เจาะประเด็น
AI Agents
Pizza Bot เปิดซอร์สแล้ว แต่ของที่ทำให้มันเจ๋งจริง ๆ ยังติดอยู่ใน Amazon
แอป AI agent ที่คนใน Amazon ใช้กันกว่า 2,000 คน กลายเป็นโอเพนซอร์สเต็มตัว แต่ผู้สร้างยอมรับตรง ๆ ว่ามัน "ผอมลง" กว่าเวอร์ชันเดิมเยอะ
ทีมข่าว เอไอไทย.com
⏱ อ่าน 5 นาที
ไอเดีย "กล่องอีเมลสำหรับ AI agent" ฟังดูเรียบง่าย แต่คำถามจริงคือ เราจะไว้ใจให้ agent ทำงานเบื้องหลังแทนเราได้แค่ไหน
ถ้าคุณเคยรู้สึกว่าการทำงานกับ AI ทุกวันนี้มันเหมือนต้องนั่งเฝ้าหน้าจอ รอพิมพ์ รอคำตอบ แล้วก็รออนุมัติอยู่ตลอด Pizza Bot คือความพยายามที่จะเปลี่ยนเรื่องนั้น มันเป็นแอปเดสก์ท็อปที่รัน AI agent อยู่เบื้องหลัง แล้วโผล่ผลงานออกมาในหน้าตาแบบกล่องอีเมล งานที่เสร็จแล้วไปกองอยู่ที่ Unread ส่วนอะไรที่รอให้คุณกดอนุมัติก็ไปอยู่ใน Action
ตัวแอปเป็นโอเพนซอร์ส ไลเซนส์ Apache 2.0 ไม่มีระบบสมัครสมาชิก ไม่มีการเก็บ telemetry และที่สำคัญคือคุณเลือกโมเดลเองได้ตามใจ จะเป็น Anthropic, Amazon Bedrock, Google Gemini, OpenAI, OpenRouter หรือจะรันโมเดลโลคัลผ่าน Ollama ก็ได้หมด มีไฟล์บิลด์ให้โหลดในหน้า releases หรือจะรันจากซอร์สโค้ดเองก็ได้
เรื่องนี้เริ่มจากความหงุดหงิดส่วนตัวล้วน ๆ ผู้เขียนเล่าว่าตอนทำงานอยู่ Amazon เขาต้องคอยกรอกข้อมูลกิจกรรม CRM ผ่านฟอร์มในเบราว์เซอร์ด้วยมืออยู่เรื่อย ๆ เลยสร้าง REST API ง่าย ๆ ชื่อ "JoeBot" ที่ต่อกับเซสชันเบราว์เซอร์ที่ล็อกอินอยู่ผ่าน CDP แล้วใช้ Playwright กรอกฟอร์มให้ จากนั้นก็ทำปลั๊กอิน Obsidian หยาบ ๆ ขึ้นมาเพื่อเรียกใช้จากโน้ตในเครื่อง ตอนนั้นยังไม่มี AI และไม่มี MCP server อะไรทั้งนั้น
พอเพื่อนร่วมงานอย่าง Igor Fil ซึ่งเป็น Solutions Architect ที่ AWS เหมือนกันเข้ามาร่วม โปรเจกต์ก็ถูกเปลี่ยนชื่อเป็น "Pizza Bot" ตามแนวคิด two-pizza teams ของ Amazon ทั้งคู่เริ่มมองหาว่าจะ automate อะไรได้อีก เจอ GraphQL API ที่ query ได้ ก็เลยทำ "recipes" ดึงข้อมูลจาก CRM มาช่วยเตรียมประชุม ซึ่งเวิร์กมาก และจังหวะนั้นเองที่ MCP server กำลังบูมพอดี พวกเขาจึงตัดสินใจเปิด Pizza Bot เป็น MCP server เพื่อให้เครื่องมือ AI เรียกใช้ผ่านภาษาธรรมชาติได้
แต่พอ Account Manager ที่ทำงานอยู่ในระบบ CRM อยากใช้บ้าง ปัญหาจริงก็โผล่ นั่นคือมันยังยากเกินไปสำหรับคนไม่สายเทคนิค ทีมเลยตัดสินใจสร้างใหม่เป็นแอป Electron ที่หน้าตาเหมือนกล่องอีเมล เพื่อให้คนทั่วไปคุ้นเคย และรันได้ทั้ง Mac กับ Windows แถมยังแพ็ก MCP server ภายในเป็น OCI image โฮสต์บน Amazon ECR ทำเป็น "addon marketplace" ให้กดติดตั้งได้ในคลิกเดียวโดยไม่ต้องตั้งค่าเครื่องมือนักพัฒนาของ Amazon เอง
ผลลัพธ์คือมันแพร่กระจายแบบออร์แกนิก ขยายออกจาก AWS ไปทั่วทั้งองค์กร Amazon จนมีคนใช้มากกว่า 2,000 คน ใช้เตรียมประชุม ร่างอีเมล สรุป Slack บันทึก CRM จัดลำดับความสำคัญของวัน และค้นคว้าข้อมูลบนเว็บ
ตรงนี้คือส่วนที่ผู้เขียนพูดตรงมาก และผมชอบที่เขาไม่พยายามขายฝัน สิ่งที่ทำให้ Pizza Bot ใช้ได้ผลตั้งแต่วันแรกใน Amazon คือแคตตาล็อก skills และ MCP server สำหรับระบบภายในของ Amazon เอง ซึ่งทั้งหมดนั้นออกมากับแอปไม่ได้ตามข้อจำกัด ดังนั้นเวอร์ชันที่ปล่อยสู่สาธารณะจึง "ผอม" กว่าของเดิมที่คน 2,000 คนใช้ และการสร้างแคตตาล็อกใหม่ให้ตรงกับเครื่องมือที่คนทั่วไปใช้จริง คือจุดที่ทีมต้องการความช่วยเหลือมากที่สุด
อีกอย่างที่ต้องเข้าใจคือ มันเป็นโปรเจกต์ชุมชน ไม่ใช่บริการของ AWS ดังนั้นไม่มีซัพพอร์ต ไม่มี SLA รองรับ และบิลด์สำหรับ Windows กับ Linux ยังไม่ได้เซ็นรับรองด้วย
ในเชิงเทคนิค Pizza Bot แยกเป็น server กับ client แอปเดสก์ท็อปแพ็กมาให้ทั้งคู่ หรือจะชี้ client ไปที่ backend ระยะไกลก็ได้ ตัวผู้เขียนเองโฮสต์ server ไว้ในเครือข่ายที่บ้าน แล้วเข้าจากมือถือผ่าน Tailscale ฝั่ง server ดูแลวงจรชีวิตของ thread และเก็บ checkpoint สถานะด้วย DeepAgents กับ LangGraph ส่วน client ดึงสถานะกลับมาเมื่อจำเป็น คุณจึงตัดการเชื่อมต่อกลางคันได้ แล้วกลับมาเปิด thread ต่อจาก client อีกตัวได้
จุดที่ผมว่าฉลาดคือการออกแบบเรื่องการอนุมัติ เพราะจุดพักรออนุมัติอยู่รอดข้ามเซสชันที่สร้างมันขึ้นมา และไปรวมกันใน Action filter คุณตอบกลับทีหลังได้ ต่อให้ผ่านไปชั่วโมงหรือเปลี่ยนอุปกรณ์ก็ยังทำได้ agent ที่คุณคุยด้วยมี QuickJS interpreter แบบ sandbox ที่เข้าถึงไฟล์ในเครื่องได้เฉพาะโฟลเดอร์ที่คุณอนุญาต แต่หน้าที่หลักจริง ๆ ของมันคือการมอบงานต่อ subagent แต่ละตัวแมปกับ Skill หนึ่งต่อหนึ่ง และมีแถบ Activity คอยโชว์ว่า subagent ตัวไหนกำลังเรียกเครื่องมืออะไรอยู่ ส่วน memory เป็นแบบเลือกเปิด และเก็บเป็นไฟล์ markdown ธรรมดาในเครื่องคุณ
ทุกการเรียกเครื่องมือเป็นแบบ explicit หมด รวมถึงการค้น memory ด้วย เจตนาคือลดความเซอร์ไพรส์ที่ผู้ใช้จับไม่ได้ว่า agent ไปทำอะไรมาบ้าง เครื่องมือทั้งหมดมาจาก MCP server ส่วน skill ก็เป็นไฟล์ SKILL.md ธรรมดาที่มีนโยบายอนุมัติรายเครื่องมือ ดังนั้น skill เดิมที่มีอยู่แล้วและไม่ต้องใช้ code interpreter ก็น่าจะยังใช้ได้
รันได้ทุกแพลตฟอร์มหลัก
แอปเดสก์ท็อปสำหรับ Mac, Windows และ Linux พร้อมบิลด์ให้โหลด หรือรันจากซอร์สโค้ดเองก็ได้
เลือกโมเดลเองได้
รองรับ Anthropic, Amazon Bedrock, Google Gemini, OpenAI, OpenRouter หรือโมเดลโลคัลผ่าน Ollama
ไม่มี signup ไม่มี telemetry
ไลเซนส์ Apache 2.0 เปิดโค้ดทั้งหมด และไม่เก็บข้อมูลผู้ใช้
สถาปัตยกรรมแยก server/client
โฮสต์ server ที่บ้านแล้วเข้าจากมือถือผ่าน Tailscale ได้ หรือจะใช้ backend ระยะไกลก็ได้
สิ่งที่ผู้เขียนอยากรู้มากที่สุดคือแอปมันไปขวางทางคุณตรงไหน เป็นปัญหาชนิดที่เขียน skill หรือ MCP server ก็แก้ไม่ได้ เขาบอกว่าเขาอยู่ในเธรด HN วันนี้เพื่อตอบคำถาม
เอาจริง ผมว่าข่าวนี้พูดอะไรได้มากกว่าตัวแอปเอง มันสะท้อนความจริงที่ว่า โปรเจกต์ AI agent ภายในองค์กรหลายตัวโตได้เพราะมันผูกกับระบบเฉพาะของบริษัทนั้น พอต้องแยกออกมาเป็นโอเพนซอร์สเพื่อให้คนนอกใช้ สิ่งที่เหลืออยู่คือโครงที่ยังดี แต่คุณค่าจริง ๆ ที่เคยมีกลับอยู่ข้างหลัง และการที่ทีมเลือกพูดเรื่องนี้ตรง ๆ ตั้งแต่โพสต์เปิดตัว ก็น่าจะช่วยให้ชุมชนรู้ว่าควรเข้าไปช่วยตรงไหน ไม่ใช่โหลดไปแล้วผิดหวังว่าทำไมมันไม่เวิร์กเท่าใน Amazon
Pizza Bot น่าสนใจตรงที่มันเลือกแก้ปัญหาความไว้ใจ ไม่ใช่แค่ความสามารถ เพราะการออกแบบให้ทุกอย่างรออนุมัติและเก็บ memory เป็น markdown ในเครื่อง คือการยอมแลกความลื่นไหล เอาไว้แลกกับการที่ผู้ใช้ยังรู้สึกว่าควบคุมได้ ซึ่งในยุคที่ agent ทำงานเบื้องหลังกันมากขึ้น นี่อาจเป็นดีไซน์ที่ถูกที่ถูกเวลากว่าที่คิด
ที่มา: Hacker News (Coding/Agent) — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...