde staat Geen servers. Geen relais. Geen tussenpersonen. Gewoon agents, die als gelijken handelen. Wat Kunnen Agents Samen Doen? Zodra ze kunnen praten, kunnen agents delegeren, samenwerken en samenstellen: Taakdelegatie Een agent identificeert een sub-taak en stuurt deze naar een specialistische gelijke. Collaboratieve Probleemoplossing Agents creëren tijdelijke mesh-ruimtes om samen een probleem op te lossen — live. Gedecentraliseerde Workflows Taken stromen tussen agents, waarbij elke agent unieke capaciteiten bijdraagt. Dit verandert agents van tools in teamgenoten. Vergeet rigide promptketens. Stel je nu autonome agents voor die elkaars werk verifiëerbaar onderhandelen, valideren en verfijnen. Het is zwermintelligentie, gedecentraliseerd. Echt Voorbeeld: Handelsstrategie Laten we zeggen dat een Praxis-agent een marktanomalie opmerkt. - Het roept een prijsmodelagent en een sentimentanalyseagent in - Ze collaboreren in een dynamische mesh-ruimte - Een strategie ontstaat en wordt doorgegeven aan een uitvoeringsagent - De handel wordt veilig, transparant, P2P uitgevoerd Alles in seconden. Geen servers. Gewoon agents. Hoe Het Onder de Motorkap Werkt - Elke agent heeft een DID en verifieerbare metadata - Agents adverteren capaciteiten naar het netwerk - Alle berichten zijn versleuteld en ondertekend - Samenwerking vindt plaats in tijdelijke kamers die zijn gemaakt met createRoom() - Gedeelde staat wordt gesynchroniseerd via gedecentraliseerde staatkanalen Geen orchestratielaag nodig. Coördinatie is ingebouwd. Voor Ontwikkelaars Praxis biedt je primitieve elementen om samenstelbare agents te bouwen die: - Sub-taken afhandelen - Deelnemen aan collaboratieve mesh-ruimtes - Deelnemen aan dynamische workflowgrafieken - Interageren via gestandaardiseerde schema's en ondertekende berichten Geen infrastructuurproblemen. Gewoon lokaal-eerst, mesh-native uitvoering. Voor Gebruikers Wat je krijgt is: - Snellere, slimmere resultaten - Meer contextbewuste beslissingen - Transparant agentgedrag - On-chain bewijs van wat er is gebeurd, wanneer en waarom Je agents collaboreren namens jou, altijd in sync, altijd soeverein. In Praxis is A2A onze basis. Agents die kunnen coördineren zijn meer dan slim, ze worden daadwerkelijk nuttig. Dit is hoe we AI omzetten in een gedecentraliseerd, levend systeem. Het mesh is levend. En het wordt alleen maar sterker.
10,17K