Lekcje z budowy Shippy — jak Allen AI projektuje niezawodnych agentów morskich

Zespół Allen Institute for AI podzielił się szczegółowymi wnioskami z budowy Shippy, agenta AI służącego do monitorowania morskiego w czasie rzeczywistym. Artykuł techniczny ujawnia architekturę systemu zaprojektowanego do podejmowania decyzji o wysokiej stawce, gdzie błędna odpowiedź może kosztować znaczne zasoby lub zagrozić bezpieczeństwu personelu.

Kluczowe wnioski

• Shippy składa się z trzech głównych komponentów: „duszy” (system prompt określający osobowość), umiejętności (skills) obsługujących konkretne zapytania oraz konfiguracji runtime'owej.
• Agent wykorzystuje specjalnie zaprojektowane CLI do komunikacji z API Skylight, co eliminuje błędy związane z bezpośrednimi wywołaniami API przez model.
• System nie podejmuje decyzji prawnych dotyczących łamania przepisów przez statki — takie określenia pozostawia ludziom, nie agentowi.
• Architektura opiera się na deterministycznych narzędziach dla niedeterministycznego agenta, co zwiększa przewidywalność i niezawodność.
• Obecnie Shippy działa w oparciu o model Claude Opus 4.6 w ramach otwartego frameworka OpenClaw.

Anatomia agenta: architektura trzech warstw

Shippy został zaprojektowany jako system trzech komponentów. „Dusza” to system prompt definiujący osobowość agenta i granice behawioralne. Umiejętności określają sposób obsługi konkretnych typów zapytań. Zarówno dusza jak i umiejętności są pakowane w obraz Docker — wersjonowany artefakt określający tożsamość Shippy.

Konfiguracja obejmuje wszystko inne: wybór harness'a agenta (OpenClaw), model językowy (Claude Opus 4.6) oraz ustawienia runtime'owe. Sekrety jak klucze API są wstrzykiwane podczas uruchomienia, a zmiana modelu lub harness'a wymaga jedynie zmiany konfiguracji, nie przebudowy.

Umiejętności Shippy wykorzystują tę samą specyfikację co narzędzia kodujące jak Claude Code i Codex — pliki markdown z ustrukturyzowanym frontmatter. Agent obecnie obsługuje zapytania do API Skylight o wydarzenia (zachowania statków jak połowy czy przeładunek), wyszukiwanie granic wyłącznych stref ekonomicznych (EEZ) i morskich obszarów chronionych (MPA), interpretację danych śledzenia statków oraz generowanie interaktywnych linków do map.

Deterministyczne narzędzia w służbie nieprzewidywalnego agenta

Kluczowym wyzwaniem było opanowanie niedeterministycznej natury agentów. Chociaż nie można kontrolować decyzji modelu, można uczynić narzędzia przewidywalnymi. Shippy komunikuje się z systemem Skylight przez dedykowane CLI, nie przez bezpośrednie wywołania API.

We wczesnych prototypach pozwalano Shippy na konstruowanie wywołań API od podstaw, co prowadziło do ciągłego strumienia subtelnych błędów: nieprawidłowej paginacji gubiacej wyniki, błędów kodowania geometrii i pozornie poprawnych zapytań zwracających niewłaściwe dane.

CLI Skylight redukuje tę złożoność do przewidywalnego interfejsu. Agent wydaje pojedynczą komendę z typowanymi flagami, a CLI obsługuje uwierzytelnianie, paginację i strukturalne wyjście. Narzędzie jest samodokumentujące się dzięki rozbudowanym tekstom pomocy i szczegółowym komunikatom błędów, które dostarczają agentowi i programistom wystarczającego kontekstu do naprawy błędów bez zgadywania.

Granice i ograniczenia systemu

System prompt jawnie definiuje, czego Shippy nie będzie robić. Agent nie podejmuje prawnych ustaleń dotyczących łamania prawa przez statki — to pozostaje domeną ludzi. Nie spekuluje też poza tym, co wspierają dane. Te granice są eksplicytne w system prompt, nie ukryte w fine-tuningu, co czyni je audytowalnymi i łatwymi do modyfikacji.

Architektura warstwowa — typowane API, deterministyczne CLI i umiejętności agenta odwołujące się do komend CLI — zapewnia, że każdy element systemu pozostaje przewidywalny mimo niedeterministycznej natury podstawowego modelu językowego.