LangChain v blogu z 23. októbra 2026 rozobral, ako navrhovať retrieval pre dlhobežné AI agentov v Deep Agents. Jadrom odporúčania je nehádzať veľké výsledky priamo do kontextu hlavného agenta: najprv lacno nájsť kandidátov, potom veľké výstupy odložiť do súborov a ich čítanie delegovať na subagentov.
PyTorch podľa oficiálneho technického blogu sprístupňuje na AMD MI350/gfx950 backend FlyDSL cez existujúce operátory a AOTriton. Dôležité nie je len tvrdenie o zrýchlení, ale aj to, kde sa backend v zásobníku vyberá, aké má podmienky tvaru, dtype a layoutu a prečo to nie je univerzálne zrýchlenie každého modelu.
LangChain 13. októbra 2026 opísal integráciu langchain-scaledown a podporu ScaleDown v LangSmith LLM Gateway. Zmena je dôležitá tým, že opakované úlohy správy kontextu v dlhobežných agentoch presúva z veľkého generatívneho modelu do špecializovaných middleware pre sumarizáciu, kompresiu výstupov nástrojov a extrakciu polí.
LangChain v októbri 2026 zhrnul, ako jeho Deep Agents presúva časť pracovnej pamäte mimo aktívneho kontextu modelu. Z dostupných podkladov vyplýva kombinácia offloadingu do filesystemu, sumarizácie histórie, izolácie subagentov a progresívne načítavaných skills; chýbajú však nezávislé benchmarky aj presné verzie.
LangChain v októbri 2026 opísal sériu noviniek pre prevádzku agentov: semantické hľadanie problémového správania v traceoch, čitateľnejší chronologický pohľad na relácie, proaktívny red teaming a automatické testovanie navrhovaných opráv. Zároveň predstavil Managed Deep Agents v0.9 s plánovanými úlohami, per-run konfiguráciou a reakciami v Slacku.
Docker v oficiálnych textoch z prelomu septembra a októbra 2026 spojil tri vrstvy pre beh AI agentov: lokálne Sandboxes, zdieľateľné Sandbox Kits a Cloud Sandboxes pre dlhšie úlohy. Podklad však stojí takmer výlučne na tvrdeniach dodávateľa a neobsahuje nezávislé testy ani plnú technickú dokumentáciu.
Oficiálny návod spája AI rešerš, čakanie na pripomienky a vytvorenie výsledného dokumentu. Pre malý tím je podstatné odlíšiť obnovu procesu od opakovania externého volania.
Iteratívne skenovanie môže doplniť kandidátov, ktorých po aplikovaní filtra zostalo málo. PostgreSQL zároveň ponúka samostatnú vrstvu pravidiel na úrovni riadkov; relevancia a oprávnenie riešia odlišné problémy.
Vzťahový model oprávnení umožňuje kontrolovať prístup k dokumentu cez vlastníka, skupinu či nadradený objekt. Samostatné API na otázku o prístupe sa dá zaradiť pred sprístupnenie dát modelu.
Režim frontu používa Redis a samostatné workery, aby vykonávanie workflowov neostalo v hlavnom procese. Pre malú firmu je dôležité aj zdieľanie kľúča, databáza a uchovávanie histórie.
Autorizačná špecifikácia MCP a bezpečnostné odporúčania vysvetľujú oddelenie klienta, MCP servera a nadväzujúcich služieb. Pre integrácie firmy je podstatný účel tokenu a hranica delegovaného prístupu.
Dokumentácia proxy upozorňuje na správanie rozpočtov bez databázy a rozlišuje globálne, tímové aj individuálne limity. Pri firemných agentoch treba overiť, ktorý limit sa skutočne uplatní.
Prerušenie workflowu umožňuje človeku schváliť konkrétny krok. Dokumentácia LangGraph rozlišuje stav jedného behu od dlhodobej pamäte a upozorňuje, že po obnovení sa časť kódu vykoná znova.
Zaznamenaná chyba sa dá zmeniť na príklad v datasete a použiť pri porovnaní ďalšej verzie. Pre malé tímy je dôležité rozlišovať sledovanie prevádzky, hodnotenie kvality a náklady na vlastnú infraštruktúru.
Agent môže vyhľadať MCP server v katalógu a pridať ho do aktuálnej relácie. Dokumentácia odlišuje tento dočasný výber od uloženého profilu a upozorňuje na experimentálny stav.
Dify spája workflowy, znalosti a modely, no vlastné nasadenie má konkrétne hranice dôvery. Dokumentácia Compose vysvetľuje spracovanie forwarded hlavičiek aj rozdiel medzi vstupom cez proxy a priamym prístupom k API.
