Przejdź do głównej zawartości

Mapa systemów AI

Mapa węzłów z typami systemów AI połączonych liniami

Każdy z nich trafia na jedną z czterech warstw: fundament, autonomia, protokół albo nadzór. Warstwa mówi, co system robi, a nazwa na pudełku często myli. Trzy systemy z Twojego tygodnia albo z listy na dole przypniesz do właściwej warstwy. Listy niżej to legenda do ćwiczenia, wkuwać ich nie trzeba.

Jeśli od tygodni zbierasz LLM, RAG, MCP, A2A i guardrails, tu układasz je na czterech piętrach. Do mapy możesz wracać, kiedy trafisz na nowy skrót.

Tu siedzi sam model i dwa sposoby, które podsuwają mu coś więcej niż to, co zostało po treningu.

  • LLM - duży model językowy przewiduje kolejne tokeny. Zwykły chatbot bez plików. Modele językowe.
  • RAG - zanim odpowie, wyszukuje fragmenty Twoich dokumentów. RAG.
  • Pamięć między rozmowami - notatki o Tobie, które aplikacja zapisuje i dokleja do nowej rozmowy. Wagi modelu się przy tym nie zmieniają. To nie RAG: RAG przeszukuje dokumenty, które dajesz, a pamięć przechowuje to, co aplikacja zanotowała z Twoich wcześniejszych rozmów.
  • Agent - cel zamiast pojedynczego promptu. Plan, narzędzia, pętla. Agenci AI.
  • Wiele agentów - role się dzielą albo wzajemnie sprawdzają. Ma sens, gdy jeden model nie ogarnie wszystkich ról naraz - nie jako ozdoba slajdu.

3. Protokoły - jak model w ogóle “sięga ręką”

Dział zatytułowany „3. Protokoły - jak model w ogóle “sięga ręką””

Sam model pisze tekst. Ta warstwa podłącza do niego bazę danych, plik albo inną usługę przez API (dostęp dla programistów, bez okna czatu).

  • MCP - Model Context Protocol, standard “jak model woła narzędzie albo dane”. Anthropic ogłosiło go 25 listopada 2024 r.. Praktyka: serwery MCP.
  • A2A - Agent-to-Agent, rozmowa między agentami, także od różnych dostawców. Google ogłosiło protokół 9 kwietnia 2025 r..
  • Tool calling (wywoływanie narzędzi) - model pisze prośbę, program ją wykonuje i oddaje wynik; opis w Agentach AI. Pętla agenta to coś więcej: po każdym wyniku model sam decyduje, czy wołać kolejne narzędzie i które.

Programy, które pilnują kolejności kroków wielu modeli i narzędzi (orkiestracja, “frameworki agentów”), też należą do tej warstwy.

  • Guardrails - twarde filtry, których model nie przegada. Moderacja treści, ochrona danych osobowych, blokada płatności bez zgody.
  • Człowiek w pętli - system czeka na Twoje tak. Tam, gdzie pomyłka jest droga albo nieodwracalna.

Przypinasz trzy systemy do warstw.

Weź trzy rzeczy, których naprawdę używasz w tym tygodniu. Jeśli używasz tylko jednego czatu, dobierz dwie pozycje z lewej kolumny - to nadal ćwiczenie mapy, nie inwentaryzacja sprzętu.

Przykład (albo własny)Warstwa (Ty, zanim zerkniesz)
Zwykły czat w ChatGPT / Claude, bez plików
Gemini Notebook albo projekt z wieloma wgranymi PDF-ami
Deep research albo asystent, który sam klika po krokach

Klucz: pierwszy wiersz to fundament (LLM), drugi to fundament (RAG - wyszukiwanie włącza się m.in. w projektach, gdy plików jest więcej, niż model mieści naraz (pomoc Claude), i w notatnikach na własnych źródłach), trzeci to autonomia (agent).

Dopisz czwartą, jeśli zostaje minuta: zatwierdzanie wysyłki albo filtr treści → nadzór. MCP włączany w ustawieniach aplikacji czatu → protokół.

Zaliczenie: trzy pary “nazwa → warstwa” na kartce. 2/3 trafień z kluczem zalicza. Nie musisz umieć wdrożyć MCP.

Gdzie łatwo się pomylić: projekt z PDF-ami łatwo oznaczyć jako agenta, bo “sam szuka”. Szukanie w Twoich plikach przed odpowiedzią to RAG, czyli fundament.

Jeśli nic nie zgrzyta i zostaje czas: jeden nagłówek z “agentic AI”. Jedno zdanie: która warstwa jest w środku, a które słowo jest ozdobą.

  • Cztery warstwy: fundament (LLM, RAG, pamięć między rozmowami), autonomia, protokoły, nadzór.
  • RAG podsuwa dokumenty. Agent dobiera kroki. MCP podłącza narzędzie. Guardrails i człowiek w pętli łapią szkodę.
  • Produkt bywa na kilku warstwach naraz - zależy od trybu, nie od logo.

Następny krok: Wprowadzenie do inżynierii promptów - pierwsza lekcja sekcji Prompt Engineering. Skoro mapa jest w głowie, czas pisać polecenia, które dają powtarzalny wynik, a nie loterię.

Częste pytania

Po co mi mapa, skoro i tak używam jednego chatbota?

Żeby nagłówek o "agentach", "RAG" albo "MCP" wylądował na warstwie, a nie w jednym worku. Ten sam produkt bywa modelem, agentem albo wyszukiwarką po Twoich plikach - zależnie od trybu.

Czym RAG różni się od agenta?

RAG dokłada modelowi fragmenty dokumentów, zanim ten odpowie. Agent dostaje cel i sam wykonuje kroki narzędziami. Możesz mieć RAG bez autonomii i agenta bez Twojej bazy plików.

Czy MCP i A2A to to samo?

Nie. MCP (Anthropic, listopad 2024) to standard "model podłącza narzędzie albo dane". A2A (Google, kwiecień 2025) to standard "agent rozmawia z innym agentem". Inna warstwa, inny problem.

made with ❤️ by aitomate.pl - Łukasz Podgórski