Langsung ke konten
AAIOSoleh Karsa Sibernetik

Orkestrasi AI agent yang Anda host sendiri

Bangun, jalankan, dan atur AI agent di infrastruktur Anda sendiri

AAIOS menyatukan workflow builder visual dan runtime agent otonom dalam satu platform, serta memeriksa apa yang masuk ke dan keluar dari model Anda. Database, kredensial, dan hasil eksekusi tetap berada di deployment Anda sendiri.

Mengapa tim sering tertahan

  • Tool visual berhenti sebelum agent

    Otomasi no-code mudah dipelajari, tetapi tidak dirancang untuk agent yang merencanakan dan bertindak sendiri, maupun untuk kontrol yang diminta dalam security review perusahaan.

  • Kode agent adalah kotak hitam bagi kebanyakan orang

    Framework agent memberi developer kemampuan perencanaan, memori, dan pemakaian tool. Selain developer, yang terlihat hanya skrip, bukan alur keputusan yang bisa diikuti.

  • “Nanti kami cek lognya” bukan jawaban

    Ketika seseorang bertanya bagaimana agent mengambil keputusan, atau apa yang mencegahnya mengirim data pribadi ke penyedia model eksternal, jawabannya harus berupa catatan, bukan pencarian.

Yang Anda dapatkan

Satu platform untuk orang yang membangun otomasi dan orang yang harus menyetujuinya.

  • Bangun

    Builder visual untuk workflow dan agent

    Tarik node ke kanvas: HTTP request, transformasi, kondisi, LLM call, tool MCP, query database, dan persetujuan manusia, dijalankan manual, lewat webhook, atau terjadwal. Telusuri eksekusi node demi node dan ulangi dari titik kegagalan.

  • Jalankan

    Agent yang merencanakan, bertindak, dan meninggalkan jejak

    Beri agent tujuan, tool yang boleh dipakai, dan batasannya. Agent merencanakan, memanggil tool, dan mengamati hasilnya di runtime Python yang terpisah, dan setiap langkah tercatat berurutan. Jalankan model secara lokal dengan Ollama, atau pakai OpenAI dan Anthropic dengan kunci API Anda sendiri.

  • Atur

    Kontrol yang bisa diperiksa tim keamanan Anda

    Firewall memindai lalu lintas model dan tool di kedua arah. Log audit append-only yang berantai hash mencatat siapa melakukan apa. Peran menentukan siapa yang boleh membangun, menjalankan, mengubah, atau hanya mengamati.

Juga di dalam platform

  • AI gateway

    Routing penyedia dengan fallback, caching exact-match dan semantik, rate limit per tenant, serta allowlist model.

  • Knowledge base

    Shared memory di atas pgvector dengan hybrid search dan reranking, dipindai data pribadinya saat ingestion.

  • Persetujuan manusia

    Eksekusi berhenti menunggu keputusan dan berlanjut lagi setelah restart. Pemberi persetujuan diberi tahu lewat Slack atau email.

  • Observabilitas

    Metrik Prometheus, trace OpenTelemetry, dan aliran langsung event setiap eksekusi.

Seperti apa tampilannya

Tampilan dari workspace demonstrasi yang berisi data contoh. Bukan organisasi atau data sungguhan.

Otomasi Anda sekilas

Berapa banyak workflow dan agent, run mana yang perlu perhatian beserta alasannya, dan pintasan ke pekerjaan yang paling sering.

Halaman ringkasan: jumlah workflow dan run, run yang perlu perhatian beserta errornya, dan pintasan
Data contoh

Workflow di atas kanvas

Tempatkan node, sambungkan, pasang breakpoint, lalu baca hasil setiap run di bawah kanvas.

Workflow builder: palet jenis node, kanvas berisi node yang tersambung, dan panel properti
Data contoh

Setiap run, lengkap dengan alasan kegagalannya

Saring run berdasarkan status, workflow, atau pemicu, buka satu untuk melihat tiap node, outputnya, dan urutan kejadian, lalu ulangi.

Halaman eksekusi: tabel run dan detail run yang gagal beserta hasil tiap node
Data contoh

Cara memulai

AAIOS berjalan di infrastruktur yang Anda kendalikan, dari satu file Docker Compose hingga cluster Kubernetes.

  1. Deploy di tempat data Anda berada

    Gunakan Docker Compose untuk evaluasi atau tim kecil, atau Helm chart untuk produksi di Kubernetes. Keduanya memakai image container yang sama.

  2. Hubungkan model dan sistem

    Arahkan AAIOS ke Ollama, OpenAI, atau Anthropic, tambahkan server MCP dan koneksi Postgres read-only, lalu biarkan sistem lain memulai workflow lewat webhook yang terautentikasi.

  3. Bangun dan uji

    Susun workflow atau definisikan agent, jalankan dengan input contoh, dan telusuri apa yang terjadi sebelum Anda mengaktifkannya.

  4. Atur dan pantau

    Tetapkan aturan firewall, peran, dan single sign-on, teruskan entri audit ke SIEM Anda, dan ambil metrik ke sistem monitoring yang sudah Anda pakai.

Dibangun untuk lingkungan teregulasi

Keamanan ada di setiap lapisan, bukan tempelan. Setiap kontrol di bawah ini sudah diimplementasikan di platform dan dikonfigurasi oleh operator Anda sendiri.

  • Self-hosted, data tetap di tempat

    Database, kredensial penyedia, dan hasil eksekusi tetap di deployment Anda. Jika ekspor pemakaian diaktifkan, hanya total harian yang keluar, dengan setiap ID tenant diganti hash berkunci.

  • Tenant terisolasi di database

    Row-level security PostgreSQL menentukan baris tenant mana yang terlihat, ditegakkan oleh database, bukan hanya oleh filter aplikasi. Setiap tenant juga dapat membatasi akses ke rentang IP-nya sendiri.

  • Rantai audit yang menunjukkan perubahan

    Entri audit bersifat append-only: trigger database menolak pengubahan dan penghapusan, dan setiap entri dirantai ke entri sebelumnya dengan HMAC yang bisa diverifikasi kapan saja. Ekspor sebagai JSON, CSV, atau CEF.

  • Firewall untuk lalu lintas agent

    Aturan untuk data pribadi, prompt injection, keamanan konten, eksfiltrasi data, daftar kata kunci, dan pola kustom dapat memblokir, menyamarkan, atau mencatat. Aturan berlaku pada node workflow, pemanggilan tool agent, dan AI gateway, dan pemeriksaan yang gagal berarti diblokir.

  • Kredensial terenkripsi saat disimpan

    Kunci penyedia, header MCP, connection string database, dan secret webhook dienkripsi dengan AES-256-GCM, opsional di bawah kunci AWS KMS. Password dan kunci API hanya disimpan sebagai hash.

  • Single sign-on dan SCIM

    Masuk dengan OpenID Connect atau SAML 2.0, dan sediakan pengguna serta grup lewat SCIM 2.0 yang dipetakan ke peran.

  • Akses berbasis peran

    Peran bawaan dan kustom dengan izin per sumber daya dan tindakan. Kunci API bisa dipersempit lagi dan tidak pernah melebihi hak pemiliknya.

  • Satu kebijakan egress

    Setiap panggilan keluar yang tujuannya bisa ditentukan pengguna, workflow, agent, atau plugin melewati kebijakan yang sama. Jaringan privat dan alamat metadata cloud tetap diblokir kecuali Anda mengizinkannya, dan alamat diperiksa ulang saat koneksi dibuka.

Pertanyaan yang paling sering kami dengar

Apakah data kami keluar dari infrastruktur kami?

Tidak. Workflow, hasil eksekusi, kredensial, dan database tetap di deployment Anda.

Jika Anda mengonfigurasi ekspor pemakaian, platform mengirim total harian untuk eksekusi workflow, token LLM, dan request API, dengan setiap ID tenant diganti hash berkunci. Perintah aaios usage preview menampilkan persis apa yang akan dikirim pada ekspor berikutnya.

Penyedia model apa saja yang bisa kami pakai?

Ollama untuk model yang berjalan di perangkat keras Anda sendiri, serta OpenAI atau Anthropic dengan kunci API Anda sendiri. Endpoint penyedia yang Anda host sendiri juga bisa, mengikuti kebijakan egress.

Bisakah berjalan tanpa akses internet?

Bisa. Dengan Ollama sebagai penyedia model, workflow dapat berjalan sepenuhnya offline. Lisensi diverifikasi secara offline, dan terputusnya koneksi ke control plane tidak pernah mengubah status lisensi.

Apa beda Community Edition dan Enterprise Edition?

Community Edition adalah open source di bawah Apache License 2.0: mesin workflow, builder visual, runtime agent, dan sign-in OpenID Connect.

Enterprise Edition menambahkan plugin untuk firewall, log audit, peran granular, SAML dan SCIM, multi-tenancy, shared memory, AI gateway, persetujuan manusia, observabilitas, dan horizontal agent scaling. Kode sumbernya bisa dibaca, dan menjalankannya di produksi memerlukan license key. Kedua edisi memakai image container yang sama.

Bagaimana cara deploy-nya?

Dengan Docker Compose untuk evaluasi dan tim kecil, atau dengan Helm chart di Kubernetes 1.27 ke atas untuk produksi. Dibutuhkan PostgreSQL 14 ke atas dengan pgvector, serta Redis atau Valkey 7 ke atas, baik layanan terkelola maupun di dalam cluster.

Bisakah seseorang menyetujui tindakan agent atau workflow?

Bisa. Langkah persetujuan manusia menghentikan eksekusi sampai seseorang menyetujui atau menolaknya. Jeda ini bertahan saat server restart, dan pemberi persetujuan bisa diberi tahu lewat Slack atau email.

Apakah AAIOS tersertifikasi?

Belum. Kami tidak mengklaim sertifikasi SOC 2, ISO 27001, atau ISO 42001. Yang bisa kami tunjukkan adalah cara kerja setiap kontrol dan cara memeriksanya di deployment Anda sendiri.

Lihat AAIOS pada kasus Anda sendiri

Ceritakan apa yang ingin Anda otomasi dan apa yang akan ditanyakan security review Anda. Kami akan menunjukkan platformnya dan menyampaikan dengan jujur apakah sudah cocok untuk Anda hari ini.

Atau kirim email ke support@karsa-siber.com