OpenAaaS: An Open Agent-as-a-Service Framework for Distributed Materials-Informatics Research

Dit artikel introduceert OpenAaaS, een open-source, gedistribueerd Agent-as-a-Service-framework dat veilige, multi-agent samenwerking voor materiaalinformatiek mogelijk maakt door zich te houden aan het principe "code stroomt, data blijft staan", waardoor instellingen geïsoleerde data en rekenkracht kunnen integreren zonder de data-soevereiniteit te schaden.

De kern

Stel je voor dat je probeert een massief, complex puzzel op te lossen, zoals het ontwerpen van een nieuwe, supersterke metaalsoort voor een straalmotor. Om dit te doen, moet je drie verschillende experts raadplegen die in drie verschillende landen zitten:

1. De Bibliothecaris in Peking, die elk ooit geschreven artikel over metaallegeringen heeft gelezen, maar haar bibliotheek niet mag verlaten.
2. De Databasebeheerder in New York, die een collectie van 17 terabyte (17.000 gigabyte) aan geheime metaalformules bezit die hij wettelijk niet over het internet mag verzenden.
3. De Supercomputer-operator in Berlijn, die een gigantische machine heeft die kan simuleren hoe metalen zich gedragen, maar die te traag is om data heen en weer te sturen.

Op de oude manier zou je deze experts moeten vragen om je hun volledige bibliotheken en harde schijven per post te sturen. De bibliothecaris zou miljoenen pagina's moeten fotokopiëren, de databasebeheerder zou een vrachtwagenlading harde schijven moeten verschepen, en de supercomputer-operator zou weken moeten wachten tot de data geüpload was. Het is traag, duur en vaak onmogelijk vanwege beveiligingsregels.

OpenAaaS is een nieuw, open-source raamwerk dat de spelregels verandert. In plaats van de experts te vragen hun data naar jou te sturen, stuur jij je vragen naar hen.

Zo werkt het, met behulp van eenvoudige analogieën:

Het Kernidee: "Stuur de Chef, Niet de Ingrediënten"

Beschouw de data (de metaalformules, de artikelen, de simulatieresultaten) als verse ingrediënten die in een keuken liggen.

• De Oude Weg: Je vraagt de chef om alle ingrediënten in te pakken en naar je huis te sturen, zodat jij kunt koken. Dit is traag, en de ingrediënten kunnen bederven of verloren gaan in de douane (beveiligingsfirewalls).
• De OpenAaaS-Weg: Je stuurt een digitale chef (een AI-agent) naar de keuken. De chef loopt binnen, bereidt het gerecht met de ingrediënten ter plaatse, en stuurt je vervolgens alleen het afgemaakte gerecht (het antwoord) terug. De ingrediënten verlaten de keuken nooit.

De Drie Onderdelen van het Systeem

1. De Master Agent (De Projectmanager)
Dit is de AI waarmee je praat. Je vertelt haar: "Ik zoek een metaal dat niet smelt bij 2.000 graden." De Master Agent kent de antwoorden zelf niet. In plaats daarvan fungeert ze als een slimme projectmanager. Ze breekt je grote vraag op in kleinere taken en stuurt deze het netwerk in. Ze ziet nooit de ruwe data; ze ziet alleen de uiteindelijke antwoorden.

2. De Network Hub (Het Dispatchcentrum)
Dit is een lichtgewicht server die fungeert als een telefooncentrale. Ze houdt een lijst bij van alle beschikbare "keukens" (nodes) en waar ze goed in zijn. Wanneer de Projectmanager hulp nodig heeft, routeert de Hub het verzoek naar de juiste keuken. Cruciaal: de Hub raakt de ingrediënten nooit aan. Ze geeft alleen de instructies door.

3. De Agent Cores (De Lokale Chefs)
Dit zijn de computers die direct naast de data staan.

• De Node van de Bibliothecaris: Voert de AI uit die de artikelen leest. Ze vindt het antwoord in de bibliotheek en stuurt een samenvatting terug.
• De Database Node: Voert de AI uit die de 17 TB aan geheime database doorzoekt. Ze doet de berekening direct op de server en stuurt een klein rapport terug (misschien slechts 2 megabyte) in plaats van de volledige 17 TB database.
• De Supercomputer Node: Voert de simulatie uit en stuurt het resultaat terug.

Waarom Dit Een Groot Ding Is (Het "Laatste Mijl"-Probleem)

Het artikel stelt dat we al geweldige AI-modellen en enorme hoeveelheden data hebben. Het probleem is dat we ze niet veilig kunnen verbinden tussen verschillende organisaties (zoals universiteiten, bedrijven en overheden) vanwege datasoevereiniteit (de regel dat data op zijn plaats moet blijven).

OpenAaaS lost dit op door een "Veilige Bezorgservice" voor AI te creëren.

• Geen Datamigratie: De ruwe data verlaat haar thuisbasis nooit.
• Zero Formaat-Overlast: De lokale "chefs" kunnen elk bestandsformaat verwerken (Excel, PDF, vreemde binaire bestanden) omdat ze er al zijn. Ze hoeven de data niet op te schonen voordat ze aan het werk gaan.
• Beveiliging: Omdat de data nooit verplaatst wordt, hoeft ze geen firewalls te passeren of zich zorgen te maken over hacken tijdens het transport.

Twee Wereldwijde Voorbeelden uit het Artikel

1. De "Diep-Lezende" Bibliothecaris (AlphaAgent)
De onderzoekers bouwden een speciale "chef" om materialwetenschappelijke artikelen te lezen. Wanneer er een complexe vraag wordt gesteld, zoals "Hoe beïnvloedt warmtebehandeling deze specifieke legering?", zou een normale AI misschien gewoon raden of een artikel vinden dat lijkt op het juiste maar niet helemaal klopt.
Deze AlphaAgent-chef:

• Leest de artikelen zorgvuldig.
• Controleert of het bewijs daadwerkelijk overeenkomt met het specifieke metaal en de omstandigheden.
• Schrijft een rapport waarin exact wordt aangegeven welke pagina's het antwoord ondersteunen.
• Resultaat: Ze scoorde 4,66 van de 5 op diepgaande analytische vragen, en sloeg standaard AI-modellen die alleen over het oppervlak schrapen.

2. De "Geheime Kluis" Database (HEA-Executor)
Ze verbinding gemaakt met een enorme database van High-Entropy Alloys (complexe metalen met 6+ elementen). De database is 17,4 Terabyte groot.

• Het Probleem: Als je probeerde deze naar je laptop te downloaden om te zoeken, zou het 17 dagen duren alleen al om de data over te dragen.
• De OpenAaaS-oplossing: De AI-chef ging naar de database-server. Ze vroeg: "Welke combinaties van Molybdeen, Niobium, Tantaal en Wolfraam zijn het meest rekbaar?" De server deed de berekening direct en stuurde een klein antwoord terug (2,3 MB).
• Resultaat: De gebruiker kreeg in seconden een specifiek antwoord over het optimaliseren van metaalplastiek, zonder ooit de enorme geheime database te zien of te downloaden.

Samenvatting

OpenAaaS is als het bouwen van een wereldwijd netwerk van gespecialiseerde keukens waar je een maaltijd op maat kunt bestellen zonder ooit de ingrediënten te hoeven bezitten. Het stelt wetenschappers in staat om samen te werken aan complexe problemen (zoals het ontwerpen van nieuwe materialen voor harde omgevingen) door AI-agenten naar de data te sturen, in plaats van de data naar de AI te verplaatsen. Dit houdt geheimen veilig, bespaart tijd en laat verschillende organisaties samenwerken zonder hun beveiligingsregels te schenden.

Technische samenvatting

Technische Samenvatting: OpenAaaS

1. Probleemstelling

De ontwikkeling van structurele en functionele materialen voor zware omstandigheden (bijvoorbeeld hoogtemperatuurplekken, stralingsbestendige stalen) staat voor een kritieke "laatste mijl"-bottleneck. Hoewel het Materials Genome Initiative (MGI) succesvol centrale platformen (SaaS, PaaS, IaaS) heeft opgezet en Groot Taalmodellen (LLM's) autonome redeneercapaciteiten hebben geïntroduceerd, slagen bestaande architecturen er niet in om samenwerking tussen organisaties te ondersteunen onder strikte data-sovereiniteit-beperkingen.

Huidige systemen staan voor vier specifieke beperkingen:

1. Lange-termijn horizon: O&O-cycli strekken zich uit over jaren, wat de contextvensters en persistentie van agents voor één sessie overstijgt.
2. Mechanistische complexiteit: Problemen vereisen synthese over domeinen heen (elektronische structuur, defectchemie, enzovoort) die geïsoleerde tools niet aankan.
3. Hoge domeinexpertise: Algemeen toepasbare agents missen de diepgang om betrouwbaar te redeneren over gespecialiseerde disciplines.
4. Beperkingen voor gevoelige data: Propriëtaire samenstellingen, niet-gepubliceerde resultaten en beperkte modellen kunnen niet worden gemigreerd naar centrale platformen vanwege vertrouwelijkheid, exportcontroles of institutionele firewalls.

De kernuitdaging is het ontbreken van een organisatorische infrastructuur om wereldklasse modellen en enorme dataopslag veilig samen te stellen over institutionele grenzen heen zonder de data-sovereiniteit te schenden.

2. Methodologie: Het OpenAaaS-kader

Om dit aan te pakken, stellen de auteurs OpenAaaS (Open Agent-as-a-Service) voor, een hiërarchisch, gedistribueerd kader gebouwd op het fundamentele principe: "Code stroomt, data blijft staan." In plaats van ruwe data naar een centrale locatie te verplaatsen, distribueert OpenAaaS uitvoeringsknooppunten van agents naar waar de data zich bevindt, en transmits alleen taakbeschrijvingen, tussentijdse redeneerartefacten en uiteindelijke resultaten.

2.1 Drie-laags architectuur

Het systeem bestaat uit drie distincte lagen:

• Master Agent-laag (Tier 1): Algemeen toepasbare LLM-agents (bijvoorbeeld Kimi CLI, Claude Code, Codex) die gebruikersintenties begrijpen, complexe onderzoeksproblemen ontleden en externe capaciteiten coördineren. Cruciaal is dat de Master Agent nooit toegang heeft tot ruwe data; deze redeneert uitsluitend over taakbeschrijvingen en service-metadata.
• Netwerkhub / OpenAaaS-server (Tier 2): Een lichtgewicht, single-binary HTTP-server (geïmplementeerd in Rust met ingebouwde SQLite) die fungeert als register en router. Deze houdt een lijst bij van beschikbare services, routeert taken naar gekwalificeerde knooppunten, beheert authenticatie en doorstuurt kleine bestandsartefacten. Het geeft nooit toegang tot of slaat ruwe wetenschappelijke data op.
• Netwerkknooppunt / Agent Core (Tier 3): Domeinspecifieke uitvoeringsknooppunten die lokaal worden ingezet op dataplekken (laboratoria, clusters). Elk knooppunt draait in een geïsoleerde Docker-sandbox, met volledige soevereiniteit over lokale datasets, propriëtaire algoritmen en hardware. Knooppunten blokkeren lokale resources als samenstelbare services via een zelfbeschrijvende API.

2.2 Belangrijke ontwerpmechanismen

• Uitvoering nabij de data: Berekening vindt plaats bij de data-bron. Voor een database van 10 TB traverseren alleen query-resultaten (schaal KB–MB) het netwerk, waardoor bandbreedte-bottlenecks en compliance-beoordelingen voor data-uitvoer worden geëlimineerd.
• Progressieve capaciteitsontdekking: Om overflow van het contextvenster bij Master Agents te voorkomen, is service-ontdekking in drie fasen opgedeeld:
  1. Lichtgewicht samenvatting: Naam, domeinlabel en capaciteit.
  2. Op aanvraag gebruik: Volledige documentatie (schema's, voorbeelden) wordt alleen geladen voor actieve kandidaten.
  3. Interactieve verfijning: Voorlopige prompts om parameters te verduidelijken.
• Veiligheidsmodel: Past verdediging in diepte toe, inclusief HTTPS-communicatie, alleen uitgaande verbindingen (reverse polling) om firewalls te omzeilen, HMAC-SHA256-authenticatie en container-sandboxing.
• Protocolcompatibiliteit: Het kader integreert met het Model Context Protocol (MCP), waardoor standaard MCP-clients (bijvoorbeeld Cursor, Cline) via een speciale adapter kunnen verbinden, terwijl ook aangepaste plugins voor specifieke agents worden geboden.

3. Belangrijkste bijdragen

Het artikel formaliseert en implementeert vier primaire bijdragen:

1. Architecturale formalisering: Identificeert de spanning tussen integratie over domeinen heen en data-sovereiniteit als een centrale ontwerprichtlijn, en stelt een hiërarchische multi-agent-architectuur voor die deze kloof aanpakt.
2. OpenAaaS-implementatie: Een drie-laags, open-source kader (MIT-licentie) dat uitvoering nabij de data, progressieve ontdekking en gestandaardiseerde protocollen realiseert.
3. AlphaAgent-case study: Een uitvoerder voor analyse van materialenliteratuur die antwoorden verankert in gevalideerde ophaalbewijzen en beter presteert dan single-pass RAG-baselines.
4. HEA-database-case study: Een beveiligde, ultra-grootschalige (17,4 TB) descriptor-database-service voor hexa-hoog-entropie-legeringen die beveiligde uitvoering nabij de data en domeinspecifieke workflows demonstreert zonder migratie van ruwe data.

4. Resultaten en evaluatie

4.1 Case study I: AlphaAgent (Literatuuranalyse)

AlphaAgent werd geëvalueerd tegen een single-pass RAG-baseline en algemeen toepasbare modellen (GPT-5.5, Kimi-K2.6) op 40 metallurgische vragen (20 diep analytisch, 20 algemeen).

• Prestaties: AlphaAgent behaalde een gemiddelde score van 4,66/5,0 op diep analytische vragen, aanzienlijk beter dan de single-pass RAG-baseline (2,67) en algemene modellen (4,05 en 3,96).
• Mechanisme: Het systeem gebruikt een "Wetenschappelijke Uitvoeringsovereenkomst" om bewijsvalidatie af te dwingen. Het herschrijft intenties om materialen-specifieke entiteiten te behouden, voert beperkte query-hervorming uit als bewijs onvoldoende is, en valideert of opgehaalde fragmenten overeenkomen met het materialsysteem en de mechanistische focus voordat rapporten worden gegenereerd.

4.2 Case study II: HEA-descriptordatabase

Het kader werd getest op een database van 17,4 TB met ongeveer 5,4 × 10¹⁰ kandidaat-samenstellingen voor hexa-hoog-entropie-legeringen.

• Efficiëntie: De taak omvatte het optimaliseren van plasticiteit bij kamertemperatuur voor MoNbTaW-refractorische HEA's. De HEA-Executor filterde de data, trainde ML-modellen en genereerde rapporten volledig op het externe knooppunt.
• Datatransfer: Het totale volume aan teruggegeven data was ~2,3 MB (kandidaat-samenstellingen, voorspellingen en rapporten), vergeleken met de ruwe dataset van 17,4 TB. Dit vertegenwoordigt een reductie van bijna zeven ordes van grootte in datatransfer.
• Latentie: De overhead voor taakroutering via OpenAaaS bedroeg ongeveer 550 ms, verwaarloosbaar in vergelijking met de ~17,7 dagen die nodig zijn om de volledige dataset over te brengen via een standaard 100 Mbps-verbinding.
• Resultaat: Het systeem identificeerde een Al–Mo–Nb–Ta–W–Hf-systeem met 9,80% sterk ductiele configuraties, een verbetering van 10,7 keer ten opzichte van een Ti-bevattende baseline.

5. Betekenis en claims

Het artikel stelt dat OpenAaaS een principieel pad vestigt naar "georganiseerd onderzoek" via agent-collectieven. De betekenis ligt in:

• Oplossen van het data-sovereiniteit-bottleneck: Het maakt de veilige integratie van geïsoleerde silo's van materialen-intelligentie (academisch, industrieel, nationale laboratoria) mogelijk zonder datademigratie, en respecteert aldus vertrouwelijkheid en regelgevende beperkingen.
• Paradigmaverschuiving: Het verschuift van "data die naar rekenkracht beweegt" naar "rekenkracht die naar data beweegt", waardoor de marginale kosten van datatransfer verwaarloosbaar worden voor datasets in de TB-schaal.
• Schaalbare basis: Het biedt een herbruikbaar substraat voor intelligent ontwerppplatformen voor materialen van de volgende generatie, waar gespecialiseerde, persistente en zelfverbeterende agents over institutionele grenzen heen kunnen samenwerken.
• Progressief vertrouwen: De architectuur ondersteunt een federatiemodel waarbij vertrouwen stapsgewijs wordt opgebouwd (dienst per dienst) in plaats van een alles-of-niets-netwerklidmaatschap te vereisen.

De auteurs concluderen dat hoewel uitdagingen blijven bestaan op het gebied van netwerkschaal, semantische ontdekking en kwaliteitsgaranties, OpenAaaS een schaalbare basis biedt voor de transitie van geïsoleerde digitale infrastructuur naar een onderling verbonden "Agentic Science"-netwerk.