Softverski sistem koji koristi veštačku inteligenciju da samostalno planira i izvršava zadatke ka zadatom cilju.
AI agent je sistem koji oko velikog jezičkog modela dodaje sposobnost da samostalno donosi odluke i preduzima akcije, a ne samo da odgovara na pitanja. Agent dobija cilj, razlaže ga na korake, koristi alate (pretraga, kod, API-ji), proverava rezultate i prilagođava plan dok zadatak ne završi. Za razliku od običnog četbota, agent može da obavi višekoračni posao bez stalnog vođenja korisnika.
Kako radi u praksi
U srcu svakog agenta stoji petlja koja se ponavlja: model pročita cilj i dosadašnji tok posla, odluči šta je sledeći potez, pozove neki alat, pa pročita rezultat i odluči ponovo. Petlja se prekida kada je zadatak gotov, kada agent ostane bez ideja ili kada naiđe na granicu koju mu je čovek postavio.
Zamislite zadatak „proveri zašto je sinoć pao naš sajt i napiši kratak izveštaj". Agent prvo poziva alat za čitanje logova, u njima nalazi grešku baze, zatim pretraži interne beleške o toj grešci, uporedi vreme pada sa vremenom poslednjeg deploya i tek onda napiše izveštaj. Nijedan od tih koraka nije bio unapred isprogramiran, agent ih je izabrao na osnovu onoga što je usput video. Isti obrazac radi i kod jednostavnijih poslova, na primer kod agenta koji svako jutro skupi narudžbine iz mejla, upiše ih u tabelu i pošalje rezime timu.
Zašto je bitno i gde se sreće
Agenti su danas glavni način na koji firme AI iz demonstracije prevode u svakodnevni rad. Najzrelija primena je programiranje, gde agent čita repozitorijum, menja kod i pokreće testove, ali se isti pristup širi na podršku korisnicima, obradu dokumenata, istraživanje tržišta i interne operacije. Praktična vrednost dolazi otud što agent može da radi dok ga niko ne gleda, pa jedan čovek nadgleda posao koji bi inače zauzimao ceo dan.
Zbog toga se uz agente uvek postavlja i pitanje kontrole: koje alate sme da koristi, šta sme da menja bez odobrenja i kako se rad proverava. Ozbiljne implementacije zato imaju dnevnik akcija, ograničene dozvole i tačke na kojima agent mora da pita čoveka.
Česta zabluda
Najčešća greška je poistovećivanje agenta sa modelom. Model je motor, agent je vozilo: bez alata, memorije, dozvola i petlje koja proverava rezultat, i najbolji model ostaje sagovornik koji samo predlaže. Druga zabluda je da agent radi bez nadzora zato što je „pametan". U praksi agenti greše upravo kada zadatak nije dobro definisan, kada im nedostaje kontekst o firmi ili kada alat vrati nešto neočekivano, pa im je potreban jasan okvir, a ne slepo poverenje.
Vredi znati i to da veći broj koraka ne znači bolji rezultat. Agent koji pravi dvadeset poziva alata umesto tri često samo troši više tokena i uvodi više prilika za grešku.
Moderni agenti se grade nad modelima poput Claude uz pozivanje alata, protokole kao što je MCP i pristup koji se naziva agentni AI.