В условиях разрастания числа ИИ-агентов предприятиям необходимо, чтобы они сами управляли своим уровнем контекста и контекста. Компания xpander хочет, чтобы они владели собственным уровнем управления.

Карл Франзен

В сфере корпоративного ИИ возникла новая инфраструктурная проблема: компании накапливают агентов быстрее, чем разрабатывают системы для управления ими.

По оценкам Gartner, к 2028 году средняя глобальная компания из списка Fortune 500 будет использовать более 150 000 агентов искусственного интеллекта, по сравнению с менее чем 15 в 2025 году. Однако, согласно данным исследовательской фирмы, только 13% организаций считают, что в настоящее время у них налажена надлежащая система управления агентами ИИ.

Этот растущий разрыв создает рынок инфраструктуры, которая находится над отдельными моделями и агентами — обрабатывая выполнение, разрешения, наблюдаемость, память, доступ к корпоративным системам и управление жизненным циклом, не заставляя разработчиков перестраивать эти сервисы для каждого нового агента.

xpander.ai, стартап, основанный тремя бывшими ведущими инженерами AWS, — это последняя компания, пытающаяся занять эту нишу.

Компания сегодня делает свою корпоративную платформу для ИИ-агентов общедоступной, позиционируя ее как независимую от поставщиков панель управления для создания, запуска и управления агентами в различных моделях, средах работы с агентами и инфраструктурных средах.

В эксклюзивном интервью VentureBeat генеральный директор и соучредитель xpander.ai Дэвид Твизер заявил, что компания все чаще слышит от корпоративных клиентов о трех проблемах: агенты работают локально без централизованного управления, рабочие процессы агентов остаются изолированными для отдельных пользователей, а инфраструктура становится привязанной к одному поставщику ИИ.

«Третья проблема — самая критичная: это зависимость от одного поставщика», — сказал Твизер в интервью VentureBeat. «Всё, что вы делаете, фактически принадлежит компании, с которой вы решили работать — их инструменты, их планы развития, их политическое видение того, как агенты должны реагировать на всё, что вы делаете».

Однако следует учитывать, что нейтральность xpander к поставщикам не устраняет зависимость; она перемещает зависимость вверх по стеку . Предприятия могут заменять модели, фреймворки и инфраструктуру под управлением xpander, но собственная универсальная платформа xpander и плоскость управления становятся уровнем, координирующим выполнение, управление, идентификацию, память и аудит.

Это может создать новую форму привязки к поставщику, если эти конфигурации и рабочее состояние будет сложно перенести на другую плоскость управления. В публичной документации xpander пока не объясняется, насколько портативным является этот слой, если клиент расторгнет корпоративную лицензию.

Компания также объявляет о привлечении 7,5 миллионов долларов в рамках посевного раунда финансирования, возглавляемого Pico Venture Partners, при участии Emerge Ventures, Samsung Next и SeedIL.

Однако Xpander выходит на рынок, который значительно эволюционировал, выйдя за рамки простого разделения на проприетарные платформы гипермасштабируемых компаний и нейтральные альтернативы.

Битва перемещается за пределы модели.

Переносимость моделей становится все более распространенной в агентской инфраструктуре.

Например, LangSmith Deployment от LangChain предоставляет инфраструктуру для развертывания и управления производственными агентами. Предприятия могут запускать его управляющую плоскость и серверы агентов полностью внутри своей собственной инфраструктуры Kubernetes, в том числе для изолированных от сети и чувствительных к размещению данных сред. LangChain также предлагает гибридные развертывания, в которых клиент управляет серверами агентов, а LangChain — управляющей плоскостью.

Компания CrewAI движется в том же направлении. Ее корпоративное предложение включает централизованное управление, единый вход (SSO), контроль доступа на основе ролей, идентификацию рабочих нагрузок и политики, а также поддержку развертывания в облаке CrewAI, VPC клиента или инфраструктуре, принадлежащей клиенту. CrewAI заявляет, что ее платформа может работать в разных моделях и облаках и позволяет клиентам сохранять и изменять код, сгенерированный для их агентов.

Компания Temporal подходит к проблеме с другой стороны. Вместо того чтобы предлагать комплексную среду управления агентами, она обеспечивает надежное выполнение длительных рабочих процессов ИИ, включая восстановление после сбоев, повторные попытки, подтверждение человеком и сохранение состояния даже после ошибок. Ее платформа ИИ может координировать рабочие процессы между различными моделями, инструментами и системами.

Тем временем сами поставщики моделей и облачных услуг расширяют свое присутствие на этом инфраструктурном уровне. Платформа Frontier от OpenAI предоставляет общий корпоративный контекст, разрешения, выполнение и управление агентами, а платформа Gemini Enterprise Agent Platform от Google объединяет управляемую инфраструктуру среды выполнения с идентификацией агентов, централизованным управлением, памятью, трассировкой и обеспечением соблюдения политик в отношении взаимодействия между агентами и между агентами и инструментами.

Иными словами, отличительной особенностью xpander не может быть просто возможность запуска агентов предприятиями вне облака одного поставщика модельных решений. Несколько конкурентов уже предлагают аналогичные возможности.

Основная ставка компании заключается в том, что предприятиям потребуется независимая от фреймворка плоскость управления, расположенная над все более разнородным набором моделей, агентных фреймворков и интерфейсов ИИ для сотрудников.

Аргументация Твайзера частично основана на его семилетнем опыте работы в AWS, где он наблюдал за тем, как предприятия боролись с проблемой привязки к инфраструктуре предыдущего поколения.

«Наша стратегия заключалась в том, чтобы внедрить замечательную технологию, называемую облачными вычислениями, а затем попытаться создать решения, которые не являются серверными и, по определению, создают зависимость от конкретного поставщика», — сказал Твизер в интервью VentureBeat. Но, по его словам, предприятия в конечном итоге потребовали возможности перемещать рабочие нагрузки между поставщиками.

«Я думаю, что с ИИ ситуация ничем не отличается», — сказал он. «Мультиоблачная, мультивендорная стратегия — это обязательное условие».

Среда выполнения, предназначенная для работы в условиях постоянного изменения модели.

В основе платформы xpander лежит так называемая универсальная среда выполнения (Universal Harness) — независимая от модели, фреймворка и облачной платформы среда выполнения для запуска агентов в качестве переносимых корпоративных рабочих нагрузок.

Компании могут использовать размещенную среду xpander или, в рамках корпоративного предложения, самостоятельно развертывать систему на Kubernetes или в локальной инфраструктуре. Компания также явно указывает AWS, Google Cloud, Microsoft Azure, частные VPC и полностью изолированные локальные среды в качестве поддерживаемых целевых сред развертывания.

Заявление о возможностях фреймворка также весьма широко: xpander утверждает, что клиенты могут использовать агентов, созданных с помощью таких фреймворков, как LangChain, Strands и Agno, а также свои существующие подсказки, правила и навыки. Он поддерживает собственные, открытые и доработанные клиентами модели.

Для разработчиков xpander предоставляет три основных пути интеграции: независимый от языка REST API для операций в плоскости управления, SDK на Python для создания агентов и рабочих процессов, а также поддержку протокола контекста модели (MCP), которая предоставляет доступ к агентам и инструментам клиентам MCP, таким как Claude Desktop и Cursor. REST-интерфейс включает операции для управления и вызова агентов, задач и баз знаний, а SDK добавляет обработку событий и абстракции жизненного цикла агентов.

«Представьте себе среду Kubernetes, работающую внутри вашей собственной сети, вашего частного облака или нашего облака Xpander», — сказал Твизер в интервью VentureBeat. «Независимая от конкретного поставщика платформа может запускать любой агент любого поставщика».

Твизер заявил, что в конечном итоге цель состоит в том, чтобы сделать выбор модели более похожим на выбор вычислительных ресурсов для приложения, чем на приверженность организации всей программной экосистеме.

«Вы можете использовать Claude, ChatGPT, Kimi и собственные, тонко настроенные модели», — сказал он. «Все они будут использоваться так же, как и процессоры. Вам, по сути, все равно, кто их производит. Вам просто нужно, чтобы ваше приложение работало».

Данная архитектура призвана позволить изменяться базовым рабочим нагрузкам, в то время как уровень оркестрации и операционный уровень остаются относительно стабильными.

Это различие может стать еще более важным по мере того, как предприятия будут использовать более одного поставщика решений в области ИИ. Сама компания OpenAI заявляет, что корпоративный ИИ смещается от помощи к делегированной работе, выполняемой агентами, а ее последние данные по корпоративным клиентам показывают быстрый рост использования агентов в таких областях, как юридический отдел, продажи, подбор персонала и маркетинг.

В то же время Google добавляет централизованное управление агентами, идентификацию и контроль шлюзов, специально предназначенные для управления взаимодействием между агентами и инструментами в масштабе предприятия. Эти инвестиции от гораздо более крупных поставщиков подкрепляют основную идею xpander: управление моделью все чаще становится лишь одной из составляющих внедрения агентов в производство.

Что означает «управление» на практике?

Твизер утверждает, что работа агентов на местах делает эту операционную проблему особенно острой.

«Вы устанавливаете Claude, ChatGPT, Codex или любую другую систему искусственного интеллекта, работающую на ноутбуке сотрудника, и получаете черный ящик», — сказал он VentureBeat. «Ничего не регулируется, ничего не проверяется и ничего не контролируется».

Его беспокоит не просто то, что агент может получить доступ к локальным ресурсам, а то, что продукты на основе ИИ быстро перешли от генерации текста к выполнению действий, при этом предприятиям не обязательно создавать вокруг них эквивалентную инфраструктуру управления.

«В одночасье произошел сдвиг от подхода: „Вот чат-бот, который помогает мне писать электронные письма“, к подходу: „Это агент искусственного интеллекта, который может управлять моим компьютером и выполнять вызовы API“», — сказал Твизер.

В документации xpander дано более конкретное определение того, что компания подразумевает под переносом этой деятельности в регулируемую среду.

В плоскости управления можно определить, кому разрешено запускать агента, к каким ресурсам агент может получить доступ и какие действия требуют одобрения человека. В xpander говорят, что агенты получают именованные идентификаторы, и действия можно отследить до человека, который их инициировал. Вызовы инструментов, запуски, трассировки, одобрения и сбои регистрируются, а расходы можно отнести к уровню задачи.

Особенно важной архитектурной деталью для групп безопасности является обработка учетных данных. По словам Xpander, учетные данные внедряются из хранилища при выполнении вызова инструмента, а не передаются напрямую в модель.

Компания заявляет о наличии сертификата SOC 2 Type II и соответствии требованиям GDPR. Ее корпоративный уровень также включает SSO и OIDC, частный шлюз и дочерние организации с возможностью отслеживания использования для каждой команды.

Xpander стремится отличаться от таких продуктов, как LangSmith и CrewAI, тем, что рассматривает базовую структуру агента как еще один заменяемый компонент, а не делает свою собственную структуру основной средой разработки.

Компания заявляет, что её среда выполнения может работать с агентами, созданными на основе xpander, наряду с пользовательскими агентами, разработанными с использованием других фреймворков. Эта более широкая нейтральность к фреймворкам — это утверждение компании, и его необходимо будет подтвердить в производственной среде; пересечение между этими платформами уже значительно.

Стоимость самостоятельной разработки агентского слоя.

Для предприятий, желающих централизованного управления без использования инфраструктуры стороннего поставщика, альтернативой все чаще становится самостоятельная сборка многих из этих компонентов.

Компания Twizer утверждает, что именно здесь проявляется скрытая стоимость производственных агентов. Доступ к базовой модели сравнительно прост; воссоздание операционной инфраструктуры, окружающей сложный управляемый агент, – нет.

«Если вы хотите создать нечто подобное удивительному коду Клода [Anthropic] таким образом, чтобы это было управляемо и безопасно, вам нужно разработать всю необходимую инфраструктуру», — сказал Твизер в интервью VentureBeat. «Вам нужно создать песочницу, систему аутентификации, систему взаимодействия человека с системой, хранилище данных, систему управления сессиями и уровень памяти».

«Это все равно что вкладывать два года в инфраструктуру только для того, чтобы обеспечить безопасную работу этого агента», — добавил он.

В документации компании говорится, что её платформа обрабатывает задачи с длительным горизонтом планирования и использованием нескольких инструментов, изолированное выполнение кода, постоянную память и восстановление при сбоях или изменении параметров задач. Это важный контекст для аргументации Twizer: xpander не просто предлагает шлюз, заменяющий один API модели другим; он пытается упаковать многие из служб среды выполнения, которые предприятиям в противном случае пришлось бы использовать вместе с этими API.

Компания Twizer заявила, что, по информации от правительственных организаций и финансовых учреждений, использующих ее технологию в производственных условиях, эта инфраструктурная нагрузка препятствует контролируемому развертыванию агентов.

На веб-сайте компании под заголовком «Используется командами» отдельно отображаются логотипы таких организаций, как Lenovo, Intel, Workday, Siemens, Nvidia, Intuit, SAP, PagerDuty, Mozilla и Salesforce.

Компания Twizer не предлагает предприятиям отказываться от продуктов Anthropic, OpenAI или других поставщиков ИИ. Вместо этого она утверждает, что компаниям следует сохранить эти модели, перенеся при этом управление правами доступа, мониторинг и выполнение на контролируемый ими инфраструктурный уровень.

«Дело не в том, чтобы сказать: „Не используйте Клода“, — сказал он. — На самом деле, дело в том, чтобы „использовать Клода, но таким образом, чтобы вы следили за ним, обеспечивали его безопасность и контролировали его работу“, контролируя разрешенные навыки и то, кто может получить доступ к определенным ресурсам».

Превращение роли агентов в организационную, а не в личную.

Xpander также добавляет слой для совместной работы, который он называет Multiplayer AI .

Основная идея заключается в том, что корпоративным агентам все чаще требуется, чтобы их действия продолжались дольше, чем сеанс чата с одним пользователем. Рабочий процесс может включать в себя сбор данных агентом, выполнение действия другой системой, утверждение сотрудником и возобновление процесса другой командой через несколько часов или дней.

Компания Twizer утверждает, что у локально развернутых ассистентов есть еще один недостаток: опыт, накопленный сотрудниками благодаря своим агентам — подсказки, навыки, рабочие процессы и контекст — как правило, остается у этих людей.

«Вы улучшаете работу ИИ-агентов, но не улучшаете компанию», — сказал он VentureBeat. «Все данные, все подсказки, все рабочие процессы, все навыки, в которые вы сейчас инвестируете в эту экосистему, оказываются заблокированы у этого поставщика, и очень сложно поделиться ими с другими коллегами».

Более сложные задачи в масштабах предприятия также редко укладываются в рамки одной сессии чата.

«Работа — это не игра в одиночку. Это многопользовательская игра, — сказал Твизер. — Она длится несколько дней, даже недель. Рабочие процессы, имеющие важное значение для предприятий, — это не чат-боты».

В xpander функция общих бесед разработана таким образом, чтобы взаимодействие происходило в постоянных потоках с ограниченными правами доступа. Агента можно опубликовать один раз для использования во всей организации, а сотрудники могут взаимодействовать с агентами через Slack, Teams, ChatGPT, Claude и собственный интерфейс xpander.

В документации компании говорится, что последующие действия могут идентифицироваться как действия человека, вызвавшего агента, посредством сквозной аутентификации с использованием OIDC — потенциально важное различие для организаций, которым необходимо сохранять идентификацию и авторизацию на уровне пользователя по мере прохождения работы через агента.

Требование к непрерывному выполнению не является уникальным для xpander. Компания Temporal сделала долгосрочные, отказоустойчивые рабочие процессы основой своего предложения в области ИИ, а LangSmith поддерживает непрерывное развертывание агентов и мониторинг производственных процессов.

Xpander стремится объединить инфраструктуру выполнения с корпоративным взаимодействием и управлением в единую, портативную, гибкую и независимую от поставщиков панель управления.

Omni тестирует тезис о жгуте проводов

Компания также делает Omni , свой готовый агент, общедоступным.

Называть Omni просто универсальным агентом — значит недооценивать то, что сейчас продает компания xpander. В документации Omni описывается как инженер, использующий искусственный интеллект для преобразования запрошенного бизнес-результата в то, что компания называет «агентным приложением»: бэкэнд-агент в сочетании с фронтендом, который может включать чат, интерактивные компоненты пользовательского интерфейса, отчеты, панели мониторинга и визуализации.

Пользователь может описать желаемый результат, после чего Omni помогает создать приложение, связать его модель, навыки, инструменты и данные, выполнять работу в виде отслеживаемых задач, а также поддерживать файлы и многократно используемый контекст в рабочем пространстве агента. Полученное приложение затем можно передать коллегам по команде.

Например, в документации xpander показано, как пользователь просит Omni создать анализатор Redshift. Omni должен собрать требования, разработать интерфейс, создать бэкэнд-агент, подключить соответствующие коннекторы и инструменты, а также сгенерировать первое рабочее приложение.

В документации также указаны Slack, WhatsApp, Telegram и электронная почта в качестве каналов Omni, в то время как в материалах по более широкой платформе xpander перечислены Teams, Claude, ChatGPT, API, веб-перехватчик, CLI и MCP среди способов передачи работы агентам. Поскольку в материалах компании описаны несколько разные наборы каналов для Omni и более широкой платформы, предприятиям следует проверить поддержку своего конкретного интерфейса и конфигурации развертывания. Omni также может функционировать параллельно с настольными продуктами ИИ, а не заменять их. Twizer заявил, что сотрудники могут продолжать использовать свои предпочтительные настольные агенты, в то время как Omni выступает в качестве навыка, предоставляющего доступ только к одобренным предприятием данным и коннекторам. Когда требуется фоновое выполнение, Omni может создать централизованно управляемый агент для выполнения работы.

Компания xpander заявляет, что платформа Omni показала результат 90,9% в бенчмарке GAIA , включая высокие показатели в решении самых сложных задач. Этот результат предоставлен компанией и должен рассматриваться как подтверждение более широкой гипотезы xpander, а не как независимое подтверждение работоспособности платформы.

Твизер заявил, что компания намеренно тестировала жгут проводов на разных моделях, а не оптимизировала его под одну единственную запатентованную систему.

«Мы взяли Opus, Sonnet, Kimi, GPT, и по этому показателю получили 90,9%», — рассказал он VentureBeat.

Для компании Twizer этот результат подтверждает тезис о том, что производительность агентов все больше зависит от инфраструктуры, окружающей базовую модель.

«Это лишь доказывает, что ценность заключается в уровне инфраструктуры, а не в уровне модели, — сказал он. — Ценность заключается в следующем: как обрабатывать длительные задачи? Как осуществлять вызов инструментов? Как создавать песочницу? Как фокусироваться? Как заставить агентов сосредоточиться на задаче?»

Результаты сравнительного анализа находятся в открытом доступе, что позволяет другим изучать методологию компании, однако более общий вывод по-прежнему сводится к интерпретации компанией xpander собственных результатов.

Этот тезис все чаще разделяют в отрасли. Разногласия касаются того, кто должен контролировать этот уровень.

OpenAI и Google превращают его в часть более широких платформ искусственного интеллекта. LangChain и CrewAI расширяют свои экосистемы разработки на корпоративные среды выполнения. Temporal решает проблему выполнения как инфраструктурную задачу.

Компания xpander делает ставку на то, что предприятия предпочтут, чтобы плоскость управления оставалась независимой от всех трех вариантов: модели, облака и агентской платформы .

Теперь компании необходимо продемонстрировать, что дополнительная абстракция достаточно ценна, чтобы оправдать создание еще одной платформы в уже и без того переполненном корпоративном стеке искусственного интеллекта.

Цены и наличие

Платформа xpander и Omni уже доступны для широкого круга пользователей, при этом предлагаются две существенно различающиеся коммерческие модели: для команд, использующих размещенный сервис xpander, и для предприятий, запускающих платформу на собственной инфраструктуре.

Предложение Team с самообслуживанием не предусматривает платы за рабочее место и рассчитывается в кредитах в зависимости от активности агента. xpander определяет один кредит как один цент , то есть за 100 долларов можно купить 10 000 кредитов. Каждое событие или сообщение, активирующее агента, стоит один кредит за весь ход, независимо от его продолжительности, а каждый вызов инструмента или API стоит еще один кредит. Токены модели оплачиваются отдельно в кредитах по установленным тарифам для выбранной модели.

Это делает структуру затрат более детализированной, чем может показаться из описания Twizer, где оплата производится за «выходные данные» агента. Само по себе длительное выполнение, судя по опубликованным ценам, не влечет за собой оплату, зависящую от продолжительности, но рабочий процесс может накапливать затраты за счет многократных вызовов, обращений к инструментам и потребления токенов модели.

Новые пользователи получают 1000 бесплатных кредитов вместо ограниченного по времени пробного периода, а регистрация возможна с помощью кредитной карты. По данным xpander, уровень Team позволяет использовать неограниченное количество агентов, рабочих процессов и рабочих мест.

Использование моделей может составлять значительную часть общих затрат, и компания публикует примеры, призванные облегчить расчет этих расходов. На странице с ценами указаны различные тарифы на ввод и вывод токенов для отдельных моделей, и говорится, что эти сборы за модели включены в кредитную систему, что исключает отдельный счет от поставщика моделей для клиентов, использующих хостинг. Таким образом, фактические расходы в значительной степени зависят от выбранных моделей, объемов токенов и количества обращений к инструментам.

Для предприятий, использующих собственное размещение, действуют другие условия. План Enterprise от xpander — это годовая лицензия, начиная с 50 агентов , и поддерживает развертывание в инфраструктуре Kubernetes клиента или в локальной среде. Он включает в себя SSO и OIDC, дочерние организации с объединенными кредитами и отчетами об использовании для каждой команды, частное подключение к шлюзу моделей, адаптацию и поддержку первого уровня. Клиенты также могут использовать собственные ключи API для моделей и собственные согласованные тарифы поставщика моделей.

Компания xpander не публикует точную стоимость годовой корпоративной лицензии в долларах , поэтому потенциальные клиенты не могут рассчитать общую стоимость частного или изолированного развертывания, основываясь только на общедоступной информации. В прайс-листе также не указана публичная сумма для начального развертывания на 50 агентов. Для таких развертываний необходимо связаться с компанией xpander для получения индивидуальной цены.

«Вы платите только за работу, которую выполняет агент», — сказал Твизер изданию VentureBeat о модели хостинга. «Никакой абонентской платы, никакой платы за рабочее место, никакого дополнительного места для разработчиков, ничего. Вы платите только за фактический результат работы агентов».

Для корпоративных покупателей это различие важно: утверждение xpander об отсутствии платы за использование наиболее прямолинейно относится к его предложению хостинга с оплатой за использование. Организации, которым необходимо владеть средой развертывания, вместо этого оценивают нераскрытую годовую стоимость лицензии, затраты на инфраструктуру и собственные расходы на поставщика услуг.

Таким образом, перед компанией xpander встает простой, но все более спорный вопрос, поскольку предприятия сталкиваются с проблемой разрастания числа агентов: продолжать использовать те модели, фреймворки и интерфейсы, которые сотрудники считают полезными, но перенести инфраструктуру, контролирующую действия этих агентов, в общий слой, которым сможет управлять организация.

Вопрос о том, хотят ли предприятия в конечном итоге получить этот уровень от независимого стартапа, компании, разрабатывающей фреймворки для агентов, или от тех же самых крупных поставщиков и поставщиков моделей, от которых хочет отстраниться xpander, становится еще одним полем битвы в корпоративной среде искусственного интеллекта.

Как Xpander сравнивается с другими агентскими инфраструктурами

Совпадение становится более очевидным при прямом сравнении продуктов. Несколько конкурентов теперь поддерживают несколько поставщиков моделей, инфраструктуру, контролируемую клиентом, или и то, и другое. Различия все чаще касаются того, какую часть стека агентов каждая платформа пытается контролировать — и предоставляет ли она среду разработки агентов, нейтральную среду выполнения, надежную инфраструктуру рабочих процессов или набор управляемых облачных сервисов.

Это сравнение усложняет простую аргументацию в пользу нейтральности поставщика. Например, AWS AgentCore поддерживает модели, отличные от Bedrock, и фреймворки, включая LangGraph, CrewAI и ADK от Google, в то время как LangSmith прямо заявляет о своей независимости от фреймворков. CrewAI предлагает развертывание, контролируемое клиентом, и широкий выбор моделей. Temporal позволяет компаниям самостоятельно размещать уровень надежного выполнения, хотя он решает более узкую инфраструктурную проблему, а не предлагает полноценную плоскость управления агентами.

Это делает потенциальные конкурентные преимущества xpander более конкретными. Компания стремится объединить переносимость фреймворка и модели с корпоративной идентификацией, управлением, инфраструктурой выполнения и уровнем взаимодействия с сотрудниками, а не конкурировать только по возможности замены моделей или развертывания вне среды SaaS поставщика. xpander также устанавливает цены на свою размещенную платформу, исходя из количества пробуждений отдельных агентов и вызовов инструментов, а не из количества рабочих мест, хотя предприятиям, нуждающимся в самостоятельном размещении, предлагается годовая лицензия, стоимость которой не разглашается, начиная с 50 агентов.

Источник: venturebeat.com