Milyen kihívásokkal szembesülünk, amikor AI ügynököket szeretnénk tömegesen, több ezer vagy akár millió felhasználó számára skálázhatóvá tenni, miközben minden egyes felhasználónak személyre szabott memóriát és eszközöket kell biztosítanunk? A videó kiindulópontként azt vizsgálja, hogy a legtöbb mai AI ügynök és MCP szerver jellemzően egyetlen felhasználóra van optimalizálva, ezért az átméretezés komoly tervezési átgondolásokat igényel.
Az előadó gyakorlati példákon keresztül mutatja be, miért problémás a jelenlegi ügynököknél az, hogy a felhasználói hitelesítő adatok gyakran fixen vannak beégetve, ami akadályozza a dinamikus, többfelhasználós működést. Felmerül, hogyan lehetne minden egyes felhasználóhoz kötött memóriát, jogosultságokat és eszközhasználatot automatizálni elegáns módon.
Néhány eszköz – például N8N, Langraph, Arcade – bemutatásán keresztül láthatjuk, miként lehet elérni, hogy az ügynök csak akkor kérjen jogosultságot adott szolgáltatáshoz (például Gmail, Asana), amikor arra ténylegesen szükség van. Így minden felhasználó saját, elkülönített memóriát és eszköztárat kap, a jogosultságkezelés pedig dinamikusan, éppen időben (just-in-time authorization) történik.
Felvetődik továbbá a hosszú távú memória kérdése: hogyan biztosítható, hogy minden felhasználó saját előzményeit, tevékenységeit tárolhassa ügynökén belül – és ez ne ütközzön más felhasználók adataival? Bemutatásra kerülnek azok a minták és fejlesztői eszközkészletek, amelyek lehetővé teszik ezt a rugalmasságot és skálázhatóságot anélkül, hogy bonyolult megoldásokat kellene házilag fejlesztenünk.
