Google AQuA odhalí tiché chyby AI agentů, vyžaduje však Google Cloud

AQuA sleduje chyby, které vypadají jako úspěch

U běžné webové služby často stačí sledovat dostupnost, chybové kódy a dobu odezvy. U AI agenta je to slabší kontrola. Agent může odpovědět v pořádku z pohledu HTTP protokolu, přesto vynechat důležitý krok v pracovním postupu. Může například uložit vybrané sedadlo bez ověření jeho dostupnosti nebo zapomenout předat další části systému informaci o stravovacím omezení cestujícího.

Právě takové případy Google označuje jako tiché regrese. Systém nespadne a uživatel často nedostane žádné chybové hlášení. Výsledek však neodpovídá zadání.

AQuA znamená Ambient Quality Agent. Funguje jako kontrolní vrstva vedle produkčního agenta, nikoli jako součást jeho přímé odpovědi. Požadavek tedy nečeká, až AQuA dokončí analýzu. Nástroj pracuje nad uloženými záznamy z Cloud Trace, Cloud Logging nebo BigQuery.

Zdrojový kód Google zveřejnil jako referenční implementaci v repozitáři google/adk-recipes. Repozitář je určený jako sada receptů a ukázkových vzorů pro Agent Development Kit, nikoli jako plně spravovaný produkt s garantovanou podporou. Pro český trh to znamená, že AQuA lze použít i při vývoji agenta pro české uživatele, dostupnost českého jazyka však závisí hlavně na samotném agentovi, jeho datech a nastavení kontrolních pravidel. AQuA není samostatný český chatbot.

Kontrola probíhá v pěti krocích

V první fázi nástroj vybere vzorek relací. Jeden běh může zpracovat nejvýše 1 000 relací, aby náklady a doba analýzy zůstaly předvídatelné. Výběr vzorku ale současně znamená omezení. Pokud se chyba objevuje jen ve velmi malém podílu provozu, nemusí se do konkrétního běhu dostat.

Ve druhé fázi AQuA jednotlivé relace kontroluje podle devítibodového seznamu a pravidel uložených v souboru goal.md. Ten popisuje, co má agent podle vývojářů dělat. Vývojář může doplnit také vlastní deterministické metriky, například zda se vždy zavolal konkrétní nástroj.

Nálezy se následně shlukují podle společného mechanismu. Tři podobné chyby tak nemusí skončit jako tři samostatné incidenty. AQuA se pokusí najít společnou příčinu a vytvořit kandidátní klastr.

Každý kandidát potom ověřuje nezávislý model nad celými přepisy vybraných relací. To je důležitá pojistka. První model může označit za chybu i chování, které bylo ve skutečnosti záměrné. Google proto odděluje prvotní hypotézu od potvrzeného nálezu.

Poslední fáze sleduje stav problémů v čase. Nálezy mohou být nové, opakující se nebo vyřešené. Vývojář tak nevidí jen dlouhý seznam jednotlivých konverzací, ale také informaci, zda se stejný problém vrací po novém nasazení.

Test odhalil šest potvrzených problémů

Google AQuA ukázal na víceagentní cestovní aplikaci. Test zahrnoval 32 konverzačních relací. Nástroj vygeneroval 42 jednotlivých zjištění, která seskupil do devíti kandidátních klastrů. Ověřovací model tři klastry odmítl jako nepodložené a šest problémů potvrdil. Jde o výsledek demonstračního testu, nikoli o nezávislý benchmark napříč různými agentními platformami. ([infoq.com](https://www.infoq.com/news/2026/11/google-ambient-agent-prod/?utm_source=openai))

Nejvýraznější chyba se týkala sedadel v letadle. Agent v 15 relacích uložil požadovaná místa bez toho, aby ověřil jejich dostupnost a cenu prostřednictvím specializovaného agenta. Další problém se týkal preference veganské stravy, která se při předání mezi částmi systému ztratila v sedmi relacích.

Po úpravě systémových promptů klesl počet případů s obejitým ověřením sedadel z 15 na 2. Opomenutí veganské preference kleslo ze 7 na 0. Počet relací bez jakéhokoli zachyceného problému vzrostl z 5 na 13 z celkových 32. Čísla pocházejí z připraveného testu cestovní aplikace, nikoli z dlouhodobého provozu u náhodně vybraných zákazníků. ([developers.googleblog.com](https://developers.googleblog.com/the-outer-loop-insights-first-an-ambient-quality-agent-that-diagnoses-your-production-agent/?utm_source=openai))

Kořenovou příčinu hledá proti verzi kódu z nasazení

Samotné označení problému vývojáři často nestačí. Potřebují vědět, kde chyba vznikla. AQuA proto porovnává neúspěšné relace s neměnným snapshotem zdrojového kódu uloženým v okamžiku nasazení.

Pokud chyba souvisí s instrukcí nebo programovým kódem, nástroj uvede konkrétní soubor a rozsah řádků. Když problém vznikl kvůli externí službě, předání mezi agenty nebo načteným datům, může AQuA označit příslušný krok v průběhu relace místo návrhu úpravy zdrojového kódu.

Vývojář dostane návrh změny, nikoli automaticky opravený systém. AQuA neupravuje repozitář a neotevírá pull request. Tato hranice je praktická. Model může pomoci lokalizovat příčinu, ale poslední rozhodnutí zůstává na člověku nebo na samostatném vývojářském nástroji.

Google ve své dokumentaci zdůrazňuje také práci s citacemi. Nález má odkazovat na konkrétní relaci a kořenová příčina na existující soubor a řádky v odpovídající verzi zdrojového kódu. Schéma proto nestaví na jediném číselném skóre důvěry, které by mohlo působit přesněji, než ve skutečnosti je. ([developers.googleblog.com](https://developers.googleblog.com/the-outer-loop-insights-first-an-ambient-quality-agent-that-diagnoses-your-production-agent/?utm_source=openai))

Náklady a limity pro české týmy

AQuA nemá samostatný předplatitelský tarif. Jde o open-source referenční implementaci, která využívá Google Cloud, telemetrická data a modelové API. Náklady proto závisí na počtu relací, délce tras a zvolených modelech.

V ukázkovém běhu s 32 relacemi Google uvádí celkovou cenu 3,76 USD, tedy přibližně 0,12 USD na relaci. Samostatná kontrola kořenové příčiny se spouští podle potřeby a její cena se v popsaném scénáři pohybovala od 0,33 do 2,47 USD za jeden zkoumaný nález. Jde o údaje Googlu při standardním účtování Gemini, nikoli o pevný ceník AQuA. ([developers.googleblog.com](https://developers.googleblog.com/the-outer-loop-insights-first-an-ambient-quality-agent-that-diagnoses-your-production-agent/?utm_source=openai))

Pro tým v Česku nebo Evropské unii je důležité, kde se ukládají záznamy konverzací, tras a zdrojových snapshotů. AQuA pracuje s provozní telemetrií, která může obsahovat osobní údaje nebo citlivé informace z komunikace se zákazníky. Před nasazením je proto potřeba nastavit přístupy, retenci a zpracování dat podle interních pravidel a příslušných evropských povinností. Samotné zveřejnění kódu tyto otázky neřeší.

Další omezení vyplývá ze vzorkování. AQuA analyzuje maximálně 1 000 relací na jeden běh a ověřuje jen vybrané přepisy v kandidátních klastrech. Výsledek proto není důkazem, že všechny ostatní relace proběhly správně. Nástroj také potřebuje kvalitní telemetrii a rozumně napsaný popis očekávaného chování v souboru goal.md.

Google AQuA je dostupný jako zdrojový projekt, nikoli jako jedním kliknutím zapnutá služba pro libovolného uživatele. Největší smysl dává týmům, které už provozují agenty v Google Cloudu a dokážou do telemetrie ukládat průběh jednotlivých kroků. Vývojářům mimo tento ekosystém může posloužit také jako návrh architektury pro vlastní kontrolní vrstvu, přímé použití však bude vyžadovat úpravy napojení na logy, trasování a úložiště.

Zdrojový kód, nastavení a další podmínky jsou dostupné v repozitáři Google ADK Recipes. Popis principu a výsledků testu zveřejnil také Google Developers Blog a podrobné shrnutí přinesl InfoQ.

FAQ