Idun Agent Platform – แพลตฟอร์ม Production Runtime สำหรับ LangGraph/ADK Agent

Idun Agent Platform คืออะไร

Idun Agent Platform เป็น production wrapper แบบ open-source สำหรับ LangGraph และ Google ADK agents ที่ช่วยให้คุณเปลี่ยน AI agent ให้กลายเป็น production-ready service ได้ทันทีด้วยคำสั่ง pip install เพียงครั้งเดียว

แทนที่จะต้องสร้างระบบ FastAPI, traces, guardrails, admin UI เอง หรือต้องยอมสละอธิปไตยด้วยการใช้ SaaS platform – Idun ให้ทางเลือกที่สาม: self-hosted solution ที่มาพร้อมทุกอย่างที่ต้องการในตัว

ทำไมต้องใช้ Idun

• ครบเครื่องในตัว: Chat UI, admin panel, OpenTelemetry traces, 15+ guardrails, MCP tool governance, prompt management
• Self-hosted: รันบนโครงสร้างของคุณเอง ไม่มี vendor lock-in
• เริ่มใช้ง่าย: ติดตั้งผ่าน pip แล้วใช้งานได้ทันที
• รองรับ framework ยอดนิยม: LangGraph และ Google ADK
• API มาตรฐาน: FastAPI service พร้อม CopilotKit API integration

เริ่มต้นใช้งาน

ความต้องการของระบบ

• Python: เวอร์ชัน 3.12 หรือ 3.13
• RAM: แนะนำอย่างน้อย 2GB สำหรับการรันพื้นฐาน
• Disk Space: อย่างน้อย 1GB สำหรับ dependencies และ logs
• API Keys: Google Gemini API key (หรือ LLM provider อื่นที่รองรับ)

ขั้นตอนการติดตั้ง

1. สร้างโปรเจคและติดตั้ง dependencies

copymkdir my-agent && cd my-agent
pip install idun-agent-engine langgraph langchain-google-genai

คำสั่งนี้จะติดตั้ง Idun Agent Engine พร้อมกับ LangGraph และ LangChain integration สำหรับ Google Gemini

2. สร้างไฟล์ agent (agent.py)

copyfrom typing import Annotated, TypedDict
from idun_agent_engine.mcp import get_langchain_tools_sync
from langchain_google_genai import ChatGoogleGenerativeAI
from langgraph.graph import StateGraph, START
from langgraph.graph.message import add_messages
from langgraph.prebuilt import ToolNode, tools_condition

class State(TypedDict):
    messages: Annotated[list, add_messages]

tools = get_langchain_tools_sync()
llm = ChatGoogleGenerativeAI(model="gemini-2.0-flash").bind_tools(tools)

def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}

graph = StateGraph(State)
graph.add_node("chatbot", chatbot)
graph.add_node("tools", ToolNode(tools))
graph.add_edge(START, "chatbot")
graph.add_conditional_edges("chatbot", tools_condition)
graph.add_edge("tools", "chatbot")

my_agent = graph.compile()

โค้ดนี้สร้าง LangGraph agent โดย:

• กำหนด State สำหรับเก็บประวัติข้อความ
• โหลด tools จาก MCP (Model Context Protocol)
• ตั้งค่า LLM เป็น Google Gemini พร้อม tool binding
• สร้าง graph workflow ที่เชื่อมโยง chatbot node กับ tools node

3. รัน agent เป็น FastAPI service

copyidun-agent-engine start agent:my_agent

คำสั่งนี้จะเริ่ม production service ที่รวม Chat UI, Admin Panel, และระบบ observability ทั้งหมด เข้าถึงได้ผ่าน browser ทันที (โดยปกติที่ http://localhost:8000)

คุณสมบัติหลัก

Guardrails (ระบบป้องกันความเสี่ยง)

Guardrails คือชั้นความปลอดภัยที่ตรวจสอบและกรอง input/output ของ AI agent เพื่อป้องกันพฤติกรรมที่ไม่พึงประสงค์ Idun มาพร้อม 15+ guardrails รวมถึง:

• Prompt Injection Protection: ป้องกันการแทรกคำสั่งที่พยายามหลอก AI
• PII Leakage Prevention: ป้องกันการรั่วไหลของข้อมูลส่วนบุคคล
• Toxic Content Filtering: กรองเนื้อหาที่ไม่เหมาะสม
• Output Validation: ตรวจสอบความถูกต้องของคำตอบ

คุณสมบัติอื่นๆ

• MCP Integration: จัดการและควบคุม Model Context Protocol tools แบบ centralized
• OpenTelemetry: observability และ tracing แบบมาตรฐานอุตสาหกรรม สำหรับ monitoring ประสิทธิภาพ
• OIDC Authentication: รองรับระบบยืนยันตัวตนมาตรฐาน OpenID Connect
• Memory Persistence: จดจำ conversation context ข้ามเซสชัน
• Admin UI: จัดการ prompts, guardrails และตั้งค่าต่างๆ ผ่านหน้าเว็บ

เปรียบเทียบกับทางเลือกอื่น

ข้อมูลเพิ่มเติม

• GitHub Repository: idun-ai/idun-agent-engine
• Documentation: docs.idun.ai
• ตัวอย่างเพิ่มเติม: GitHub Examples

เหมาะสำหรับทีมที่ต้องการ deploy AI agents แบบ production-grade บนโครงสร้างของตัวเอง โดยไม่ต้องสร้างระบบเหล่านี้เองตั้งแต่ต้น และต้องการความยืดหยุ่นในการควบคุมข้อมูลและโครงสร้างพื้นฐานอย่างเต็มที่