Fiddler AI führt Agent Registry für die Governance von Enterprise-KI ein
Fiddler AI hat die Agent Registry vorgestellt, ein zentrales Inventar, mit dem Verantwortliche in Unternehmen jede Agent-Anwendung in Fiddler verfolgen können, einschließlich ihres Modells, ihrer Tools und ihres Einsatzkontexts. Die Registry bündelt den Zustand der Agents, Warnungen und die Token-Nutzung in einer Ansicht innerhalb der Fiddler AI Control Plane.
- Die Agent Registry bietet Verantwortlichen ein zentrales Inventar der Agents in Fiddler.
- Die Registry zeigt den Zustand der Agents, Warnungen und die Token-Nutzung gemeinsam an.
- Centor bewertet Prompts, Antworten und Tool-Aufrufe in weniger als 80 Millisekunden.
- Laut Fiddler AI senkte Dynamic Model Escalation die Zahl falsch positiver Jailbreak-Erkennungen in einem Referenzdatensatz um 93.5%.
- Die Registry verknüpft Agents mit Audit-Trails, Richtliniendurchsetzung und Compliance-Nachweisen.
Eine Portfolioansicht für Enterprise-Agents
Die Agent Registry soll ein grundlegendes Governance-Problem lösen: Unternehmen wissen möglicherweise nicht, wie viele Agents intern betrieben werden, worauf sie basieren oder wie sie sich verhalten. Fiddler AI zufolge liefen 2025 bereits schätzungsweise 25 Millionen Agents in der Produktion. Bis 2029 soll diese Zahl auf mehr als eine Milliarde steigen.
Jede Agent-Anwendung und jedes Projekt in Fiddler erscheint in der Registry. Dazu gehören auch Coding-Agents wie Claude Code über das Fiddler Claude Code Plugin. Verantwortliche sehen den Zustand jedes Agents, aktive Warnungen und die Token-Nutzung nebeneinander. So entsteht eine Ansicht über das gesamte Portfolio, ohne dass die Projekte einzeln geprüft werden müssen.
Fiddler AI zufolge ist die Registry das Erste, was Nutzer sehen, wenn sie sich bei Fiddler anmelden. Ein Klick auf den Eintrag eines Agents öffnet dessen vollständige Ansicht, einschließlich der verwendeten Tools und seines Kontexts.
Warnungen verknüpfen Verhalten und Kosten
Die Registry soll Teams dabei helfen, sowohl riskantes Verhalten als auch eine steigende Nutzung zu erkennen. Aktive Warnungen können auf Jailbreak-Versuche und das Durchsickern sensibler Daten hinweisen. Ein sortierbarer Trend zur Token-Nutzung zeigt, welcher Agent einen Verbrauchsanstieg verursacht.
Teams können die Detailansicht eines Agents öffnen, um Evaluator-Bewertungen zu prüfen, einzelne Entscheidungen nachzuverfolgen und nach Segmenten zu filtern. Laut Fiddler AI bietet dies Verantwortlichen einen umfassenden Überblick. Den für einzelne Agents zuständigen Teams stehen zugleich die nötigen Details zur Verfügung, um Änderungen zu untersuchen und Probleme zu beheben.
Die bestehenden Warnungen von Fiddler AI können Evaluierungen zu Jailbreak-Versuchen, Halluzinationen und dem Durchsickern sensibler Daten abdecken. Die Agent Registry bündelt diese Warnungen, sodass Verantwortliche sehen können, welche Agents sie auslösen, ohne jeden Agent einzeln prüfen zu müssen.
Centor liefert die Evaluierungssignale
Die Warnungen in der Agent Registry werden von Centor, der Evaluierungs-Engine von Fiddler AI, bereitgestellt. Centor Models laufen innerhalb von Fiddler und bewerten laut Unternehmen jeden Prompt, jede Antwort und jeden Tool-Aufruf in weniger als 80 Millisekunden. Fiddler AI zufolge kommt dabei kein externer LLM-Judge zum Einsatz, der pro Trace zusätzliche Kosten verursachen oder Kundendaten sehen würde.
Für Eingaben außerhalb der Bereiche, die sich am besten mit einem spezialisierten Centor Model bearbeiten lassen, leitet Dynamic Model Escalation sie zur zweiten Prüfung an ein von Fiddler gehostetes Allzweckmodell weiter. In einem Referenzdatensatz reduzierte dies laut Fiddler AI die Zahl der falsch positiven Jailbreak-Erkennungen um 93.5%.
Die Agent Registry verknüpft jeden Agent mit den Audit-Trails, der Durchsetzung von Richtlinien und Compliance-Nachweisen von Fiddler. Das Unternehmen beschreibt die Registry als Grundlage für den Ausbau der Governance über die Fiddler AI Control Plane, während Unternehmen Agents von der Entwicklung bis in die Produktion skalieren.
