Zespół badawczy Alibaby opublikował właśnie CoPaw – framework open source, który ma zmienić sposób, w jaki deweloperzy budują i zarządzają autonomicznymi agentami AI. To nie kolejny chatbot ani wtyczka do istniejącego narzędzia, lecz kompletne środowisko pracy zaprojektowane z myślą o wielokanałowych workflowach i trwałej pamięci.
Branża AI od dłuższego czasu zmaga się z fundamentalnym problemem: modele językowe same w sobie są coraz potężniejsze, ale środowiska, w których działają jako agenci, pozostają chaotyczne, trudne do utrzymania i pozbawione kontekstu między sesjami. CoPaw próbuje ten problem rozwiązać systemowo.
Co tak naprawdę dostajemy?
CoPaw opiera się na trzech warstwach technicznych: AgentScope (framework do komunikacji i logiki agentów), AgentScope Runtime (środowisko uruchomieniowe) oraz ReMe – module odpowiedzialnym za zarządzanie pamięcią. Ten ostatni element jest tu kluczowy. ReMe pozwala agentom przechowywać kontekst między sesjami, zarówno lokalnie, jak i w chmurze, co rozwiązuje problem bezstanowości typowej dla standardowych API modeli językowych.
W praktyce oznacza to, że agent „pamięta” preferencje użytkownika, historię zadań i wcześniejsze interakcje. Z każdą kolejną sesją staje się bardziej dostosowany do konkretnego workflow.
System Skill: rozszerzalność bez ingerencji w rdzeń
Jednym z ciekawszych rozwiązań architektonicznych jest system rozszerzeń oparty na tzw. Skills. Każdy Skill to wyizolowana jednostka funkcjonalna – zwykła funkcja w Pythonie, którą developer wrzuca do dedykowanego katalogu. Agent może z niej korzystać bez konieczności modyfikowania rdzenia frameworka.
Co można dodać jako Skill? Przykłady z dokumentacji są konkretne:
- scrapowanie stron internetowych i podsumowywanie treści (np. wątków Reddit czy filmów na YouTube)
- operacje na lokalnych plikach i systemie operacyjnym
- zapytania do prywatnych baz wiedzy
- zarządzanie kalendarzem i pocztą przez język naturalny
To podejście przypomina trochę filozofię, jaką widzimy w Claude.ai czy w ekosystemie MCP – modularność i otwartość zamiast monolitycznych, zamkniętych rozwiązań.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl: „CoPaw to ciekawy krok w kierunku standaryzacji środowisk agentowych, ale warto zachować umiarkowany optymizm. Z jednej strony otwarte podejście Alibaby i architektura oparta na wtyczkach dają deweloperom realną kontrolę nad tym, co agent robi i gdzie przechowuje dane. To ważne, szczególnie w kontekście europejskich regulacji dotyczących prywatności. Z drugiej – pojawia się pytanie o dojrzałość ekosystemu. Ile firm faktycznie wdroży CoPaw w produkcji, a ile potraktuje go jako projekt akademicki? I czy społeczność wystarczająco szybko zbuduje bibliotekę Skills, żeby framework miał sens poza środowiskiem laboratoryjnym? Alibaba ma mocną pozycję w Azji, ale zachodnia adopcja open source z chińskich repozytoriów wciąż napotyka pewien opór – często zresztą uzasadniony pytaniami o długoterminowe wsparcie.”
Multi-channel: jeden agent, wiele platform
CoPaw obsługuje tzw. All-Domain Access – warstwę abstrakcji, która ujednolica komunikację agenta z różnymi platformami. Jedna instancja workstation działa jednocześnie na:
- DingTalk i Lark (Feishu) – czyli enterprise China
- Discord i iMessage – zachodni developer/konsument
- QQ – masowy rynek azjatycki
Dla dewelopera oznacza to jedno: piszesz logikę agenta raz, a on odpowiada spójnie niezależnie od tego, czy pytasz go przez Discorda o 22:00, czy przez Lark podczas spotkania.
Agentic Apps: od czatu do automatyzacji
Połączenie Skills z harmonogramowaniem zadań otwiera możliwość budowania tzw. Agentic Apps – autonomicznych procesów działających w tle. Agent może codziennie rano przeszukiwać wskazane źródła, syntezować informacje i wysyłać podsumowanie na preferowany kanał. Bez kliknięcia. Bez inicjowania rozmowy.
To przesunięcie od modelu reaktywnego do proaktywnego. I tu tkwi chyba największy potencjał CoPaw – nie w kolejnym interfejsie do czatowania z LLM, ale w infrastrukturze do autonomicznej pracy agentów.
Kod i dokumentacja dostępne są na GitHubie: github.com/agentscope-ai/CoPaw oraz na stronie projektu copaw.agentscope.io.
