Menu

agenticai

openclaw_lightsail_featured

OpenClaw már Lightsail-en: autonóm AI agent percek alatt

, , , , , , , , , ,

| Olvasási idő: 5 perc |

2025-ben látványosan megváltozott az AI rendszerek iránya. A fókusz egyre inkább az úgynevezett Agentic AI felé fordult. Ebben a folyamatban nagy szerepe volt az MCP (Model Context Protocol) megjelenésének is, amely jelentősen megkönnyítette az AI rendszerek és különböző eszközök közötti integrációt.

Korábban főleg chat alapú AI rendszereket használtunk. A működés egyszerű volt: kérdeztünk valamit, az AI válaszolt. Ez sok esetben hasznos, de nem mindenre alkalmas nekünk.

Azóta az AI agentek rengeteget fejlődtek. Egyre ügyesebbek lettek, és sokkal könnyebben integrálhatók különböző rendszerekkel. Ennek köszönhetően egy új szintre léptek: megjelentek az autonóm AI agentek.

Ezek már nem csak válaszolnak egy kérdésre. Folyamatosan futnak a háttérben, figyelnek, reagálnak, feladatokat hajtanak végre, és különböző rendszerekkel kommunikálnak.

Ha belegondolunk, ez valójában nem egy teljesen új koncepció. Inkább egy természetes következő lépés. Az eddig különálló technológiák – AI modellek, automatizációk, integrációk – most kezdenek igazán összeérni.

Pont ezt a hullámot lovagolja meg az OpenClaw is. Valójában semmi újat nem hoz, hanem okosan összerakja azokat az elemeket, amelyek eddig is léteztek. A különbség inkább az, hogy nagyon alacsonyra teszi a belépési küszöböt ebbe a világba.

És most már az Amazon Lightsail segítségével ezt még könnyebb kipróbálni az AWS-ben.

Mi az az OpenClaw?

Az OpenClaw egy nyílt forráskódú autonóm AI agent.

Korábban Clawdbot vagy Moltbot néven is ismert volt, de a projekt most már OpenClaw néven fut tovább.

A működési modellje eltér attól, amit a klasszikus chat AI rendszereknél megszoktunk.

Az OpenClaw:

  • folyamatosan fut a háttérben
  • üzenetküldő platformokon keresztül kommunikál
  • képes feladatokat végrehajtani
  • kódot futtatni
  • fájlokat kezelni
  • weboldalakat böngészni
  • automatizált munkafolyamatokat kezelni

Alapvető kommunikációs csatornái például:

  • Slack (én ezt használom)
  • Telegram
  • WhatsApp
  • Discord

Ez azt jelenti, hogy a felhasználó egy üzenetküldő alkalmazáson keresztül kommunikál az agent-el, miközben az a háttérben egy szerveren fut.

Miért érdekes a Lightsail integráció?

Az OpenClaw eddig is telepíthető volt saját infrastruktúrára.

Például:

Viszont ezek sok esetben túl bonyolultak lehetnek egy gyors kipróbáláshoz.

Ahogy arról már írtam az Amazon Lightsail pont ilyen a problémákra ad egyszerű megoldást: A Lightsail egy leegyszerűsített AWS szolgáltatás, amely előre konfigurált szolgáltatásokat kínál fix havi áron.

Most már az OpenClaw egy előre elkészített megoldásként is elérhető ezen a platformon.

A 90 napos ingyenes lehetőség

Ahogy megszoktuk az egyes szoplgáltatásokhoz több csomagot is igénybe vehetünk. Így van ez most is, viszont a Lightsail egyik csomagja különösen érdekes.

A konfiguráció:

  • 2 vCPU
  • 2 GB RAM
  • 60 GB SSD
  • 3 TB adatforgalom

Normál esetben ez 12 USD / hó.

Most azonban az AWS 90 napos ingyenes időszakot kínál erre a csomagra.

Ez gyakorlatilag azt jelenti, hogy három hónapig teljesen inygenesen lehet kipróbálni egy saját AI agent futtatását.

Hogyan illeszkedik ez a modern AI agent trendbe?

Az AI világában most egyre többet beszélünk az úgynevezett agentic AI rendszerekről.

A különbség egyszerűen megfogalmazva:

  • Chat AI: A felhasználó kérdez, a modell válaszol.
  • AI agent: A rendszer folyamatosan fut és feladatokat hajt végre.

Az agentek általában képesek:

  • több eszközt használni
  • API-kat hívni
  • fájlokat feldolgozni
  • automatizált workflow-kat futtatni

Az OpenClaw ebbe a kategóriába tartozik. Ezért sok érdeklődő, fejlesztő és AI mérnök számára érdekes projekt.

Mire lehet használni egy ilyen AI agentet?

Az OpenClaw mögött az az elképzelés áll, hogy az AI ne csak „beszéljen”, hanem dolgozzon is.

Néhány egyszerű példa:

  • Automatizált Slack asszisztens: Egy csatornában figyeli a kérdéseket és segít dokumentációk alapján válaszolni.
  • Fejlesztői workflow támogatás: Feladatokat gyűjt, fájlokat generál, scriptet futtat.
  • Monitoring jelzések feldolgozása: Alert esetén információkat gyűjt és jelentést készít.
  • Kisebb automatizációk: Weboldalak ellenőrzése, adatgyűjtés, riportok generálása.

Nyilván ezekhez további konfiguráció és integráció szükséges, de az alap koncepció már működőképes.

Mire figyelj az AI agenteknél!

Az AI agent rendszerek körül most nagyon nagy a hype.

Úgy látom, hogy túl gyorsan próbálnak valami nagyon komplex rendszert építeni. És ebben sokszor elvesznek.

Pedig az ilyen technológiáknál sokkal fontosabb: először kísérletezni. (valami egyszerűvel)

Ezért jó a Lightsail alapú megközelítés.

Egy kis VM-en el lehet kezdeni:

  • tesztelni
  • integrációkat kipróbálni
  • promptokat finomítani
  • agent workflow-kat építeni

Ha pedig megvan a tapasztalat, és komolyabb, kreatívabb megoldás kell, akkor lehet tovább lépni.

Én is ki fogom próbálni

Az OpenClaw bizonyos szempontból számomra is érdekes projekt, ezért a következő hetekben ki fogom próbálni a Lightsail alapú megoldást, és össze fogom hasonlítani azzal a környezettel, amit jelenleg itthon futtatok a saját mikro szerveremen.

Kíváncsi vagyok például:

  • ugyanolyan stabil
  • milyen teljesítményre képes
  • mennyire egyszerű integrálni különböző rendszerekkel
  • ugyanannyi hiba van-e benne mint a helyi szerveren futó verzióban

Ha lesznek érdekes tapasztalataim, arról külön cikkben is fogok írni.

Fontos: ezekkel az agentekkel óvatosan kell bánni

Szeretném azonban mindenki figyelmét felhívni, hogy felelősséggel használja.

Az autonóm AI agentek nem csak válaszolnak, hanem aktívan cselekszenek. Kódot futtathatnak, fájlokat kezelhetnek, API-kat hívhatnak, vagy akár külső rendszerekkel is kommunikálhatnak.

Ez hatalmas lehetőség, de egyben kockázat is.

Ha egy agent túl széles jogosultságot kap, vagy rosszul konfiguráljuk, akkor könnyen okozhat problémát – akár saját rendszereinkben, akár más szolgáltatásokban.

Ezért az ilyen rendszereket mindig:

  • korlátozott jogosultságokkal érdemes futtatni
  • izolált környezetben tesztelni
  • és tudatosan felügyelni

Az AI agentek nagyon erős eszközök lehetnek, ezért felelősséggel kell használni őket.

Pont ezért érdemes először kísérletezni velük, mielőtt komolyabb rendszerekbe integrálnánk őket.

Összegzés

Az OpenClaw sokak szerint egy izgalmas új irányt képvisel az AI rendszerek világában. Ezzel kapcsolatban én kicsit szkeptikus vagyok. Az azonban tény, hogy felkavarta az állóvizet.

Akik eddig nem merték kipróbálni az autonóm AI agenteket, azoknak most jó lehetőség nyílik rá. Az Amazon Lightsail integráció jelentősen leegyszerűsíti az indulást.

A 90 napos ingyenes csomag kifejezetten jó lehet arra, hogy valaki elkezdjen kísérletezni ezekkel a rendszerekkel, és saját tapasztalatot szerezzen.

És egy dolgot érdemes mindig szem előtt tartani: az ilyen rendszereket mindig csak felelősséggel használjuk.

Ha érdekelnek a hasonló Cloud és AI tartalmak:

Iratkozz fel az InfoPack hírlevélre
Kövess LinkedIn-en
Iratkozz fel a YouTube csatornámra
Keress meg TikTok-on is

Rendszeresen jelentkezem új, szakmai tartalmakkal, hogy ismerd a Cloud izgalmas világát.

ai-models-2026-hero

Újdonságok: 2026 elején megjelent AI modellek és agentek

, , , , , ,

| Olvasási idő: 6 perc |

A mesterséges intelligencia világában folyamatos a pörgés és a változás. Rendszeresen jelennek meg az egyes nagy nyelvi modellek (LLM) újabb, frissített — de nem feltétlenül jobb — verziói. Most, hogy túl vagyunk januáron, érdemes egy pillanatra megállni, és megnézni: milyen AI modellek és agent-ek érkeztek meg 2026 elején, illetve mi az, ami már most körvonalazódik. És ami legalább ilyen fontos: vajon ezek a változások tényleg előre visznek minket, vagy csak tovább növelik a zajt?

A 2026 eleji kép egyértelműen azt mutatja, hogy a fókusz eltolódott. Nem „okosabb chatbotokat” építenek, hanem hosszabb ideig dolgozni képes, kontextust tartó, feladatokat elejétől a végéig elvégző modelleket és ügynököket. Ez nem látványos, de nagyon is hasznos irány, amikor egy komplex feladatot szeretnék az AI segítségével elvégezni.

GPT-5.3-Codex – amikor a kódolás már folyamat

A GPT-5.3-Codex február elején jelent meg, és egyértelműen hangsúlyozzák, hogy nem egyszeri promptokra optimalizálták. Az OpenAI itt már kifejezetten agentic codingról beszél: olyan fejlesztési munkáról, amely nem percekig, hanem órákig vagy akár napokig tart.

Ez a modell nem ott erős, hogy „írj egy függvényt”, hanem ott, hogy:

  • képes egy komplex kódbázison belül következetesen dolgozni,
  • visszatér korábbi döntésekhez,
  • és saját hibáit felismerve javítja azokat.

A sebességnövekedés önmagában nem izgalmas. Ami igazán számít: kevesebb beavatkozást igényel. Fejlesztői és DevOps szemmel ez azt jelenti, hogy egyre inkább partnerként viselkedik, nem pedig eszközként.

Ugyanakkor fontos korlát: ez sem váltja ki az architektúrát, a code review-t vagy a felelősségi köröket. Ahol ezt próbálják megspórolni, ott az AI nem segít, hanem megnöveli a hibák számát is.

Claude Opus 4.6 – gondolkodás nagy léptékben

A Claude Opus 4.6 szintén február elején jelent meg, de teljesen más problémára ad választ. Itt a hangsúly nem a kódoláson, hanem a tervezésen, elemzésen és hosszú kontextusok kezelésén van.

Ez a modell ott erős, ahol:

  • nagy dokumentumhalmazokat kell átlátni,
  • összetett üzleti, jogi vagy pénzügyi helyzeteket kell értelmezni,
  • vagy több, egymásra épülő döntést kell következetesen végiggondolni.

A hosszú kontextusablak nem öncélú technikai adat. A gyakorlatban azt jelenti, hogy nem kell feldarabolni a problémát csak azért, mert a modell „elfelejt” dolgokat. Ez enterprise környezetben óriási előny.

Cserébe ez nem egy „gyors” modell. Nem ideális real-time interakciókra vagy pipeline-ba illesztett automatikus futtatásra. Inkább döntéstámogató, elemző szerepben erős.

Ennek megfelelően használata drága, amire fel is hívja a figyelmet, amikor ezt a modellt használjuk.

Screenshot

Claude Cowork – amikor az AI tényleg dolgozik

A Claude Cowork nem új modell, hanem egy desktop agent, és emiatt sokkal érdekesebb, mint elsőre tűnik. Ez már nem csak válaszol, hanem:

  • fájlokat olvas és szerkeszt,
  • mappákban dolgozik,
  • böngészőt használ.

Ez az a pont, ahol az AI elkezd beleolvadni a napi munkavégzésbe. Nem külön eszköz, hanem „ott ül melletted”.

Itt viszont nagyon gyorsan előkerülnek a nem technikai kérdések: adatkezelés, jogosultságok, kontroll. Egy ilyen agent hatalmas hatékonyságnövelő lehet, de csak akkor, ha pontosan tudjuk, mit láthat és mit nem. Ez már governance kérdés, nem modellképesség.

A Cowork-nek vannak egyéb különlegességei is, erről majd egy későbbi videóban beszélek nektek.

Kimi K2.5 – nyílt AI modell, komoly ambícióval

A Moonshot AI Kimi K2.5 modellje sok benchmarkon jól szerepel, de a lényeg nem ez. Hanem az, hogy nyílt modellként próbál versenyezni a zárt rendszerekkel. Ez már önmagában is izgalmas és ígéretes. Kíváncsi leszek hová jutnak. Én drukkolok nekik.

Multimodális, és az agent-alapú működésre épít: több feladatot képes párhuzamosan kezelni, több „gondolkodási szálon”. Ez különösen érdekes ott, ahol:

  • szuverén AI-megoldásokban gondolkodnak,
  • on-prem vagy kontrollált környezetben kell futtatni a modellt.

Fontos viszont látni: a nyílt nem jelenti azt, hogy egyszerű. Az üzemeltetés, integráció és finomhangolás továbbra is komoly szakértelmet igényel. Cserébe viszont nagyobb kontrollt ad ,ami sokaknak fontosabb.

Gemma 3 – stabil alap, nem reflektorfényben

A Gemma 3 nem friss februári megjelenés, de 2026 elején is releváns. Ez a modellcsalád nem „mindent megoldó AI”, hanem megbízható építőkocka.

A Gemma ott jó választás, ahol:

  • célzott AI-funkciókra van szükség,
  • fontos a kiszámíthatóság,
  • és nem akarunk egy túl nagy, túl komplex modellt használni.

Sok projektben ez pont elég. Sőt, gyakran jobb, mint egy flagship modell, amit csak részben használunk ki.

Gemini Flash 3 – amikor a sebesség számít

A Gemini Flash 3 2025 decemberében jelent meg, de még bőven frissnek számít. A pozíciója nagyon egyértelmű: gyors, fürge, költséghatékony.

Ez nem a „legmélyebben gondolkodó” modell, hanem az, amelyik:

  • jól működik chat-alapú felületeken,
  • nagy forgalmat képes kiszolgálni,
  • és gyors válaszidőt ad.

A Gemma 3-hoz képest fontos különbség, hogy a Flash 3 inkább kész szolgáltatás, nem építőkocka. Kevesebb döntést igényel, gyorsabban lehet vele funkciót szállítani.

Cserébe nem erre bíznám komplex üzleti logikát vagy mély elemzést. Ott nem ez az erőssége.

Meta: Mango és Avocado – ami még csak irány

A Meta esetében a Mango és Avocado egyelőre belső kódnevek. Amit látni lehet: erős fókusz a multimodalitáson és a skálázhatóságon. Konkrét termékről még nem beszélhetünk, de irányról igen.

Ez tipikusan az a kategória, amit érdemes figyelni, de nem tervezni rá. A Meta eddigi tempóját ismerve lesz folytatás, csak még nem most.

Függetlenül az AI modellektől

A 2026 eleji helyzetkép a szokásos: nem egy „legjobb modell” van, hanem egyre több, jól körülhatárolt szerepre optimalizált megoldás. Ez jó hír, ha tudatosan választunk.

A rossz döntések nem abból születnek, hogy „rossz modellt választunk”, hanem abból, hogy nem tudjuk, mire szeretnénk használni. Ha ezt sikerül kiküszöbölnünk, akkor ezek a modellek és agent-ek valóban előre tudják mozdítani a munkát — technológiailag és üzletileg is.

Ha pedig érdekelnek a hasonló Azure és AI tartalmak:

ClaudeInExcelBeta2026-blog

Claude in Excel – az AI asszisztens – mit tud a béta?

, , , , , , ,

| Olvasási idő: 2 perc |

Ebben a videóban a Claude in Excel (Beta) megoldást mutatom be, amely képes elemezni, javítani és kezelni az Excel munkafüzetekben lévő adatokat. Ez egy beépített AI asszisztens, aki segít felgyorsítani és tökéletesíteni az Excel tudásod.

A Claude in Excel képletek magyarázatában, hibakeresésben, pivot táblák létrehozásában, adattisztításban, táblázatok és diagrammok elkészítésében. Ingyenesen tudod telepíteni ezt az Excel kiegészítőt a Microsoft Markeplace-ről. Habár a kiegészítő ingyenes, a Claude esetén szükséged van egy minimum Pro előfizetésre, hogy használni tudd.

A videó kitér a jelenlegi korlátokra is, így reális képet kapsz arról, mire számíthatsz a Claude in Excel (Beta) használata során.

Egy bemutatón keresztül megmutatom, hogy hogyan használható adattisztításra is.

A videó célja, hogy rövid, érthető képet adjon arról, mikor lehet hasznos a Claude in Excel használata, és milyen korlátai vannak jelenleg a béta verziónak.

Miről lesz szó a videóban?

  • Claude in Excel (Beta) működése Excelen belül
  • Képletek magyarázata és hibajavítás
  • Pivot táblák és diagramok létrehozása
  • Adattisztítás gyakorlati példával
  • Naplózás és visszakövethetőség
  • Modellválasztás (Sonnet vs Opus)
  • Mi az, amit még nem tud a béta verzió
  • Prompt-olás szerepe a hatékonyságban

Kinek ajánlott ez a videó?

  • Excelben rendszeresen dolgozóknak
  • Adatokkal foglalkozó szakembereknek
  • AI eszközök iránt érdeklődőknek
  • Tanulóknak, akik hatékonyabb munkamódszereket keresnek

Claude in Excel videó

Ne feledd, ez nem egy teljes Excel képzés és nem is AI tutorial. Nem makró automatizálási útmutató és nem termék összehasonlító teszt.

Ha szeretnél ebben az irányban tisztábban látni, érdemes követned a további cikkeimet és feliratkozni az InfoPack hírlevélre vagy a Youtube csatornámra.

azure-logic-apps-hero

Az Azure Logic Apps csendben felnőtt – és AI-kompatibilis is

, , , , , , , , , ,

| Olvasási idő: 5 perc |

Amikor az elmúlt években Azure Logic Apps-ről beszélgettünk, gyakran ugyanoda jutottunk: jó eszköz, rengeteg integrációs lehetőséggel, mégis maradt bennem egy állandó hiányérzet. Én magam is sokszor éreztem azt, hogy működik, de nem igazán élvezetes vele dolgozni. Mondhatni, kicsit merev és nem túl vonzó a grafikus felülete.

Ez az érzés 2025 nyarán is nagyon erősen visszajött, amikor készítettem a „NoCode és LowCode megoldások Azure-ban és AWS-ben” videós képzési anyagot. Akkor is pontosan ezt láttam: az Azure Logic Apps elképesztően sok lehetőséget rejt, mégsem olyan kényelmes használni, mint amennyit valójában tud. Nem a funkcionalitás hiányzott, hanem a használhatóság nem nőtt fel a képességekhez.

2025-ben viszont ez a helyzet látványosan megváltozott. Nem egy hangos marketingkampánnyal, hanem több, egymásra épülő, tudatos fejlesztéssel. Ráadásul ezek a változások már nem csak az integrációról szólnak, hanem arról is, hogyan illeszkedik a Logic Apps az AI-ügynökökkel dolgozó architektúrákba.

Azure Logic Apps Designer újratervezése

2025 novemberében a Microsoft bejelentette az Azure Logic Apps Designer teljes újratervezését, amely jelenleg Public Preview státuszban érhető el a Standard workflow-khoz.

Ez nem egyszerű UI-frissítés. Inkább egy felismerés eredménye. A Logic Apps-et ma már nem csak kisebb automatizmusokra használják, hanem üzletileg kritikus folyamatokra is.

A korábbi designer elsősorban kisebb workflow-kra volt optimalizálva. Nagyobb folyamatoknál gyorsan átláthatatlanná vált, és hosszabb távon mentálisan is fárasztó volt vele dolgozni.

Az új szerkesztő ezzel szemben sokkal jobban kezeli a nagy és összetett workflow-kat. Logikusabb lépésszervezést ad, és végre nem büntetés egy több tucat lépésből álló folyamat karbantartása.

Tehát az új funkció jelenleg csupán a Standard verzióknál elérhető.

Azure Logic Apps new designer availability

Erre figyelni kell, ha szeretnék kipróbálni az új felületet. Itt sem alapértelmezetten kapjunk, hanem be kell azt kapcsolnunk. Ezt könnyű megtenni a portálon.

Azure Logic Apps new designer on

Ha pedig nem tetszik, bármikor vissza is válthatunk a korábbi megoldásra.

Azure Logic Apps new designer off

Az XML kezelése végre élhetőbb

Kevésbé látványos, de szakmailag nagyon fontos változás az XML-kezelés javítása.

Aki dolgozott már SOAP-alapú integrációkkal, legacy rendszerekkel vagy vállalati adatcsere-folyamatokkal, pontosan tudja, mennyire nehézkes volt korábban az XML feldolgozása Logic Apps-ben.

2025-ben ezen érezhetően javítottak. Az XML struktúrák kezelése átláthatóbb lett, a kifejezések logikusabban épülnek fel, és az egész élmény már közelít a JSON feldolgozás egyszerűségéhez. Nem lett tökéletes, de végre nem érzem azt, hogy tudatosan kerülni kellene.

Azure Logic Apps mint MCP szerver

A Microsoft Build 2025 egyik stratégiailag legfontosabb bejelentése az volt, hogy az Azure Logic Apps Standard képes MCP, vagyis Model Context Protocol szerverként működni.

Ez elsőre technikai részletnek tűnhet, valójában azonban szemléletváltást jelent. Az MCP célja az, hogy az AI-ügynökök strukturált módon érjenek el műveleteket. Nem ad-hoc API-hívásokkal, hanem egy egységes, szabványosított protokollon keresztül.

Ebben a modellben a Logic Apps egy vizuálisan definiált, enterprise szintű végrehajtási réteggé válik. Több száz connector, kiforrott security és governance modell, valamint most már MCP-kompatibilis működés áll rendelkezésre. Ez ideális alapot ad AI-agentek számára is.

Egy Azure Logic Apps példa

Képzelj el egy AI-ügynököt, amely beérkező e-maileket elemez, majd eldönti, hogy incidensről, számlázási kérdésről vagy support megkeresésről van szó. A döntés után elindítja a megfelelő üzleti folyamatot.

Ebben a felállásban az AI-ügynök hozza meg a döntést, a Logic Apps pedig megbízhatóan végrehajtja azt, ahogy eddig is tette azt. Jegy létrehozás, adatlekérdezés, értesítés, auditálás mind jól definiált workflow-kban történik, MCP-n keresztül.

Itt válik igazán érdekessé a Logic Apps szerepe. Nem okosabb lesz, hanem stabilabb és kiszámíthatóbb végrehajtó réteggé válik.

Mit jelent ez ha most kezded?

Ha most ismerkedsz a felhővel vagy a NoCode és LowCode világgal, akkor a Logic Apps továbbra is könnyen tanulható maradt. Nem kell azonnal AI-agentekben vagy AI-ügynökökben gondolkodnod. Az alap automatizmusok ugyanúgy működnek, mint eddig.

A különbség az, hogy amit most tanulsz, az nem zsákutca. Később természetes módon bővíthető AI-alapú megoldások irányába is.

Haladóknak és karrierváltóknak

A 2025-ös változások egyértelmű irányt mutatnak. Az integráció, az automatizálás és az AI egyre inkább összenő.

Az Azure Logic Apps ma már nem csak összeköt, hanem orchestration rétegként és végrehajtási motorként működik. AI-ügynökök stabil háttérrendszere lehet, nagyvállalati környezetben is.

Ez hosszú távon értelmezhető, jövőálló tudás. Ráadásul most már mindezt egyben elérheted az Azure-on belül.

Öszefoglalva

2025-ben az Azure Logic Apps csendben, de határozottan szintet lépett. Az új designer használhatóbbá tette, az XML-kezelés élhetőbb lett, az MCP-szerver képesség pedig teljesen új szerepbe helyezte a szolgáltatást.

Számomra ez azt jelenti, hogy a Logic Apps újra komolyan vehető eszköz lett. Nem csak integrációra, hanem AI-ügynökökkel együttműködő architektúrákban is.

Ami fontos: Az új designer sem váltja ki az átgondolt tervezést.

Ígérem, nem állunk meg az elméletnél. Hamarosan hozok egy részletes, végigkövethető példát is, amelyet már az új Logic Apps designerrel valósítok meg, valós problémára, valós döntési pontokkal. Megmutatom, hol erős az új megközelítés, és azt is, hol vannak még kompromisszumok.

Ha követsz, elsőként látod majd ezt a gyakorlati anyagot, és nem csak azt fogod érteni, mi változott, hanem azt is, mikor és miért érdemes használni.

Ha szeretnél ebben az irányban tisztábban látni, érdemes követned a további cikkeimet és feliratkozni az InfoPack hírlevélre.

atlas-03

ChatGPT Atlas: az internetes böngészés új dimenziója

, , , , , , , , ,

| Olvasási idő: 4 perc |

Amikor az OpenAI bejelentette a ChatGPT Atlas-t, azonnal letöltöttem és feltelepítettem a gépemre, hogy kipróbáljam. Első gondolatom az volt, hogy a ChatGPT vastagkliensét használom. Majd ahogy elmélyedtem benne, rájöttem, hogy ez egy teljesen más megközelítése az internetezésnek.

Az AI alapvetően a kérdéseinkre válaszol és az utasításainkat követi, de közben teljesen kihasználja azt, hogy ez egy böngésző. Amikor egy linkre kattintok a megszokott kinézetű chat-ablakban, osztott képernyőn megnyílik a weboldal. Itt lehetőségem van arra, hogy a megnyitott weboldal tartalmaival kiegészítve beszélgessek tovább az AI-val. Ez olyan érzés, mintha a GitHub CoPilot-ot használnám a Visual Studio Code-ban – csak éppen a teljes interneten.

Szerintem ez mindenképpen egy új dimenzióba helyezi az online böngészést. Talán ahhoz tudnám hasonlítani, amikor Elon Musk előrukkolt a Tesla-val, vagy Steve Jobs bemutatta az első iPhone-t. És ezen hasonlatokban nem arra gondolok, hogy valami forradalmian újat mutattak be, hanem arra, hogy újragondolták azt, amit addig ismertünk. A ChatGPT Atlas is ilyen – az internetes élményt formálja újra, alapjaiban.

Amit viszont nem értek: miért nem a Google-nak jutott ez eszébe? Megöregedtek? Elfáradtak? A Google mesterséges intelligencia-kiegészítése a keresőben amúgy is inkább vicces, mint hasznos. Nem ezt vártam. Bár tudom, ha a keresőóriás meglépte volna azt, amit most az OpenAI az Atlas-szal, akkor elesett volna sok milliárdnyi reklámbevételtől.

Nem véletlen, hogy az elmúlt egy évben már nem használom a Google keresőjét – egyszerűen elavult és szinte használhatatlan. A ChatGPT Atlas viszont megmutatta, hogyan nézhet ki a böngészés a jövőben, ha a mesterséges intelligencia nem csak válaszol, hanem valóban együtt gondolkodik velem.

Amikor a böngésző és az AI összeér, megszűnik a határ az információ és a megértés között. Nem kell külön keresnem, olvasnom, értelmeznem, majd kérdeznem – a rendszer ezt mind egyben teszi. Az Atlas nem egyszerűen egy böngésző: ez az első olyan felület, ahol az internet és az AI világa egyesül. És ahogy most látom, ez csak a kezdet.

Mitől különleges ez a böngésző?

A ChatGPT Atlas nem egyszerűen egy új termék, hanem az internethasználat újragondolása. Az OpenAI szerint ez a böngésző „a ChatGPT-vel a középpontban” készült, és célja, hogy a felhasználó munkáját, kontextusát és eszközeit egyetlen, intelligens felületen egyesítse.

A tavalyi évben a ChatGPT-ben megjelent a keresés funkció, amely azonnal az egyik legnépszerűbbé vált. Most azonban az OpenAI ezt a funkcionalitást egy teljes böngészőbe emelte át. Az Atlas lehetővé teszi, hogy a ChatGPT mindenhol ott legyen – megértse, mit csinálok, és segítsen anélkül, hogy másik oldalt vagy alkalmazást kellene megnyitnom.

A böngésző emlékezete („Browser memories”) teljesen opcionális, és a felhasználó kezében marad az irányítás – az adatok bármikor törölhetők, archiválhatók, vagy kikapcsolható a funkció.


Agent mód: Ez az egyik legizgalmasabb rész – bizonyos előfizetési szinteken (Plus, Pro, Business) elérhető. Az Agent (ügynők) mód segítségével az AI nem csak beszélget, hanem „kattint, navigál, feladatokat végez” a böngészőn belül. Például: „Keresd meg ezt az éttermet, rendeld meg az alapanyagokat”, „Készíts piackutatást a versenytársakról, majd írj belőle összefoglalót” – mindez anélkül, hogy külön programban kellene dolgoznom.


Az OpenAI hangsúlyozza, hogy a biztonság és adatvédelem kiemelt: az AI nem fér hozzá automatikusan a fájlrendszerhez, nem futtat kódot, és minden érzékeny műveletnél megerősítést kér a felhasználótól.
Az Atlas jelenleg macOS-re áll rendelkezésre, más platformokra (Windows, iOS, Android) hamarosan érkezik.

Hol tart most és mit érdemes tudni?

Az Atlas most indul – egy ígéretes, de még fejlődő termék. A korai felhasználói élmények szerint bár az integráció izgalmas, néhány funkció még finomításra szorul. Például a keresési eredmények listája korlátozott, és a folyamatok még nem mindig zökkenőmentesek.
Biztonsági szakértők figyelmeztettek, hogy az AI-alapú böngészők érzékenyek lehetnek a „prompt-injection” típusú támadásokra – vagyis olyan webes instrukciókra, amelyek képesek befolyásolni az AI viselkedését. Az OpenAI szerint dolgoznak a védelem erősítésén.

Miért érdekes ez nekünk?

Ha kezdő vagy az AI és az internetes böngészés ilyen modern formái felé, akkor az Atlas számunkra több okból is izgalmas:

  • Egyszerűbbé tesszük az internetezést: nem kell külön alkalmazást megnyitni, nem kell másolgatni-beilleszteni a tartalmakat a ChatGPT-be – mindent egy helyen tehetek.
  • Azonnali segítséget kapok: ha találok egy weboldalt, és nem vagyok biztos a tartalmában, az AI-val azonnal beszélhetek róla: „Mi a lényege?”, „Mi az, amit kiemelnél?”, „Hol van erre alternatív forrás?” – így nem csak passzívan olvasok, hanem aktívan gondolkodom.
  • Több időm marad a tényleges feladatra: mivel az AI képes részmunkákat átvenni (pl. Agent mód), nekem nem kell annyit kattintgatnom – az értelmezésre, döntéshozatalra koncentrálhatok.
  • Ha vállalati környezetben dolgozom, akkor ez komoly lehetőség: gyorsabban készíthetek elemzést, összegzést, mert a böngészőm és az AI egyben van.

Összegzés

Én úgy látom, hogy a ChatGPT Atlas nem csupán egy új böngésző. Ez egy lépés afelé, hogy a webes szokásunk egyre inkább „agentikus” legyen – vagyis a rutinmunkákat átruházhassuk egy intelligens asszisztensre, miközben mi a lényegre koncentrálhatunk.

Ez egy hatalmas erejű eszköz, amelytől nem magát az AI-tól kell tartanunk, hanem attól, hogy mi emberek talán még nem nőttünk fel a felelősségteljes használatához.

Azért, mint minden AI alapú megoldást, ezt is kezeljük a helyén.
Ne hagyatkozzunk rá mindig!

agentic-generative-ai-connection

Mi az Agentic AI, és miben más, mint a generatív AI?

, , , , , , , ,

| Olvasási idő: 4 perc |

Legutóbb az MCP-ről írtam egy cikket, majd hamar rájöttem, hogy lehet kicsit lőre szaladtunk. Ezért ma egy kicsit visszalépünk és összehasonlítom nektek a 2025-re beharangozott Agentic AI-t és a már jól ismert genratív AI-t.

A generatív AI már sokak számára ismerős: képes szöveget írni, képet alkotni vagy kódot generálni egy adott utasítás alapján. Azonban a legújabb irányzat az úgynevezett Agentic AI, amely nemcsak válaszol, hanem keres, dönt és cselekszik.

Most jöjjön, hogy mit is jelent az Agentic AI, hogyan viszonyul a generatív AI-hoz, mik az előnyei és korlátai, és milyen szerepet játszik ebben az új protokoll, az MCP.

Mit jelent az Agentic AI?

Az Agentic AI olyan mesterséges intelligencia-rendszer, amely képes autonóm (önálló, független) módon döntéseket hozni és hosszabb távú célokat követni. Ez nem csupán egy „okos chatbot”, hanem egy mesterséges ügynök (agent), amely képes:

  • feladatokat önállóan lépésekre lebontani és megtervezni
  • több lépésen keresztül végrehajtani folyamatokat
  • külső eszközökkel vagy rendszerekkel interakcióba lépni (az illesztett külső alkalmazásokon keresztül)
  • alkalmazkodni a változó feltételekhez vagy felhasználói visszajelzésekhez

Az Agentic AI tehát nemcsak választ ad, hanem proaktívan cselekszik is. Működését legegyszerűbben úgy képzelhetjük el, mint egy digitális asszisztenst, amely nem várja meg, hogy minden utasítást megadjunk neki, hanem felismeri a célunkat, és ennek megfelelően saját maga tervezi meg a szükséges lépéseket.

Például ha azt mondjuk neki, hogy „segíts egy bulit megszervezni”, akkor nem csak naptárbejegyzést hoz létre, hanem utánanéz a szabad időpontoknak, összehangolja a résztvevőkkel, lefoglal helyszínt, és elküldi a meghívókat – mindezt úgy, hogy közben kérdéseket tesz fel, amelyek alapján döntéseket hoz, és ha változás történik (pl. valaki lemondja, vagy esős idő várható), képes újratervezni az egészet.

Ez a működésmód alapjaiban különbözik a klasszikus AI megközelítéstől, ahol minden lépést nekünk kellett megadnunk. Az Agentic AI lényege tehát a „kezdeményezőképesség” és az alkalmazkodóképesség: nemcsak végrehajt, hanem „gondolkodik” is a cél érdekében.

Ez különösen hasznos ott, ahol a feladat nem egyértelműen definiált, vagy ahol sok apró döntés és külső tényező befolyásolja a végeredményt – például projektmenedzsment, személyi asszisztencia, IT-automatizálás vagy ügyfélszolgálati folyamatok terén.

Ezen automatikus működés, természetesen nem önállóan jön létre, hanem a fejlesztőknek a megfelelő ügynököket rendszerbe kell szerveznie, hogy az AI azokat képes legyen használni, mint egy szakember a szerszámait.

Generative AI vs. Agentic AI: miben mások?

JellemzőGenerative AIAgentic AI
Fő célTartalom létrehozása utasítás alapjánÖnálló cselekvés és döntéshozatal
PéldaSzöveg, kép, kód generálásaFeladatlista kezelése, automatizált kampányindítás
Válasz típusaEgylépéses, azonnaliTöbblépcsős, folyamat alapú
KontrollFelhasználó irányítja minden lépésbenRészben vagy teljesen önálló működés

Felhasználási esetek

Generative AI például hasznos lehet:

  • Hirdetés vagy marketing szöveg írásához
  • Képgeneráláshoz egy termékötlethez
  • Segítséghez programozás vagy hibaelhárítás közben

Agentic AI ott hasznos, ahol:

  • Automatizálni kell egy komplex feladatot (pl. heti riportok lekérése, elemzése és továbbítása)
  • Egy AI-nak döntéseket kell hoznia (pl. melyik ügyfélnek küldjön follow-up üzenetet)
  • Több rendszer együttműködésére van szükség (pl. CRM + e-mail + naptár integrációja)

Milyen lehetőségeket kínál az Agentic AI?

  • Skálázhatóság: Egyszerre több folyamatot képes kezelni emberi beavatkozás nélkül.
  • Rugalmasság: Képes reagálni a váratlan helyzetekre és tanulni a visszajelzésekből.
  • Produktivitás: Feladatokat vesz le a vállunkról, amiket eddig manuálisan végeztünk.

Milyen korlátai vannak?

  • Megbízhatóság: Ha rossz adatból tanul, rossz döntéseket hozhat.
  • Átláthatóság: Nehéz lehet követni, mi alapján dönt egy komplex rendszer.
  • Etikai kérdések: Ki a felelős, ha az AI hibás döntést hoz?

Mi az MCP, és hogyan kapcsolódik az Agentic AI-hoz?

Az MCP (Model Context Protocol) egy újfajta szabványosított kommunikációs forma, amely lehetővé teszi, hogy különböző AI modellek és rendszerek hatékonyan együttműködjenek. Az Agentic AI gyakran több különálló képességet és modellt kombinál (pl. adatlekérdezés, döntéshozatal, visszacsatolás). Az MCP biztosítja, hogy ezek a részek egységes módon beszéljenek egymással – hasonlóan, mint az USB-C szabvány a különböző eszközök világában.

Ez különösen fontos, mert az Agentic AI rendszer gyakran több specializált modellt használ (pl. egy nyelvi modellt, egy naptárkezelőt, egy keresőt), és ezek koordinációjához elengedhetetlen a szabványos protokoll, amit az MCP kínál.

Összefoglalás

A Generative AI és az Agentic AI nem versenytársai egymásnak, hanem eltérő igényekre adnak választ. Míg a generatív AI akkor hasznos, ha tartalmat szeretnénk gyorsan előállítani, az agentic AI akkor segít, ha automatizálni akarunk összetett, több lépésből álló munkafolyamatokat. Ahogy én látom, a jövőben a két megközelítés egyre gyakrabban dolgozik majd együtt, szabványosított keretek között – épp ebben segít az MCP.

Ha megérted ezt a különbséget, könnyebben dönthetsz arról, mikor melyik technológiát érdemes alkalmazni a saját projektjeidhez.

Ezután pedig megérkezel az AI egy magasabb szintjére. 🎯

Verified by MonsterInsights