Mark Hendrickson

Mark Hendrickson

Construindo Neotoma, o sistema de registro para agentes de IA, e Ateles, um sistema operacional para organizações de agentes.

Estou construindo Neotoma, o sistema de registro para agentes de IA. A ideia é ter um registro, não depender da memória. Sem ele, um agente trabalha com aquilo de que por acaso se lembra: parte da última sessão, uma nota salva por sua ferramenta ou nada. Com ele, pode ler o que foi armazenado, de qual fonte veio e qual é o estado atual, para que os agentes conectados consultem uma mesma resposta. Neotoma é de código aberto, funciona localmente e se conecta a agentes por MCP, API REST e CLI.

O princípio por trás disso é o mesmo que orienta todo o meu trabalho: as pessoas devem controlar seus dados, memória, dinheiro e infraestrutura digital, em vez de cedê-los a plataformas que priorizam engajamento acima da verdade.

Trabalho como fundador independente em Barcelona, com agentes de IA como parte da equipe, não apenas como ferramentas. Os fluxos de e-mail, finanças, conteúdo e produto passam por um repositório e um registro compartilhados. Os agentes seguem as mesmas regras de trabalho que eu. Essa experiência orienta Ateles, um projeto de código aberto em desenvolvimento para organizar agentes, tarefas e planos em torno do registro compartilhado do Neotoma.

Antes desta etapa, passei quase duas décadas criando produtos na web de consumo, em cripto e em startups: escrevendo e lançando na TechCrunch, cofundando a Plancast (adquirida pela Active Network) e a KITE Solutions, aconselhando e construindo com startups em estágio inicial, liderando a experiência do usuário na Hiro para a blockchain Stacks e dirigindo a Leather na Trust Machines. Veja toda a trajetória na minha linha do tempo.

Publicações recentes

Seus agentes precisam de um sistema de registro

Seus agentes precisam de um sistema de registro

Quando agentes trabalham em ferramentas diferentes, podem agir com base em versões distintas do mesmo fato. O Neotoma oferece aos agentes conectados um sistema de registro no qual podem ler os valores atuais e examinar as observações e fontes que os sustentam.

5 minutos de leituraAgent Architecture
O enxame que comanda meu trabalho

O enxame que comanda meu trabalho

Minha antiga pilha de agentes era um agente por sessão comigo no loop para cada tarefa. Ateles é a frota permanente que o substituiu. Um enxame de agentes pessoais definido no próprio Neotoma, onde agentes, tarefas e planos são todos entidades, e cada ação é atribuída, auditável e reversível.

9 minutos de leituraAgent Architecture
A espinha do laço

A espinha do laço

Três postagens virais concordam que o estado durável é o que faz os loops do agente funcionarem e depois transferem o trabalho para um arquivo markdown. Qual estado do loop realmente requer quando você executa mais de um loop.

7 minutos de leituraAgent Architecture
Resolução de problemas entre agentes, com humanos nas bordas

Resolução de problemas entre agentes, com humanos nas bordas

A avaliação liderada pelo agente informa ao usuário se o Neotoma se adapta. O subsistema de novos problemas permite que o mesmo agente registre um bug ou melhoria, troque mensagens com o mantenedor e observe a mudança chegar, tudo por meio do MCP, sem que um humano jamais abra uma guia do navegador.

12 minutos de leituraEnsaio
Da memória ao sistema nervoso

Da memória ao sistema nervoso

O primeiro problema com a execução de vários agentes é que eles esquecem. A segunda é que eles não conseguem se coordenar. Uma camada de estado que resolve primeiro o armazenamento e depois adiciona sinalização torna-se um sistema nervoso, não apenas uma memória.

11 minutos de leituraEnsaio
A Inversão Humana

A Inversão Humana

Quando a IA capaz absorve a maior parte da produção de artefatos no meio de execução, a alavancagem humana se concentra na fundação e na revisão. A coerência deixa de viver em transferências de corredor e começa a viver em padrões explícitos, artefatos de leitura cruzada e julgamento que você pode defender em volume.

O Plancast não chegou cedo, precisava de agentes com substrato e malha adequados

O Plancast não chegou cedo, precisava de agentes com substrato e malha adequados

Doze anos atrás, escrevi uma autópsia para o Plancast. Lendo novamente agora, os modos de falha não eram realmente sobre a mecânica do produto; tratava-se da falta de agentes pessoais de IA, de um substrato adequado para eles escreverem e de uma malha soberana entre eles. Todos os três existem agora, e a missão original torna-se tratável de uma forma que a era do feed nunca poderia.

9 minutos de leituraEnsaio
O teto de memória de remarcação

O teto de memória de remarcação

Três plataformas independentes de agentes de IA no valor de bilhões convergiram em arquivos de texto simples para memória. A convergência valida o problema. Os modos de falha que compartilham definem o que vem a seguir.

7 minutos de leituraAgent Architecture
Quando os agentes compartilham estado, tudo quebra

Quando os agentes compartilham estado, tudo quebra

A maioria das equipes fixa a memória do agente em qualquer banco de dados que já possua. Funciona até que dois agentes escrevam na mesma loja. Então, uma gravação incorreta se propaga na velocidade da máquina, desencadeando ações posteriores antes que qualquer ser humano possa intervir. A indústria está caminhando para uma crise de confiança que a otimização de recuperação não resolverá.

8 minutos de leituraEnsaio

Mais publicações →