Stripe entwickelte seinen unternehmensweiten KI-Agenten Kai in einer Woche

Kai bringt den Stripe-Kontext in die Arbeitsabläufe der Mitarbeiter

Stripes Knowledge AI Platform, bekannt als Kai, steht allen Mitarbeitern zur Verfügung. Die sitzungsbasierte Oberfläche verbindet sich mit Stripes internem Data Warehouse, Slack und Google Suite. So können Nutzer Daten zusammenführen, Ideen entwickeln, Dokumente entwerfen, Trends analysieren und funktionsübergreifend zusammenarbeiten.

Kai kann parallel zum Gespräch Artefakte, Berichte, Dashboards und Dokumente erstellen. Diese Ergebnisse lassen sich im weiteren Verlauf einer Sitzung weiterentwickeln. Dadurch ähnelt der Workflow dem eines Coding-Agenten, ist aber für Nicht-Softwareentwickler ausgelegt.

Anders als ein allgemeiner Assistent verfügt Kai bereits über Wissen zu Stripes internen Systemen, Datenquellen und Arbeitsweisen. Mehr als 100 Teams tragen zu einer Bibliothek mit über 1000 Skills bei. Diese Skills liefern fachspezifische Anweisungen, Tools und Vorgehensweisen für unterschiedliche Arten von Aufgaben.

Deep Agents lieferte die zugrunde liegende Infrastruktur

Stripes KI-Teams hatten zuvor Orchestrierungsschichten auf Basis bestehender Ruby- und Java-Stacks entwickelt. Als immer mehr Mitarbeiter eigene Agenten erstellen wollten, stand das Unternehmen zudem vor der Herausforderung, die Agentenentwicklung auch außerhalb der Engineering-Teams zugänglich zu machen.

Stripe entwickelte Kai in mehreren Schichten. Deep Agents bildet die Grundlage für die Interaktion mit LLMs, die Ausführung von Agenten, das Anforderungsmanagement und die Zusammensetzung von Middleware. Ein Stripe-spezifisches Agenten-Framework ergänzt die Sicherheitsvorgaben, Infrastruktur und internen Dienste des Unternehmens. Teams können anschließend spezialisierte Kai-Agenten mit unterschiedlichen Skills, Verhaltensweisen und Personas konfigurieren. Die Kai-Oberfläche verbindet Mitarbeiter mit dem gesamten Stack.

„Die Deep-Agents-Schicht löst all die Probleme, die nichts Stripe-Spezifisches sind. So können wir uns darauf konzentrieren, die Stripe-spezifischen Probleme von Agenten zu lösen“, sagte Sharadh Krishnamurthy, Engineering Manager für Stripes Agent-Foundation-Team, in der Fallstudie von LangChain.

Middleware machte das System produktionsreif

Stripe setzte Dateisystem-Middleware ein, um ein virtuelles Dateisystem auf Basis von S3 zu erstellen. Dateien können über mehrere Gesprächsrunden hinweg gelesen, geschrieben und referenziert werden. Ein „Sync in / Sync out“-Prozess stellt sicher, dass die Dateien vor und nach der Sandbox-Ausführung verfügbar sind.

Sandbox-Middleware unterstützt Analysen, darunter Python-basierte Datenabfragen und Diagramme, sowie die Verarbeitung von PDFs, Präsentationen und strukturierten Dokumenten. Der Agent ruft die Sandbox als Tool auf, während der Agent selbst außerhalb dieser Umgebung ausgeführt wird.

Zusammenfassungs-Middleware hilft Kai dabei, lange Sitzungen mit vielen Gesprächsrunden zu verwalten. Stripe passt Einstellungen wie den Schwellenwert für Zusammenfassungen, das Zusammenfassungsmodell und die Ausgabegröße an, um Kontext, Leistung und Kosten auszubalancieren.

Das Ergebnis zeigte außerdem den Wert von Stripes Investition in einen Python-nativen Stack. Laut LangChain entwickelte ein Ingenieur die erste Version von Kai in einer Woche. Deep Agents lieferte dabei einen großen Teil der Agenteninfrastruktur, deren Entwicklung und Stabilisierung andernfalls Monate gedauert hätte.