Olivares AI to otwarta, self-hostowalna platforma, która odpowiada na pytanie, na które większość zespołów nie potrafi dzisiaj odpowiedzieć: którzy agenci AI działają na mojej infrastrukturze i do czego każdy z nich może faktycznie sięgnąć?
Działa tam, gdzie działają twoi agenci, odkrywa ich pasywnie i buduje mapę dostępu odczyt/zapis — dla każdego agenta, zasoby, które może dotknąć i czy może je odczytać czy odczytać i zapisać. Stamtąd możesz zarządzać tym dostępem i udowodnić, po fakcie, dokładnie co się wydarzyło.
Mapa dostępu odczyt/zapis
Mapa jest rdzeniem produktu (moduł III). Każdy agent AI staje się węzłem; każdy zasób, do którego może sięgnąć — baza danych, magazyn obiektów, serwer MCP, API — staje się również węzłem; a każda krawędź jest typowana jako R (odczyt) lub RW (odczyt/zapis).
To rozróżnienie odczyt-vs-zapis jest sednem. Agent, który może tylko odczytać produkcyjny magazyn, to zupełnie inny promień rażenia niż ten, który może go zapisać. Mapa uwidacznia tę różnicę zamiast pozostawiać ją ukrytą w rozproszonych politykach IAM.
Dozwolone vs Obserwowane
To, co wyróżnia mapę, to różnica między dwiema warstwami:
- Dozwolone — co agent ma prawo dotykać, z nadań i polityk.
- Obserwowane — co faktycznie zostało zaobserwowane, że dotyka, z telemetrii.
Ich porównanie ujawnia dwa odkrycia, które mają znaczenie:
- Nieoczekiwany dostęp — obserwowany, ale nigdy nie oczekiwany. To, co chcesz wychwycić.
- Nieużywane uprawnienia — dozwolone, ale nigdy nie wykorzystane. Twoja lista do porządkowania najniższych uprawnień.
Uczciwy wobec tego, co może udowodnić
Mapa nigdy nie fabrykuje pewności. Wierność jest warstwowa i pokazana jako taka:
- Pokrycie odczyt-vs-zapis jest
cleanna źródłach z natywnym audytem (PostgreSQL przez pgAudit, magazyny obiektów przez CloudTrail, hurtownie i jeziora danych),lossyna niektórych magazynach dokumentów/wektorów iopaquegdzie po prostu nie da się tego odtworzyć pasywnie (Redis, SQLite, D1) — tam krawędź jest oznaczanaunknownzamiast być zgadywana. - Atrybucja jest
firmgdy źródło niesie tożsamość per-agent i składa się doapproximategdy współdzielone konto serwisowe ukrywa kto co zrobił.
Zawsze widzisz ile produkt faktycznie wie: poziomy są pokazane w interfejsie zamiast
ukryte, więc krawędź clean/firm i unknown/approximate nigdy nie są
prezentowane jako to samo.
Self-hosted i open-core
Olivares AI jest open-core: kompletny produkt jest darmowy i open source na licencji AGPL-3.0 — nie jest okrojoną edycją community. Wdraża się jako pojedynczy statyczny plik binarny z wbudowaną konsolą webową.
Płaszczyzna kontrolna działa wewnątrz twojej własnej infrastruktury i może działać izolowana sieciowo — twoje dane zarządzania i obserwacji nigdy nie opuszczają twojego perymetru. Jedno uczciwe zastrzeżenie: hostowane modele jak Claude nie są self-hostowalne, więc jakakolwiek inferencja modelu nadal dociera do API dostawcy (bezpośrednio lub przez Bedrock/Vertex/Foundry). “Izolowany sieciowo” oznacza twoje dane infrastruktury zostają w domu, nie że model działa offline. Tylko prawdziwie self-hostowalne modele (na przykład przez vLLM/Ollama) działają w pełni offline.
Gdzie jest dzisiaj
Platforma jest pre-1.0. Dostarcza katalog 29 modułów zdolności — w standardowej instalacji wszystkie są dziś podłączone. Produkt jest odczyt jako priorytet i detektywistyczny domyślnie — obserwuje i zarządza, a tam, gdzie może działać, robi to domyślnie odrzucając. Nic tutaj nie twierdzi, że robi coś, czego kod nie robi.
Gotowy żeby to zobaczyć? Zacznij od szybkiego startu.