Hoe tem je de AI Agent Zoo met Nasiko
Wanneer je een enkele Python-agent uitvoert voor testing, werkt alles voorspelbaar. Voeg een tweede toe in TypeScript, een derde in Go, en de hoofdpijn begint. Agents beginnen elkaar direct aan te roepen, API-sleutels voor modellen verspreiden zich over configs en logs, en wanneer een dialoog gaat lopen, verdwijnen tokens met duizenden in een paar minuten.
Het Nasiko-Labs team pakte dit aan zoals netwerkingenieurs microservices benaderen. Het Nasiko project dient als een uniform control-plane voor agents, met routing, autorisatie, oneindige loop-bescherming en telemetrie-verzameling. De agents zelf zijn geïsoleerd van de buitenwereld en communiceren strikt via de A2A specificatie (Agent-to-Agent v1.0).
Wat dit platform kan doen
Het hele systeem is ontworpen rond het idee van een single entry point. Agents accepteren fysiek geen inkomende verbindingen van buitenaf. Elk inter-agent verzoek passeert de server, waar toegangsregels worden gecontroleerd en limieten worden afgetrokken.
Slimme call routing
De client of aanroepende agent hoeft de specifieke ID van de doelservice niet te kennen. Binnen Nasiko selecteert een drieledige pipeline de executor. Eerst filtert het systeem kandidaten op vector gelijkenis van beschrijvingen, dan worden ze opnieuw gerangschikt op basis van de huidige dialoogcontext, en een aparte lichtgewicht LLM maakt de uiteindelijke keuze.
Veilig sleutelbeheer en LLM Router
In plaats van OPENAI_API_KEY hard te coderen in environment variables van elke container, krijgen agents een intern adres OPENAI_BASE_URL en een kortlevende token. De interne proxy router substitueert de juiste provider key on the fly. Secrets komen nooit in logs of container code terecht.
Bescherming tegen oneindige loops en cascades
Als twee agents besluiten om eindeloos ping-pong te spelen, raakt de tokenbalans snel op nul. Nasiko houdt tellers bij in Redis voor call graph diepte, vertakkingslimieten, timeouts en per-session token budgets. Zodra de chain diepte de ingestelde drempel overschrijdt, breekt de server de executie af.
MCP protocol tool gateway
Voor het verbinden van externe tools is er een ingebouwde MCP Gateway. Deze aggregeert connectors (bijvoorbeeld Composio of custom MCP servers) en biedt agents een enkele URL voor function calls met per-agent toegangscontrole.
Architectuur en stack
De backend is geschreven in Rust en compileert naar een single binary met behulp van het Axum framework. Bewezen componenten worden gebruikt voor state storage:
- PostgreSQL slaat gebruikers, agent configuraties en versleutelde secrets op (AES-256-GCM).
- Redis handelt call tellers en cycle protection af.
- De ingebouwde OCI registry slaat container images op in S3-compatibele opslag.
- De OpenTelemetry, Tempo en Loki stack verzamelt distributed traces en logs voor elke stap.
Elk verzoek tussen agents wordt een OTel span. Het dashboard toont onmiddellijk hoeveel tokens naar een specifieke stap gingen en hoeveel de call kostte in centen.
Snelle start met Docker
Om de hele stack op te zetten is geen kennis van Rust vereist. Je hebt alleen Docker Engine met de Compose V2 plugin nodig.
Kloon eerst de repository en maak het environment bestand:
git clone https://github.com/Nasiko-Labs/nasiko.git
cd nasiko
cp .env.example .env
In .env moet je je OpenAI key en het admin wachtwoord specificeren:
OPENAI_API_KEY=sk-...
ADMIN_PASSWORD=strong_password_here
Breng daarna de infrastructuur omhoog:
docker compose up -d
De eerste opstart kost een paar minuten, omdat de Rust server binnen de container compileert. Het control panel zal beschikbaar zijn op http://localhost:8080.
Werken via CLI
Voor developers is er een console utility nasiko. Deze wordt geïnstalleerd via Cargo:
cargo install --path cli/
Het creëren en starten van een nieuwe agent kost vier commands:
# Подключаемся к локальному кластеру
nasiko connect http://localhost:8080
nasiko auth login
# Создаем проект из шаблона
nasiko new openai assistant-bot
cd assistant-bot
# Собираем и деплоим
nasiko deploy .
# Проверяем работу в чате
nasiko chat --agent assistant-bot "Привет, чем ты можешь помочь?"
Het deploy command bouwt automatisch de container, pusht deze naar Nasiko's ingebouwde registry, en registreert de agent bij de router.
Waar dit van pas komt
Het project is gericht op teams die voorbij eenvoudige LangChain scripts zijn gegroeid en productiesystemen bouwen van tientallen gespecialiseerde agents.
Hier zijn typische scenario's waar Nasiko tijd bespaart:
- Multi-agent pipelines waar agents door verschillende teams in verschillende talen zijn geschreven (Python, Node.js, Go).
- Systemen met strikte beveiligingseisen waar productie API keys niet aan externe execution environments kunnen worden verstrekt.
- Monitoring van LLM kosten per specifieke taken en gebruikers zonder handmatig log parsing.
Conclusie
Nasiko lijkt een volwassen poging om de netwerklaag en observability van multi-agent systemen in één compact tool te verpakken. Er wordt geen poging gedaan om een custom DSL af te dwingen voor het schrijven van prompts: je bent vrij om logica te schrijven in elk framework, zolang je de A2A v1.0 specificatie ondersteunt.
Als je moe bent van het handmatig aan elkaar koppelen van agent microservices en het tellen van tokens over gefragmenteerde OpenAI en Anthropic dashboards, is het project zeker de moeite waard om lokaal te draaien en uit te proberen. Voor productie moet je rekening houden met de sterke koppeling aan de Docker runtime in de open-source versie, maar voor lokale ontwikkeling en interne staging environments is het al een haalbare optie.
Gerelateerde projecten