eve คือโอเพนซอร์สเฟรมเวิร์กบนภาษา TypeScript จากค่าย Vercel สำหรับสร้าง AI agent โดยใช้แนวคิด filesystem-first กล่าวคือ "ชื่อไฟล์และตำแหน่งของโฟลเดอร์จะเป็นตัวกำหนดขอบเขตความสามารถของ agent โดยตรง" หากต้องการเพิ่มฟังก์ชันใหม่ให้ agent เราแค่สร้างไฟล์ลงในโฟลเดอร์ที่กำหนด โดยไม่ต้องมานั่งเขียนโค้ดลงทะเบียนหรือตั้งค่าเชื่อมต่อระบบให้วุ่นวาย

แนวคิดนี้เข้ามาแก้ปัญหาคลาสสิกของคนทำ AI agent เพราะการสร้าง agent ให้พร้อมใช้งานจริงในโปรดักชันไม่ได้มีแค่การเขียน system prompt หรือตรรกะของโมเดล แต่ต้องจัดการระบบโครงสร้างพื้นฐานรอบข้าง ทั้งการบันทึกสถานะการทำงานระยะยาว (durable execution), การแยกสภาพแวดล้อมเพื่อความปลอดภัย (sandbox) และระบบรอการอนุมัติจากคน (human-in-the-loop) ทาง Vercel จึงนำประสบการณ์จากการสร้าง Next.js มารวมระบบงานโครงสร้างพื้นฐานเหล่านี้ไว้ในเฟรมเวิร์กตั้งแต่ต้น เพื่อให้นักพัฒนาโฟกัสกับการสร้างความสามารถของ agent ได้ทันที

วางโครงสร้างไฟล์ จัดระเบียบ Agent ให้เป็นระบบ

เราสามารถเริ่มต้นโปรเจกต์ด้วยคำสั่ง npx eve@latest init my-agent ตัว CLI จะติดตั้ง dependencies ตั้งค่า Git และเปิด Terminal UI พร้อมโครงสร้างโฟลเดอร์ agent/ ที่มีไฟล์เริ่มต้นอย่าง agent.ts และ instructions.md

หัวใจของ eve คือ convention over configuration โดยแบ่งหน้าที่ตามโฟลเดอร์อย่างชัดเจน:

• instructions.md คือ system prompt หลักสำหรับกำหนดบทบาทและแนวทางการทำงานของ agent
• tools/ เก็บไฟล์ฟังก์ชันที่โมเดลสามารถเรียกใช้งานได้ โดยชื่อไฟล์จะกลายเป็นชื่อ tool ทันที
• skills/ เก็บขั้นตอนการทำงานที่เขียนด้วย Markdown เพื่อให้ agent โหลดเข้ามาใช้งานเฉพาะตอนที่จำเป็น ช่วยประหยัดพื้นที่ context window
• channels/ กำหนดช่องทางการสื่อสารกับผู้ใช้ เช่น ผ่าน HTTP, Slack หรือ Discord
• schedules/ จัดการงานอัตโนมัติตามตารางเวลา (Cron jobs)

หลักการทำงานคือ เมื่อต้องการเพิ่มความสามารถใหม่ เพียงถามตัวเองว่าสิ่งนั้นจัดอยู่ในหมวดหมู่ใด ระหว่างเครื่องมือ, ขั้นตอนการทำงาน, ช่องทางติดต่อ หรือการตั้งเวลา แล้วสร้างไฟล์ลงในโฟลเดอร์นั้นให้ตรงประเภท

เพิ่ม Tool ใหม่ได้ใน 3 ขั้นตอน

การสร้างเครื่องมือ (tool) ให้ agent ทำงานจริง ทำได้ตามขั้นตอนสั้นๆ ดังนี้:

1. สร้างไฟล์ .ts ใหม่ในโฟลเดอร์ tools/ เช่น tools/get-weather.ts โดยชื่อไฟล์จะถูกใช้เป็นชื่อเครื่องมือโดยอัตโนมัติ
2. ประกาศฟังก์ชันด้วย defineTool และกำหนด schema สำหรับ input ด้วย Zod เพื่อให้โมเดลเข้าใจโครงสร้างข้อมูลที่ต้องส่งเข้ามา
3. รันคำสั่ง eve dev เพื่อเปิด Terminal UI และทดสอบพูดคุยกับ agent โดยเราจะเห็นทั้ง tool calls และกระบวนการคิดของโมเดลแสดงผลแบบ real-time

ตัวโค้ดของ tool จะมีโครงสร้างเริ่มต้นประมาณ export default defineTool({ ... }) พร้อม inputSchema ที่ระบุด้วย Zod ส่วนการเพิ่ม skill ทำได้ง่ายยิ่งกว่า เพียงเขียนคู่มือการทำงานเป็นภาษาธรรมชาติลงในไฟล์ Markdown ภายในโฟลเดอร์ skills/ โดยไม่ต้องเขียนโค้ดเพิ่มเติม

จัดการระบบเบื้องหลังที่ซับซ้อนให้พร้อมใช้

สิ่งที่ทำให้ eve โดดเด่น คือการรวบรวมฟังก์ชันระดับโครงสร้างพื้นฐานที่ซับซ้อนมาให้พร้อมใช้งาน:

• การทำงานต่อเนื่องไม่สูญหาย (Durable Execution): eve จัดการทุกบทสนทนาเป็น workflow ที่บันทึกสถานะทุกขั้นตอน หากเซิร์ฟเวอร์ขัดข้องหรือมีการ deploy ใหม่ระหว่างประมวลผล ระบบสามารถทำงานต่อจากจุดเดิมได้ทันทีโดยไม่ต้องเริ่มใหม่ทั้งหมด ผ่านการทำงานร่วมกับ Workflow SDK
• ด่านขออนุมัติจากคน (Human-in-the-Loop): สำหรับ action ที่มีความเสี่ยง เช่น การโอนเงินหรือการแก้ไขข้อมูลสำคัญ เพียงเพิ่มฟิลด์ needsApproval ใน tool นั้นๆ ตัว agent จะหยุดรอจนกว่าจะได้รับการอนุมัติ โดยไม่สิ้นเปลืองทรัพยากรการประมวลผลระหว่างการรอ
• ระบบรันโค้ดอย่างปลอดภัย (Sandbox): เมื่อ agent จำเป็นต้องสร้างและรันโค้ด eve จะแยกการทำงานไปยังสภาพแวดล้อม sandbox ที่ปลอดภัย ในช่วงพัฒนาสามารถเลือกใช้ Docker, microsandbox หรือ just-bash และเมื่อขึ้นสู่ production จะประมวลผลบน Vercel Sandbox เพื่อป้องกันไม่ให้กระทบกับระบบหลัก

นอกจากนี้ยังมีระบบ Tracing สำหรับบันทึกประวัติการทำงานของ agent ในรูปแบบมาตรฐานเพื่อส่งต่อไปยังเครื่องมือ monitoring อื่นๆ, ระบบ Evals สำหรับทดสอบคุณภาพ agent ผ่านคำสั่ง eve eval บน CI/CD และรองรับ Subagents ที่มีโฟลเดอร์ย่อยพร้อม instructions และ tools ของตัวเอง เพื่อให้ agent ตัวหลักเรียกใช้งานได้เหมือนเครื่องมือทั่วไป

ประสิทธิภาพเมื่อ Deploy บน Ecosystem ของ Vercel

การนำ eve ขึ้นใช้งานบน production ทำได้สะดวกเช่นเดียวกับโปรเจกต์ Next.js ผ่านคำสั่ง vercel deploy เพียงครั้งเดียว โดยไฟล์ใน schedules/ จะถูกเปลี่ยนเป็น Vercel Cron Jobs ให้อัตโนมัติ พร้อมระบบ graceful migration ที่ช่วยให้ session การทำงานเดิมทำงานจนเสร็จสมบูรณ์บนเวอร์ชันเดิมก่อนสลับไปเวอร์ชันใหม่ ช่วยป้องกันปัญหาการสะดุดของผู้ใช้งาน

ด้านความปลอดภัย eve รองรับการเชื่อมต่อกับ Model Context Protocol (MCP) และ API ภายนอกผ่านฟังก์ชัน defineMcpClientConnection โดยเก็บรักษา credentials ไว้เป็นความลับไม่ให้โมเดลเข้าถึงโดยตรง และรองรับการสำรองโมเดลข้ามผู้ให้บริการผ่าน AI Gateway ของ Vercel เพื่อความต่อเนื่องในการทำงานหากมีผู้ให้บริการรายใดขัดข้อง

สถิติจาก Vercel ชี้ให้เห็นการเติบโตของการใช้งาน agent อย่างชัดเจน โดยสัดส่วนการ deploy ที่เกิดจาก agent เพิ่มขึ้นจาก 3% เป็น 29% ภายในเวลาหนึ่งปี และคาดว่าจะแตะ 50% ในอนาคต โดย Vercel เองได้นำ agent ไปใช้งานจริงในองค์กร เช่น Lead Agent สำหรับทีมขาย และ Vertex Agent ที่ช่วยจัดการ ticket ฝ่ายสนับสนุนลูกค้าได้สำเร็จถึง 92%

ปัจจุบัน eve ยังอยู่ในสถานะ Public Preview หรือ Beta ซึ่ง API อาจมีการปรับปรุงเพิ่มเติมก่อนเข้าสู่เวอร์ชันสมบูรณ์ และตัวเฟรมเวิร์กมีการผูกติดกับระบบนิเวศของ TypeScript และ Vercel พอสมควร สามารถศึกษารายละเอียดเพิ่มเติมได้ที่ เอกสาร eve หรือตรวจสอบซอร์สโค้ดได้บน GitHub vercel/eve

eve แสดงให้เห็นทิศทางใหม่ของการพัฒนา agent ที่เปลี่ยนจากการประกอบระบบภายในที่ซับซ้อน มาเป็นการจัดระเบียบโครงสร้างไฟล์ที่ชัดเจน เข้าใจง่าย และพร้อมรองรับการทำงานในระดับ production ได้ทันที

---

ที่มา:

• บทความ Introducing eve จาก Vercel
• GitHub - vercel/eve: Framework Building Agents จาก vercel/eve