platform.control_plane
Una capa de control sobre tot el que fan els teus agents
Regentic.AI recull la telemetria de cada execució, la converteix en inventari, l'avalua contra regles deterministes i la deixa a punt com a evidència auditable. Quatre mòduls sobre una única taula de traces.
4
mòduls
sobre una mateixa dada
3
plans d'ingesta
OTel · REST · MCP
5
dimensions d'avaluació
LLM-as-Judge, 0–1
4
articles EU AI Act mapats
12 · 13 · 14 · 15
pipeline.stages
La mateixa dada, llegida quatre vegades
No hi ha quatre productes ni quatre integracions. Hi ha una traça que entra un cop i es llegeix com a depuració, com a qualitat, com a control i com a evidència. Aquesta és tota la tesi.
- 01
Ingesta
Cada execució arriba com a traces OpenTelemetry i aterra en una única taula.
- OTLP/HTTP · /v1/traces
- REST · /api/v1/otel-traces
- MCP · /mcp
- 02
Govern
Llindars deterministes sobre mètriques i avaluació de qualitat per dimensions.
- motor de regles
- LLM-as-Judge
- agent_compliance_profiles
- 03
Analítica
Agregació per agent, model i període, amb cost estimat i tendències.
- Executive Dashboard
- cost estimat
- export CSV
- 04
Evidència
Informes versionats i verificables, amb la seva secció d'EU AI Act i el seu hash.
- manifest_hash SHA-256
- PDF amb disclaimer
- diari · quinzenal · mensual
module.telemetry
Telemetria
tota execució, reconstruïble
Monitoratge, alertes, incidents, logs d'agent i —el més difícil— la conversa completa reconstruïda a partir de spans solts.
- Monitoratge de traces, latència, tokens i errors per agent
- Alertes i incidents amb cicle oberta → reconeguda → resolta, deduplicats per entitat
- Reobertura automàtica si la condició torna a donar-se, i resolució automàtica quan deixa de donar-se
- Agent Logs: l'execució pas a pas, amb les seves crides a eines
- Conversations: els torns reconstruïts a partir de la telemetria, sense instrumentació addicional
Reconstrucció de converses
La plataforma no desa converses: les reconstrueix. Cada traça és un torn; una conversa són les traces que comparteixen identificador de sessió. Aquest identificador s'extreu de la clau que emeti cada framework, que mai no és la mateixa.
Claus de sessió que reconeix
gen_ai.conversation.idsession.idsession_idmetadata.thread_idmetadata.conversation_id
L'identificador s'extreu de la clau que faci servir cada vendor. No cal canviar com instrumentes els teus agents.
Conversa reconstruïda
01K9F3…A72C- usuari · torn 1
Quantes factures van quedar sense conciliar el mes passat?
- agent · torn 2
Van quedar 42 factures sense conciliar, un 6% del total emès.
- usuari · torn 3
Ensenya'm les cinc de més import.
correlació determinista · sense LLM en temps d'execució
module.asset_registry
AI Asset Registry
un inventari, no un full de càlcul
Saber quins agents existeixen és el requisit previ a governar-los. El registre és la llista viva dels teus actius d'IA, i cada agent porta el seu perfil de compliment associat.
- Agents classificats per tipus i per origen: els teus i els de la mateixa plataforma
- Cada agent amb el seu nom de servei únic, que és el que ancora les seves traces i evita la suplantació
- Knowledge Bases sobre Qdrant, amb el seu ús traçat
- Un perfil de compliment per agent, 1:1 — no un registre paral·lel que es desincronitza
Agents registrats
customer-support-botconversationalgovernedinvoice-extractorautomationgovernedinfra-watchdogmonitoringgovernedregentic-report-writercustomplatform
{{WIP: sistemes, IoT i fonts de dades figuren a la navegació del producte com a visió de full de ruta; avui no tenen suport funcional i no s'ofereixen com a capacitat}}
module.governance
AI Governance
regles deterministes, sense LLM en temps d'execució
Un llindar que es dispara sempre igual és auditable; un judici que canvia entre execucions, no. Per això el motor de regles és codi determinista, i el model només intervé on aporta: puntuar la qualitat d'una resposta.
- Llindars sobre mètriques reals d'execució, per esdeveniment o sobre finestra temporal
- Severitat de baixa a crítica i acció d'alerta o incident, amb deduplicació
- Avaluació LLM-as-Judge en cinc dimensions, puntuades de 0 a 1
- Cobertura per agent dels articles 12, 13, 14 i 15 de l'EU AI Act, derivada de dades reals
Regla de govern
- WHEN
error_rate > 0.05 - MODE
windowed · 24h - SEVERITY
HIGH - THEN
incident
mètriques avaluables
- tokens_per_query
- latency
- cost
- sensitive_data
- missing_session_id
- error_rate
Avaluació d'una execució
0 – 1task_success0.94groundedness0.88tool_call_correctness0.97pii_leakage0.91policy_adherence0.83
Les cinc dimensions es puntuen de 0 a 1 sobre traces ja registrades, per lots o sota demanda. L'avaluació sempre és posterior a l'execució: no s'interposa en la resposta a l'usuari. Cada resultat desa el model jutge i l'empremta del prompt, perquè es pugui reproduir.
module.analytics
Analytics
de la dada agregada a l'evidència signada
El tauler executiu respon la pregunta del comitè —què ens està costant, quins agents fallen, quanta cobertura tenim— i el generador d'informes converteix aquesta resposta en un document que es pot arxivar.
- Cost estimat, tokens, execucions, taxa d'error, nota mitjana d'avaluació, esdeveniments oberts i cobertura de compliment
- Tendència de cost per servei i rànquing d'agents per despesa
- Filtres reflectits a l'URL, perquè un tauler es pugui compartir tal com és
- Exportació a CSV del detall que hi ha darrere de cada xifra
- Informes diaris, quinzenals o mensuals, per agent o de tota la plataforma
- 01Resum executiu
- 02Indicadors clau
- 03Operació i rendiment
- 04Ús de GenAI i costos
- 05Coneixement (RAG)
- 06Governança i compliment — EU AI Act
- 07Incidents i esdeveniments
- 08Recomanacions
- 09Annexos i metodologia
manifest_hashsha256:9f2c…d41e
Les xifres es calculen de manera determinista a partir de la telemetria. El model redacta la narrativa sobre xifres ja calculades i no en genera cap; si el model no està disponible, l'informe surt igualment amb una narrativa mínima derivada del manifest. Cada versió queda segellada amb l'empremta del conjunt de dades.
Dos matisos que preferim dir abans de la demo
El cost és una estimació determinista a partir de tarifes públiques per model, no una factura: serveix per comparar i detectar desviacions, no per conciliar amb el teu proveïdor. I no hi ha constructor de taulers personalitzats ni detecció d'anomalies per aprenentatge automàtic: hi ha un tauler executiu definit i un motor de llindars que pots llegir i predir.
capability.chat
El xat és una capacitat, no un mòdul
Travessa tota la plataforma com a plafó lateral i també té la seva vista completa. S'activa per client, de manera que pot no ser al teu desplegament.
- Consulta en llenguatge natural sobre les teves pròpies dades de telemetria
- Agent SQL de només lectura, amb llista d'exclusió sobre columnes sensibles
- Els gràfics que retorna es validen contra un catàleg tancat de tipus: línia, barres, àrea, sectors i dispersió
- Enllaços profunds des de la resposta a l'entitat concreta del producte
La generació de gràfics per llenguatge natural viu al xat. Al tauler executiu no hi és, i és una decisió de producte, no un oblit.
mcp.tools
El servidor MCP
Exposat a /mcp per HTTP en streaming. Tres de les seves eines són contractuals —el nom prové d'una guia d'integració signada i no es pot canviar— i la resta amplien la consulta, sempre acotades a l'agent que autentica.
Veure com es connecta un agent# contractual — frozen names
check_policy(action, params?)
-> { allowed: true, policy_id: "OBS-DEFAULT", mode: "observation" }
report_result(action, result, metadata?, trace_id?, parent_span_id?)
report_trace(payload)
# scoped to the authenticated agent
get_stats()
query_traces(status?, page=1, size=20)
get_trace(span_id)check_policy avui observa; no bloqueja
L'eina opera en mode observació: registra la consulta de política i retorna sempre permès. No intercepta ni impedeix accions en temps d'execució. Regentic.AI observa, avalua, audita i deixa evidència — i això és exactament el que promet.
faq.technical
Preguntes freqüents
He de canviar els meus agents per integrar-los?
No, si ja emeten traces OpenTelemetry: n'hi ha prou d'apuntar l'exportador a la teva instància. Si no, tens una API REST que accepta el mateix format en JSON i un servidor MCP. Els tres camins escriuen a la mateixa taula de traces, de manera que la funcionalitat no depèn del que triïs.
Regentic.AI pot impedir que un agent faci alguna cosa?
No. La plataforma observa, avalua, audita i genera evidència; no s'interposa en l'execució. L'eina check_policy funciona avui en mode observació i retorna sempre permès. Si el teu requisit és bloquejar accions en temps real, avui no ho cobrim.
S'utilitza un model de llenguatge per decidir si hi ha una alerta?
No. El motor de regles és codi determinista: llindars sobre mètriques, amb mode per execució o per finestra. La mateixa dada produeix sempre el mateix resultat, que és el que permet auditar-lo. El model només apareix en dos punts acotats: l'avaluació de qualitat d'una resposta i la redacció narrativa dels informes.
Com es reconstrueixen les converses si no les deseu?
Correlacionant els spans que ja rebem per l'identificador de sessió, que s'extreu de la clau que faci servir cada framework. El procés és determinista i té lloc sobre la telemetria emmagatzemada, sense cridar cap model.
Els informes garanteixen que compleixo l'EU AI Act?
No, i desconfia de qui ho prometi. Els informes documenten amb dades reals quina evidència existeix per a cada obligació i on hi ha buits, cosa que accelera moltíssim la feina. La classificació de risc de l'agent és declarada i assistida, no una determinació legal automàtica.
Quins SDK hi ha disponibles?
Dos, tots dos en Python: un per a l'API REST i un altre per a MCP. No hi ha SDK oficial en JavaScript, .NET, Java ni Go. Per a qualsevol altre llenguatge la via és l'SDK d'OpenTelemetry que ja facis servir, o directament l'API REST — que és la raó per la qual els tres plans escriuen al mateix lloc.
Posa-ho sobre els teus propis agents
La manera més ràpida de saber si això et serveix és veure-ho amb la teva telemetria, no amb la nostra.