Deutsche Telekom's LMOS: что команды по ИИ в масштабе предприятий хотят от платформы

Arun Joseph на InfoQ описывает реальный производственный агентный вычислительный слой: эфемерные агенты, ADL и центральный каталог возможностей.

Простыми словами. Арн Джозеф (Arun Joseph), выступая на InfoQ, описал корпоративную AI-платформу Deutsche Telekom (LMOS): слой, который заменяет "разрастание инструментов" ("tool sprawl") набором базовых абстракций и представляет язык определения агентов (ADL) с эфемерными агентами. Концепция: агентные вычисления — это недостающий слой, который ни один облачный провайдер не поставляет "из коробки".

Факт

InfoQ публикует 3 августа 2026 года презентацию Арна Джозефа о LMOS в Deutsche Telekom. Три тезиса: (1) компании страдают от неконтролируемого роста неструктурированных инструментов на основе LLM/агентов ("tool sprawl"); (2) им нужен слой "агентных вычислений" с общими абстракциями; (3) LMOS предлагает язык определения агентов (ADL) и эфемерных агентов вместо постоянных сервисов.

Наше понимание

Тезис Джозефа не нов — QCon AI Boston (публикация #1211) и Cloudflare Agents Week (публикация #1766) рассказывают вариации той же истории, но его интерес в том, что он исходит от телеком-оператора, которому приходится поддерживать десятилетия legacy-кода. LMOS — это опыт эксплуатации в продакшене, а не вступительная речь вендора.

Что этот паттерн означает для вашей архитектуры

• Эфемерность вместо постоянства. Агент не имеет состояния между сессиями; состояние хранится в плоскости данных (векторная база, бизнес-БД, event log). Это устраняет проблему "долгих диалогов, теряющих контекст", и упрощает горизонтальное масштабирование. Когнитивная нагрузка: воспринимать каждый вызов агента как вызов чистой функции, а не как живой объект.
• ADL как контракт. Описывать агента через то, что он потребляет и производит, а не через промпт. Две разные команды могут тогда создавать взаимозаменяемых агентов. Это и есть обещание MCP, применённое внутри компании, с более строгой типизацией.
• Платформа vs. "tool sprawl". Вместо того чтобы каждая команда подключала свои инструменты через LangChain с одной стороны и LlamaIndex с другой, централизованный каталог общих возможностей с общей наблюдаемостью и политиками. Это работа платформенной команды, а не приложения.

Под капотом

LMOS пока не публичен. Ближайший open source-аналог — то, что формируется вокруг MCP + реестров (Anthropic MCP hub, Cloudflare AI Gateway, Portkey). Структурное отличие: Deutsche Telekom контролирует плоскость данных (телефония, биллинг, внутренний CRM) — это кейс, который американский облачный провайдер не может аутсорсить, и где внутренняя платформа становится структурной необходимостью.

И что?

Для архитекторов, выбирающих между "агентским фреймворком месяца" и настоящей платформой: тест следующий. Если ваш слой агентов не позволяет определить агента без написания Python-кода и его развёртывания без пересборки сервиса, это не платформа, а SDK. LMOS показывает, что настоящие продакшн-платформы больше похожи на Airflow, чем на LangChain.

На что обратить внимание

Возможное открытие LMOS или его компонента (ADL) в open source; публикация операционных метрик (количество агентов в продакшене, латентность, стоимость задачи); внедрение у других европейских операторов в рамках DMA/data-sovereignty.