A DataRobot egyetlen API-val tenné egyszerűbbé az AI-ügynökök telepítését
A DataRobot általánosan elérhetővé tette Workload API-ját, amellyel a vállalatok egyetlen specifikációs fájlból és paranccsal telepíthetnek AI-ügynököket és más HTTP-alapú szolgáltatásokat. A rendszer stabil URL-t, automatikus skálázást, monitorozást és szabályozott megosztást biztosít.
- A DataRobot általánosan elérhetővé tette a Workload API-t.
- AI-szolgáltatások telepíthetők Kubernetes-manifesztek és kubectl használata nélkül.
- A rendszer Artifact, Workload és Protons objektumokra épül.
- A titkok a DataRobot hitelesítőadat-tárából, hivatkozással tölthetők be.
- A vázlatból egyetlen hívással hozható létre változatlan azonosítójú éles munkaterhelés.
Kubernetes-manifesztek helyett egy API
A DataRobot 2026. augusztus 18-án jelentette be a Workload API általános elérhetőségét. A szolgáltatás célja, hogy az AI-ügynökök, következtetési szerverek, RAG-folyamatok és az ezekhez tartozó felületek éles szolgáltatásként fussanak anélkül, hogy a fejlesztőknek Kubernetes-névtereket, Deploymenteket, Ingress-szabályokat vagy automatikus skálázási beállításokat kellene kezelniük.
A DataRobot szerint egy Kubernetesen futó ügynök éles környezetbe állítása jellemzően több YAML-fájlt, több száz sornyi konfigurációt és platformcsapat bevonását igényli. A Workload API ezzel szemben egy specifikációs fájlt és egy parancsot használ. A vállalat állítása szerint így körülbelül öt perc alatt létrehozható egy működő, stabil URL-lel rendelkező szolgáltatás.
A rendszer alapja, hogy minden munkaterhelés szabályozott objektumként jön létre. Ez a DataRobot szerint lehetővé teszi, hogy a platformcsapatok ellenőrizzék a telepítéseket anélkül, hogy közvetlen fürthozzáférést kellene adniuk az AI-fejlesztőknek.
Három objektum írja le a telepítést
A Workload API három fő fogalomra épül. Az Artifact azt írja le, mit kell futtatni, például a konténerképet, a portot, a belépési pontot, a környezeti változókat és az állapotellenőrzéseket. A Workload a szolgáltatás szabályozott identitása, amelyhez a stabil URL, a megosztás és a monitorozás kapcsolódik. A Protons a munkaterhelést kiszolgáló futó példányokat jelenti.
A telepítéshez YAML- vagy JSON-formátumú specifikációs fájl használható, amelyet a DataRobot CLI-val lehet létrehozni. A futtatási részben többek között a példányszám, a processzor és a memória adható meg. A titkokat, például egy OpenAI API-kulcsot, a DataRobot hitelesítőadat-tárából lehet hivatkozással betölteni. A kulcs így nem kerül bele sem a specifikációba, sem a konténerképbe, sem a verziókezelőbe.
A CLI mellett REST-hívásokkal, curl használatával, valamint a DataRobot Pulumi- és Terraform-szolgáltatójával is kezelhetők a munkaterhelések. A Code-to-Workload forráskódból készít konténert Dockerfile vagy regisztrációs tár használata nélkül. A DataRobot Agent Skills bővítménye pedig Claude Code-ból és Coworkból teszi lehetővé a munkaterhelések létrehozását, skálázását és hibakeresését.
Ügynökök, modellek és élesítés egy életciklusban
A Workload API nem csak az ügynököket futtató szolgáltatásokhoz használható. A DataRobot szerint LangGraphra, CrewAI-ra vagy egyedi vezérlésre épülő ügynökök mellett NVIDIA NIM- és vLLM-alapú következtetési szerverek, RAG-folyamatok, MCP-szerverek, vektोरadatbázisok, valamint Streamlit- és Gradio-felületek is futtathatók rajta, ha HTTP-n hallgatnak.
A generatív modellek két elsődleges úton telepíthetők. Az NVIDIA NIM mikroszolgáltatásai első osztályú Artifact-típusként kezelhetők a NIM Operator használatával, amely jelenleg a DataRobot OpenShift-alapú, saját üzemeltetésű változatán érhető el. A másik lehetőség a Hugging Face-ről származó nyílt modellek közvetlen futtatása olyan inference-szerverekkel, mint a vLLM. A modellek súlyait tartós köteteken gyorsítótárazza a rendszer, a hitelesítőadatokat pedig a DataRobot tárából injektálja.
Az elsőként létrehozott munkaterhelés vázlatként működik: valódi végponttal és teljes monitorozással rendelkezik, inaktivitás után pedig automatikusan törlődik. A forrás szerint ez 8 óra után történik. Élesítéskor egyetlen hívással zárolható az Artifact, így a termelési környezet pontosan a tesztelt verziót futtatja. A munkaterhelés azonosítója, URL-je és megosztási beállításai közben változatlanok maradnak.
A felhasználók ugyanazon az API-n keresztül nézhetik meg az életciklus-eseményeket, a példányok állapotát, az újraindításokat és a naplókat. A DataRobot állítása szerint a konténernaplók alapértelmezetten elérhetők, az OpenTelemetry használatával pedig nyomkövetések, mérőszámok és strukturált naplók gyűjthetők. Ez egy ügynöknél az egyes LLM-hívások és eszközmeghívások követését is lehetővé teszi.
