Een nieuw raamwerk van onderzoekers Alexander en Jacob Roman verwerpt de complexiteit van de huidige AI-tools en biedt een synchroon, typeveilig alternatief dat is ontworpen voor reproduceerbaarheid en kostenbewuste wetenschap.
In de haast om autonome AI-agents te bouwen, zijn ontwikkelaars grotendeels gedwongen tot een binaire keuze: de controle overgeven aan enorme, complexe ecosystemen zoals LangChain, of zichzelf opsluiten in SDK’s van één leverancier van providers als Anthropic of OpenAI. Voor software-ingenieurs is dit een ergernis. Voor wetenschappers die AI proberen te gebruiken voor reproduceerbaar onderzoek is het een dealbreaker.
Binnenkomen Orkestrale AIeen nieuw Python-framework uitgebracht op Github deze week probeert een derde pad in kaart te brengen.
Ontwikkeld door theoretisch natuurkundige Alexander Roman en software-ingenieur Jacob Romanpositioneert Orchestral zichzelf als het ‘wetenschappelijke computer’-antwoord op agent-orkestratie, waarbij prioriteit wordt gegeven aan deterministische uitvoering en het debuggen van duidelijkheid boven de ‘magie’ van asynchrone alternatieven.
De ‘anti-framework’-architectuur
De kernfilosofie achter Orchestral is een opzettelijke afwijzing van de complexiteit die de huidige markt teistert. Hoewel raamwerken als AutoGPT en LangChain sterk afhankelijk zijn van asynchrone gebeurtenisloops, waardoor het opsporen van fouten een nachtmerrie kan worden, gebruikt Orchestraral een strikt synchroon uitvoeringsmodel.
“Reproduceerbaarheid vereist dat je precies begrijpt welke code wordt uitgevoerd en wanneer”, betogen de oprichters in hun technische paper. Door operaties in een voorspelbare, lineaire volgorde te dwingen, zorgt het raamwerk ervoor dat het gedrag van een agent deterministisch is – een cruciale vereiste voor wetenschappelijke experimenten waarbij een ‘gehallucineerde’ variabele of een raceconditie een onderzoek ongeldig zou kunnen maken.
Ondanks deze focus op eenvoud is het raamwerk provider-agnostisch. Het wordt geleverd met een uniforme interface die werkt met OpenAI, Anthropic, Google Gemini, Mistral en lokale modellen via Ollama. Hierdoor kunnen onderzoekers één keer een agent schrijven en het onderliggende ‘brein’ vervangen door een enkele regel code. Dit is van cruciaal belang voor het vergelijken van modelprestaties of het beheren van subsidiegelden door over te schakelen naar goedkopere modellen voor conceptruns.
LLM-UX: ontwerpen voor het model, niet voor de eindgebruiker
Orchestral introduceert een concept dat de oprichters ‘LLM-UX’ noemen: gebruikerservaring ontworpen vanuit het perspectief van het model zelf.
Het raamwerk vereenvoudigt het maken van tools door automatisch JSON-schema’s te genereren op basis van standaard Python-hints. In plaats van uitgebreide beschrijvingen in een apart formaat te schrijven, kunnen ontwikkelaars eenvoudigweg hun Python-functies annoteren. Orchestral verzorgt de vertaling en zorgt ervoor dat de gegevenstypen die tussen de LLM en de code worden doorgegeven, veilig en consistent blijven.
Deze filosofie strekt zich uit tot de ingebouwde tooling. Het raamwerk bevat een persistente terminaltool die de status ervan (zoals werkmappen en omgevingsvariabelen) tussen oproepen door behoudt. Dit bootst de manier na waarop menselijke onderzoekers omgaan met opdrachtregels, waardoor de cognitieve belasting van het model wordt verminderd en de algemene foutmodus wordt voorkomen waarbij een agent ‘vergeet’ dat hij drie stappen geleden van map is veranderd.
Gebouwd voor het laboratorium (en het budget)
De oorsprong van Orchestral in de hoge-energiefysica en het onderzoek naar exoplaneten is duidelijk zichtbaar in de functies. Het raamwerk omvat native ondersteuning voor LaTeX-export, waardoor onderzoekers geformatteerde logboeken van de redenering van agenten rechtstreeks in academische artikelen kunnen plaatsen.
Het behandelt ook de praktische realiteit van het runnen van LLM’s: de kosten. Het raamwerk omvat een geautomatiseerde module voor het bijhouden van kosten die het tokengebruik van verschillende providers samenvoegt, waardoor laboratoria de burn-rates in realtime kunnen volgen.
Misschien wel het allerbelangrijkste voor veiligheidsbewuste velden is dat Orchestral ‘lezen-voor-bewerken’-vangrails implementeert. Als een agent probeert een bestand te overschrijven dat hij tijdens de huidige sessie niet heeft gelezen, blokkeert het systeem de actie en vraagt het model het bestand eerst te lezen. Dit voorkomt de “blinde overschrijf”-fouten waar iedereen die autonome codeermiddelen gebruikt bang voor is.
Het licentievoorbehoud
Hoewel Orchestral eenvoudig te installeren is via pip install Orchestral-ai, moeten potentiële gebruikers goed naar de licentie kijken. In tegenstelling tot de MIT- of Apache-licenties die gebruikelijk zijn in het Python-ecosysteem, wordt Orchestral vrijgegeven onder een eigen licentie.
In de documentatie wordt expliciet vermeld dat “ongeoorloofd kopiëren, verspreiden, wijzigen of gebruiken… ten strengste verboden is zonder voorafgaande schriftelijke toestemming”. Dit ‘bronbeschikbare’ model stelt onderzoekers in staat de code te bekijken en te gebruiken, maar weerhoudt hen ervan deze te forksen of commerciële concurrenten op te bouwen zonder een overeenkomst. Dit duidt op een bedrijfsmodel dat zich in de toekomst richt op bedrijfslicenties of dubbele licentiestrategieën.
Bovendien zullen early adopters zich op het scherpst van de snede in Python-omgevingen moeten bevinden: het raamwerk vereist Python 3.13 of hoger, waarbij expliciet de ondersteuning voor het veelgebruikte Python 3.12 wordt stopgezet vanwege compatibiliteitsproblemen.
Waarom het ertoe doet
‘De beschaving gaat vooruit door het aantal belangrijke operaties uit te breiden die we kunnen uitvoeren zonder erover na te denken’, schrijven de stichters, waarbij ze de wiskundige Alfred North Whitehead citeren.
Orkestrale pogingen om dit te operationaliseren voor het AI-tijdperk. Door het ‘loodgieterswerk’ van API-verbindingen en schemavalidatie weg te abstraheren, wil het wetenschappers zich laten concentreren op de logica van hun agenten in plaats van op de eigenaardigheden van de infrastructuur. Of de academische en ontwikkelaarsgemeenschappen een gepatenteerde tool zullen omarmen in een ecosysteem dat wordt gedomineerd door open source valt nog te bezien, maar voor degenen die verdrinken in asynchrone tracebacks en kapotte tooloproepen, biedt Orchestral een verleidelijke belofte van gezond verstand.
