00 - Rekomendacja w jednym akapicie
Buduj na protokołach (MCP do narzędzi, A2A między agentami, AG-UI do frontendu) jako neutralnym substracie, z warstwą abstrakcji modelu od pierwszego dnia - Claude jako primary dzisiaj, ale nigdy przykuty na stałe. Pisz produkt w TypeScript (edge, auth, RBAC, billing, UI), a AI core w Pythonie za czystym wewnętrznym boundary. Nie buduj rdzenia na ciężkim frameworku - własny cienki harness, frameworki tylko jako wymienne helpery. Architektura: jeden orchestrator + izolowane sub-agenty zwracające skompresowane summary, context engineering jako osobny podsystem, RBAC + per-module isolation egzekwowane przez Rule of Two. Kredyty jako UX, ale wartość liczona w outcome - nigdy sztywno spięta z kosztem tokenów.
To jedyna warstwa decyzji, która nie starzeje się co miesiąc. Który model jest dziś najlepszy zmieni się do następnej premiery. Który framework jest modny - przeżyje konsolidację. Ale protokoły, podział warstwowy języków, dyscyplina cienkiego harnessu i Rule of Two to wybory, które za 3-5 lat dalej będą słuszne. Inwestuj czas tam.
01 - Jak to badaliśmy (i czego nie wiemy)
Pięć agentów Opus pracowało równolegle, każdy na osobnym kącie: języki, frameworki, modele, jak realne firmy zarządzają operacjami przez agentów, oraz future-proofing na 3-5 lat. Każdy agent scorował źródła, triangulował każde twierdzenie dwoma niezależnymi źródłami i aktywnie szukał kontrargumentów. Potem szósty agent zrobił syntezę z ważeniem pewności - nie spłaszczając wszystkiego do jednego poziomu.
Uczciwie o ograniczeniu: Reddit i X/Twitter były niedostępne w tym przebiegu (oba zwróciły 403). To research mocno oparty na primary source - oficjalne docs, repo GitHub, benchmarki, blogi nazwanych praktyków, jeden duży survey akademicki. Mamy więc silny sygnał "co budujący publikują", a słaby "co tłum narzeka". Ustalenia striangulowane wielokrotnie (konsolidacja protokołów, cienki harness, context engineering) są solidne; te miękkie (konkretne preferencje frameworków) skorzystałyby na powtórce z działającym dostępem do społeczności.
02 - Osiem ustaleń o wysokiej pewności
Poniżej tylko to, co potwierdziło niezależnie 2+ agentów na primary source. Etykieta przy każdym mówi, jak mocno jest to ugruntowane.
1. Protokoły się skonsolidowały - to najpewniejszy low-regret zakład wysoka · 4 agenty
Trzy kluczowe protokoły agentowe są dziś neutralnymi standardami pod Linux Foundation (Agentic AI Foundation): MCP (narzędzia), A2A (agent do agenta), AG-UI (agent do frontendu). Współzarządzane przez konkurentów - Anthropic, OpenAI, Google, Microsoft, AWS, Block, Cloudflare. MCP przekazano fundacji 2025-12-09, ma ~97M pobrań SDK miesięcznie i 10 000+ publicznych serwerów. To nie jest "kto wygra, MCP czy A2A" - to komplementarne warstwy. Buduj natywnie na wszystkich trzech.
2. Frameworki nie są moatem - harness jest wysoka · 4 agenty
Najmocniej skonwergowane stwierdzenie całego researchu. Anthropic ("Building Effective Agents"), 12-Factor Agents, Hagoel, swyx, dwa wątki HN - wszyscy zbiegają się na tym samym: zacznij od bezpośrednich wywołań SDK, trzymaj abstrakcje cienkie i wymienne, posiadaj swoje prompty, okno kontekstu i control flow. Ciężki framework jako rdzeń to wektor lock-in i pułapka debugowania ("siedem warstw abstrakcji w głąb, debugujesz nieskończoną pętlę"). Wzmocnione przez trzy CVE w LangChain/LangGraph z marca 2026 (jeden CVSS 9.3) - szeroka powierzchnia frameworka to realne ryzyko dla consumer SaaS z danymi userów.
3. Context engineering to realna trwała dyscyplina - i to jest Twój killer feature wysoka · 3 agenty
Zarządzanie tym, co model widzi w każdym kroku (compaction, trwała pamięć poza oknem, izolacja sub-agentów, just-in-time retrieval, czyszczenie wyników narzędzi) to nazwany następca prompt engineeringu. "Context rot" - degradacja recall wraz z zapełnianiem okna - to główny problem. Dominującym trybem awarii w produkcji jest złe zarządzanie kontekstem, nie brak mocy modelu. To dokładnie teza killer feature AIOS Brain. Uwaga strategiczna: laby budują natywną pamięć (OpenAI Codex Chronicle), więc samo zarządzanie kontekstem się skomodytyzuje - obrona musi leżeć w warstwie RBAC + izolacja + struktura firmy.
4. Wygrywa orchestrator + izolowane sub-agenty, przegrywają "gadające zespoły" wysoka · 3 agenty
Jeden agent posiada główny wątek kontekstu i spawnuje efemeryczne, izolowane sub-agenty, które robią swoją robotę i zwracają skompresowane summary (~1000-2000 tokenów). Prawdziwe "zespoły agentów" rozmawiające bez wspólnego kontekstu są wprost odradzane poza wąskim research breadth-first - bo rozjechany kontekst produkuje sprzeczne akcje. Striangulowane przez Anthropic, Cognition ("Don't Build Multi-Agents") i Shopify. Dla AIOS Brain - "firma w pudełku" jest write-heavy i współzależna (agent piszący do klienta nie może kolidować z agentem aktualizującym CRM), więc pochyl się ku jednemu orchestratorowi ze ścisłą izolacją per-module.
5. Modele to wyścig na ~1 wersję - zostań agnostyczny wysoka · 2 agenty
Stan na koniec maja 2026: Claude Opus 4.8 prowadzi w agentic judgment i SWE-bench Verified (88.6%); GPT-5.5 prowadzi w Terminal-Bench 2.0 (82.7%) i computer-use; Gemini 3.1 Pro ma największe okno (1M tokenów) i jest najtańszy z frontiera. Open-weight (Kimi K2.6, DeepSeek V4, GLM-5.1) jest ~6-9 miesięcy / ~1 wersję z tyłu i permisywnie licencjonowany - to Twoja polisa na lock-in i koszt. Każda konkretna liczba benchmarkowa zestarzeje się w miesiące; trwały jest ekosystem, nie ranking.
6. Durable execution to już baseline - Temporal prowadzi, ale nie jest day-one wysoka · 3 agenty
Replay z historii zdarzeń to sposób, w jaki produkcyjne długo żyjące agenty przeżywają crashe. OpenAI uruchamia Codex na Temporalu obsługując "miliony zapytań dziennie"; Temporal zebrał 300M USD przy wycenie 5 mld. Ale LangGraph / Pydantic AI / OpenAI Agents SDK mają wbudowany checkpointing, który wystarcza, dopóki durability nie stanie się twardym wymogiem. Dla solo foundera: zacznij od wbudowanego, przejdź na Temporal dopiero przy wielodniowych workflow.
7. Bezpieczeństwo to ograniczenie architektoniczne, nie feature - projektuj pod Rule of Two wysoka · źródła primary
Adaptacyjny prompt injection bije wszystkie 12 opublikowanych obron (71-100% skuteczności). Działające prawo to Meta Agents Rule of Two: sesja może spełniać maksymalnie 2 z 3 warunków - {niezaufany input, dostęp do wrażliwych danych, zmiana stanu na zewnątrz / komunikacja}. Potrzeba wszystkich trzech wymusza human-in-the-loop. Dla AIOS Brain prymityw "każda funkcja MUSI mieć module_id" to dokładnie właściwa jednostka do egzekwowania tych granic. RBAC + izolacja to nie złocenie - to jedyny wiarygodny sposób, by agenty w ogóle dotykały danych firmy. To też realny differentiator, jeśli sprzedasz go jako "safety by architecture".
8. Kredyty spięte z kosztem tokenów to margin trap wysoka · źródła primary
Koszt inferencji spada ~10x rocznie (~94% od 2023). Jeśli cena kredytu jest przyklejona do compute, spadek kosztów przepływa wprost do klienta, a marża jest zaklejona na poziomie infrastruktury (AI SaaS 20-60% brutto vs 70-90% klasyczny SaaS). Case Cursor (~20x zmiana efektywnego kosztu kredytu) to przestroga, jak stracić zaufanie bazy. Konsensus 2026: hybryda - baza subskrypcyjna + pula kredytów + overage, kredyty jako abstrakcja UX nad wartością liczoną w outcome.
Nikt nie dowiózł wiarygodnej consumer "firmy w pudełku", gdzie agenty autonomicznie prowadzą operacje cross-funkcyjne z RBAC i izolacją per-module. Viralowe historie solo founderów używają agentów do wąskich, weryfikowalnych zadań. Teza rdzeniowa AIOS Brain jest niezwalidowana przez precedens - to jednocześnie szansa i ryzyko. niska / negatywne
03 - Języki: podział warstwowy, nie zwycięzca
Branża nie wybrała jednego języka - rozdzieliła się warstwami. TypeScript jest od sierpnia 2025 #1 na GitHub i rządzi warstwą produktu, gdzie AI-codegen pomaga najbardziej. Python wciąż posiada AI core (~połowa nowych repo AI, ~10:1 przewaga pobrań agent-SDK na PyPI vs npm). Główny historyczny argument przeciw Pythonowi - GIL - znika dokładnie w Twoim horyzoncie: free-threaded Python oficjalnie wspierany od 3.14 (X.2025).
| Warstwa | Język | Dlaczego |
|---|---|---|
| Produkt / edge / UI / auth / RBAC / billing | TypeScript | #1 na GitHub, najlepsze wsparcie AI-codegen, natywne dla Vercel/Cloudflare edge, real-time |
| AI / ML core (RAG, evale, data) | Python | ekosystem bez odpowiednika, bleeding-edge feature'y dostawców lądują tu pierwsze, za HTTP boundary |
| Hot-path performance | Go / Rust | dopiero później, jako profilowana chirurgia jednego wąskiego gardła - nigdy day-one |
Go/Rust jako rdzeń na start to przedwczesna optymalizacja - wąskim gardłem agentowej apki jest latencja LLM i tempo iteracji, nie throughput języka. średnia-wysoka · głównie 1 agent + potwierdzenie z 4
04 - Frameworki: co przeżyje konsolidację
Rynek frameworków przechodzi konsolidację na żywo. AutoGen + Semantic Kernel zostały zmergowane w Microsoft Agent Framework 1.0; OpenAI Swarm stał się OpenAI Agents SDK. Survivorzy z dyscypliną release'ów poniżej. Kluczowa zasada: żaden z nich nie jest load-bearing rdzeniem - to wymienne helpery pod Twoim harnessem.
| Framework | Stack | Do czego | Status |
|---|---|---|---|
| LangGraph / LangChain v1 | Py / TS | grafy stanu, orkiestracja | dojrzały, ale 3 CVE 03.2026 |
| OpenAI Agents SDK | Py / TS | handoffs, multi-tenant state | produkcyjny następca Swarm |
| Pydantic AI v1 | Python | type-safe, cienki | stabilny, polecany |
| MS Agent Framework | .NET / Py | enterprise | GA 04.2026 |
| Vercel AI SDK v6 | TypeScript | warstwa produktu / edge | stabilny, polecany |
| Mastra | TypeScript | deleguje do AI SDK | komplementarny, nie rywal |
| Claude Agent SDK | Py / TS | "daj agentowi komputer" | świetny runtime, Claude-locked |
| CrewAI / AutoGen | Python | multi-agent (legacy) | ryzyko / maintenance |
Warstwa pamięci to osobna decyzja pod orkiestracją: Mem0 (personalizacja consumer), Letta (tiered memory dla long-running), Zep (temporal knowledge graph). Durability na start z wbudowanego checkpointingu, Temporal gdy będzie twardy wymóg.
05 - Modele: kto dziś prowadzi w czym
| Model | Prowadzi w | Cena (1M in/out) | Dla AIOS Brain |
|---|---|---|---|
| Claude Opus 4.8 | agentic judgment, SWE-bench (88.6%) | $5 / $25 | primary runtime dziś |
| GPT-5.5 | Terminal-Bench, computer-use | ~rynkowa | fallback do terminal/CUA |
| Gemini 3.1 Pro | kontekst 1M, najtańszy frontier | najtańszy z 3 | gdy potrzebny duży kontekst |
| Kimi K2.6 / DeepSeek V4 / GLM-5.1 | open-weight, ~6-9 mies. z tyłu | self-host | polisa kosztowa i anty-lock-in |
Anthropic ma moat ekosystemowy (MCP, Claude Agent SDK), nie tylko surowe wyniki - i to jest sygnał trwalszy niż benchmark. Ale różnica capability między frontierem to ~1 minor version. Wniosek z dwóch niezależnych agentów: zostań agnostyczny na warstwie routingu, jedź na krzywej, nie przykuwaj rdzenia. Ostrzeżenie: część benchmarków (SWE-Bench Pro, tau2 Telecom) jest skontaminowana lub wysycona blisko 99% - to słabe dyskryminatory.
06 - Jak realne firmy zarządzają operacjami przez agentów
To była najciekawsza część - bo rozjeżdża marketing z praktyką. Wzorce, które realnie shipują:
- Orchestrator + izolowane sub-agenty-jako-narzędzia, NIE peer multi-agent teams. Anthropic robi multi-agent dla researchu (parallelizowalny, read-heavy); Cognition i Shopify odrzucają go dla write-heavy. Godzą się na: jeden właściciel kontekstu, efemeryczni izolowani workerzy.
- Context engineering to dominująca dyscyplina - compaction, zewnętrzna pamięć/notatki, izolacja sub-agentów, just-in-time retrieval. Nazwana awaria: "context rot".
- Tool sprawl to cichy zabójca - Shopify podaje próg 50+ narzędzi = niezarządzalne, naprawiane przez just-in-time instructions, nie większy system prompt.
- Durable execution to kręgosłup długo żyjących agentów - OpenAI uruchamia Codex na Temporalu przy milionach zapytań dziennie.
- Realne metryki ops - OpenAI: 1500 PR / 3 inżynierów / 5 miesięcy. Stripe (Toolshed MCP), Shopify (wewnętrzny MCP).
- RBAC / tożsamość agenta to wyłaniająca się warstwa governance (PEP/PDP, dedykowane tożsamości agentów, branch-scoping w GitHub Copilot) - waliduje tezę killer feature, ale jest niedojrzała, brak precedensu consumer-scale.
To niezawodność, nie capability, gatuje adopcję. Survey Pan i in. (n=306): 68% produkcyjnych agentów robi <=10 kroków zanim oddaje człowiekowi. Gartner prognozuje, że >40% projektów agentowych zostanie anulowanych do 2027. Spotify - wbrew oczekiwaniom - dał słaby sygnał na ten kąt: ich materiał 2025 jest produktowy (DJ, AI Playlist), brak primary source o wewnętrznych ops agentowych.
07 - Rekomendacja stacku, warstwa po warstwie
Sześć warstw, każda z jednolinijkowym werdyktem, poziomem pewności i uzasadnieniem z researchu.
Konsolidacja protokołów pod neutralną fundacją to najsilniejszy low-regret sygnał całego researchu, zgodny z kierunkiem "substrate-agnostic AIOS v3". Claude Opus 4.8 prowadzi dziś i pasuje do "Claude Code jako runtime", ale różnica do GPT-5.5 / Gemini / open-weight to ~1 wersja - lock-in do jednego labu to niepotrzebne ryzyko.
TS to warstwa, gdzie AI-codegen pomaga najbardziej (a AIOS Brain w dużej części zbudujesz AI) i natywna dla Vercel/Cloudflare. Python trzymaj tam, gdzie ekosystem nie ma odpowiednika. GIL znika (3.14), więc Python core to nie dług długoterminowy.
Najmocniej skonwergowane stwierdzenie researchu. Heavyweight framework jako rdzeń to lock-in + powierzchnia ataku (3 CVE) + debugging trap. Jeśli sięgasz: TS - Vercel AI SDK v6 (+ Mastra); Python - Pydantic AI v1. Pamięć (Mem0/Letta) jako osobna decyzja. Per-module RBAC to TWÓJ kod.
Trzy niezależne agenty zbiegły się na orchestrator + isolated sub-agents (Anthropic, Cognition, Shopify) i odrzuciły gadające zespoły dla write-heavy operacji. Bezpieczeństwo: adaptacyjny prompt injection bije wszystkie znane obrony, więc każdy moduł projektuj pod Rule of Two. "module_id na każdej funkcji" to właściwa jednostka egzekwowania.
Margin trap: koszty inferencji spadają ~10x rocznie - cena kredytu przyklejona do compute zakleja marżę na poziomie infrastruktury. Personalna subskrypcja Max jest OK jako bootstrap/dev runtime, ale resold runtime liczy się na API. Konsensus 2026: hybryda baza + kredyty + overage. Nigdy nie dewaluuj kredytów po cichu (case Cursor).
Trwała wartość leży w rzeczach niezależnych od modelu: "change the wire, not the interface". Open-weight goni frontier do ~6-9 miesięcy, więc "only gets better" jest strukturalnie prawdopodobne - dziedziczysz poprawki, o ile masz warstwę abstrakcji. Computer-use traktuj jako human-gated fallback, preferuj structured tool/API (MCP) wszędzie, gdzie istnieje interfejs.
08 - Co zrobić najpierw, czego unikać
Pierwsze 3 kroki
- Postaw szkielet architektury teraz - MCP + A2A + AG-UI jako substrate, warstwa abstrakcji modelu, orchestrator + izolowane sub-agenty. Nic z tego nie zależy od tego, który model wygra - to bezpieczna inwestycja czasu.
- Zbuduj prototyp context engine + egzekucji Rule of Two per-module - to dwie części trwałego IP. Reszta jest wymienna.
- Zamodeluj unit economics na cenach API (nie na subskrypcji Max) i zaprojektuj kredyty jako UX denominowane w outcome, zanim napiszesz kod billingu.
Anti-patterns (czego unikać)
- Heavyweight framework (LangGraph/CrewAI) jako load-bearing rdzeń - lock-in + powierzchnia ataku + debugging trap.
- Rdzeń na Claude-only layer jako permanentnym fundamencie - świetny runtime dziś, ryzykowny na 5 lat.
- Gadające zespoły agentów peer-to-peer dla write-heavy operacji - fragmentacja kontekstu = sprzeczne akcje.
- Kredyty spięte sztywno z kosztem tokenów; ciche dewaluowanie kredytów.
- Go/Rust jako day-one core - przedwczesna optymalizacja, wąskie gardło to latencja LLM.
- Context-management jako jedyny moat - laby go komodytyzują; obrona w RBAC + izolacja + struktura firmy.
- Agent dotykający wrażliwych danych + niezaufanego inputu + komunikacji zewnętrznej bez human gate - łamie Rule of Two.
09 - Napięcia, których research nie rozstrzygnął
- Framework vs własny harness. LangChain (vendor) i Bryan Lilies twierdzą, że frameworki powinny kodować wzorce. To spór o interesy i horyzont czasu, nie o fakty. Dla solo foundera na 5-letnim IP - cienki harness.
- Context-management jako moat vs commodity. AIOS Brain stawia na context jako killer feature; laby budują natywną pamięć. Nierozstrzygnięte - obrona prawdopodobnie w RBAC + izolacja + struktura firmy.
- Optymiści (rosnący task-horizon, METR) vs sceptycy (niezawodność, bezpieczeństwo, Willison). Różne osie pomiaru, oba prawdziwe. Rozwiązanie to Rule of Two + human gates, nie wybór strony.
- Brak precedensu. Nie ma dowiezionej consumer "firmy w pudełku". Closest to GitHub Copilot (B2B, single-domain). Teza AIOS Brain niezwalidowana - szansa i ryzyko naraz.