Ducky позволяет командам создавать, обучать и разворачивать пользовательских AI-агентов без написания кода. Вы можете импортировать документы, таблицы или записи CRM как источники знаний и настраивать распознавание намерений, извлечение сущностей и многозначные рабочие процессы с помощью интерфейса drag-and-drop. Ducky поддерживает интеграцию с REST API, базами данных и вебхуками, а также осуществляет мультиканальное развертывание через веб-виджеты чата, Slack и расширение Chrome. Аналитика в реальном времени дает представление о объеме разговоров, удовлетворенности пользователей и эффективности агентов. Контроль доступа на основе ролей и управление версиями обеспечивают корпоративное управление и позволяют быстро внедрять итерации.

Agent Analytics AI предназначен для предоставления комплексной аналитики производительности для ИИ-агентов. Его уникальные функции включают отслеживание взаимодействий пользователей, измерение ключевых показателей эффективности и предоставление действенных идей для повышения операционной эффективности. Платформа использует продвинутые алгоритмы для анализа данных, позволяя пользователям оптимизировать свои стратегии ИИ и систематически улучшать результаты взаимодействия. Сосредоточившись на пользовательском опыте, Agent Analytics AI помогает организациям обеспечить, чтобы их ИИ-агенты работали наилучшим образом.

Спецификация корпоративных ИИ-агентов определяет всеобъемлющий стандарт для агентов корпоративного уровня, включая схемы манифестов для идентификации, описания, триггеров, управления памятью и поддерживаемых инструментов. Включает форматы определения инструментов на основе JSON, руководства по оркестровке пайплайнов и рабочих процессов, а также стандарты версионирования для обеспечения последовательных развертываний. Поддерживает расширяемость через регистрацию пользовательских инструментов, лучшие практики по безопасности и управлению, а также интеграцию с различными средами выполнения. Соблюдая стандарт, команды могут создавать, делиться и поддерживать ИИ-агентов в нескольких средах, способствуя сотрудничеству, масштабируемости и единообразию в крупных организациях.

MCP Context Forge позволяет разработчикам определять несколько каналов, таких как текст, код, встраивания и пользовательские метаданные, и управлять ими в связанные окна контекста для ИИ-агентов. Благодаря архитектуре пайплайна он автоматизирует сегментацию исходных данных, обогащает их аннотациями и объединяет каналы с помощью настроенных стратегий, например, приоритетного взвешивания или динамической обрезки. Фреймворк поддерживает адаптивное управление длиной контекста, генерацию с помощью поиска и бесшовную интеграцию с IBM Watson и сторонним LLM, обеспечивая предоставление релевантного, краткого и актуального контекста. Это повышает эффективность в задачах вроде диалогового ИИ, документационного Q&A и автоматического суммирования.