ainews
Y Combinator открыли код QM — мультиагентную платформу для компаний в Slack и вебе
Y Combinator выложили в open source QM (quartermaster) — свою внутреннюю платформу для AI-агентов. Работает в Slack и браузере, каждый сотрудник получает изолированное рабочее пространство с памятью, файлами и доступами. Поддерживает разные модели (Claude, OpenAI и др.), три уровня безопасности, MIT-лицензия. YC сами используют её в бухгалтерии, юриспруденции и разработке, но предупреждают: проект сырой, с багами.
Это первый open source инструмент для запуска AI-агентов внутри компании от мажорного игрока вроде YC, который сам им пользуется в проде. Показывает, как реально внедрять AI в бизнес-процессы с правами, аудитом и безопасностью.
Y Combinator выпустили QM (quartermaster) под лицензией MIT — платформу для запуска AI-агентов внутри компании. В отличие от персональных ассистентов QM даёт каждому сотруднику изолированную среду: свою память, файлы, доступы, расписание задач и песочницу для выполнения кода. Одновременно люди могут работать с агентами в общих каналах и проектах.
Архитектура построена вокруг центрального ядра на TypeScript и Node.js, данные хранятся в Postgres. Ключевая фишка — vendor-agnostic подход: можно переключаться между моделями Claude, GPT, Pi и другими без привязки к одному провайдеру. Всё работает через Slack (плагин на Bolt) и веб-интерфейс (Vite + Lit).
Безопасность строится по модели локальных coding-агентов: агент действует от имени пользователя с его правами, всё логируется. Три режима: Strict (каждый вызов инструмента требует подтверждения), Auto (по умолчанию, скринит внешние данные классификатором) и Dangerous (без проверок). Во всех режимах жёсткий запрет на деструктивные команды вроде рекурсивного удаления.
Развёртывание требует облачный аккаунт (Fly.io или AWS), Postgres и инженера, который разбирается в инфраструктуре. YC позиционирует это как софт для стартапов и средних компаний (10-500 человек), прямо говорят: проект экспериментальный, баги есть.
Автор: Юлия Тарасова · Источник: marktechpost.com
Разработчикам. Можно форкнуть и кастомизировать под свои задачи: добавлять skill packs из git-репозиториев, писать интеграции через HTTP API, деплоить в свой облачный аккаунт. TypeScript-стек, готовые плагины для Slack и веба, агностичность к LLM-провайдерам — легко менять модели на лету.
Бизнесу. Подходит для автоматизации рутины в венчурных фондах, юридических и бухгалтерских операциях, внутренних B2B-инструментах. Реальные кейсы: поиск по всем внутренним заметкам и почте, триаж входящих с черновиками ответов, мониторинг CI/CD, трекинг проектов в общих каналах. Каждый отдел получает своего агента с нужными правами.
Инвесторам. Сигнал от YC: ставка на мультиагентные системы внутри компаний, а не на одного универсального ассистента. Open source под MIT снижает барьер входа для B2B-стартапов в enterprise AI. Растёт спрос на инфраструктурные решения для безопасного запуска AI-агентов в проде с audit trail и гранулярными доступами.
- Форкнуть QM и запустить managed-сервис для компаний, которым нужны AI-агенты, но нет своих DevOps: продавать как platform-as-a-service с преднастроенными skill packs под отрасли (legal, fintech, HR).
- Разработать маркетплейс skill packs для QM: готовые интеграции с популярными SaaS (Notion, Linear, GitHub), продавать подписки или per-install.
- Консалтинг по внедрению QM в венчурных фондах и профсервисах: помогать настраивать безопасность, писать кастомные скиллы, обучать команды.
- Сделать security screening proxy для QM с расширенными политиками и compliance-фичами (SOC 2, GDPR), продавать enterprise-компаниям как дополнение.
- Создать аналитическую панель поверх QM audit logs: визуализация использования агентов, поиск узких мест, оптимизация costs на LLM API.
- Проект сырой и с багами (сами YC признают), значит ранние adopters столкнутся с проблемами в проде — репутационные риски для тех, кто продаёт на базе QM.
- Требует квалифицированного инженера для деплоя и поддержки, что отсекает малый бизнес и непрофильные компании — узкий TAM.
- Безопасность построена на доверии к модели и классификатору: если LLM обманет screening или найдёт обход command policy, последствия могут быть серьёзными (утечка данных, удаление критичных файлов).
- Vendor-agnostic звучит хорошо, но на практике переключение между моделями требует тестирования и доработки промптов — скрытые integration costs.
Это не очередной демо-проект, а реальный инструмент, который YC используют у себя. Факт, что они открыли код под MIT, говорит о двух вещах: либо уверены, что конкуренты всё равно не догонят по execution, либо хотят создать стандарт для enterprise AI tooling и собрать экосистему вокруг. Скорее всего — и то, и другое.
Но не обманывайтесь: это не ready-to-use продукт для всех. Требования к инфраструктуре (облачный аккаунт, Postgres, инженер с руками) сразу отсекают 90% компаний. Зато для тех, кто потянет — это шанс получить enterprise-grade AI-платформу без vendor lock-in и с полным контролем. Баги есть, но если YC сами на этом работают, значит критичные кейсы уже покрыты. Следите за этим проектом — он может стать фундаментом для целой волны AI-startups в B2B.
Инструменты из статьи
Агентный кодинг в терминале от Anthropic: сам пишет, тестирует и правит код...
Доступ из РФ →
Комментарии