Naukowcy z projektu JAZ zaproponowali radykalnie uproszczony framework dla agentów opartych na modelach języka, który eliminuje większość warstw abstrakcji zwykle wymaganych w nowoczesnych systemach AI. Zamiast budować rozbudowane architektury z dodatkowymi systemami do zarządzania pamięcią i samopolepszaniem, zespół skupił się na jednej prymitywnie - invoke - która jest prawie tożsama z podstawową pętlą agenta, ale z kluczowym rozszerzeniem: możliwością pisania arbitralnego kodu wykonywalnego, łącznie z rekurencyjnymi wołaniami invoke.
Klucz do podejścia JAZ leży w tym, że wszystko, co widzi model języka - każde wejście do invoke oraz cała historia interakcji ze środowiskiem kodowym - jest dostępne jako zmienne w tym samym środowisku. To oznacza, że model ma pełny dostęp do kontekstu, historii i możliwości manipulowania swoim własnym stanem bez potrzeby specjalnych systemów zewnętrznych. Invoke jest definiowany jako prymityw języka reprezentujący funkcję, której implementacja jest dostarczana przez LLM w czasie wykonania za każdym razem, gdy jest wywoływana.
Ważność tego podejścia polega na fundamentalnym przesunięciu w sposobie myślenia o architekturze agentów. Przez dekady inżynierów AI uczyliśmy się, że złożone systemy wymagają wielu specjalistycznych komponentów - systemy pamięci, mechanizmy refleksji, narzędzia do samooceny. JAZ sugeruje, że żaden z tych elementów może nie być konieczny, jeśli stworzysz wystarczająco ekspresywne środowisko, w którym model może operować. Oznacza to potencjalnie mniej kodu do utrzymania, niższe bariery wejścia dla nowych programistów i większą elastyczność w eksperymentowaniu z nowymi architekturami agentów.