Hacktoberfest 2026: as issues que os mantenedores marcaram para outubro, abertas e boas para iniciantes. Ver issues do Hacktoberfest

feat(agents): NEAR AI Cloud inference provider with attestation display

Aberta
  • Algo errado?
#29 0 comentários 0 reações 0 responsáveis Ver no GitHub

Mantenedores costumam responder em até 1 dia

@Nkovaturient já está trabalhando nisso.

Desde 22/10/2026.

Avaliação

Dificuldade
5/5
Tempo estimado
Mais de uma semana
Facilidade para iniciantes
35/100
Tipo de issue
Funcionalidade
Clareza
Razoavelmente clara
Status de atividade
Ativa
Stack de tecnologia
python
Domínio
ai, backend

Direção de pesquisa

Read services/ai_agent_service.py and the provider-switch implementation described in feat/toju-agent-storage, then verify attestation steps, model availability, and pricing in the linked NEAR AI Cloud documentation. Trace how chat sessions store provider data and how the UI displays provider status. Done means NEAR AI handles chat and bounded tool calls when explicitly selected, attestation status is shown, and failures never trigger a silent provider fallback.

Escrita pelo modelo de indexação a partir do texto da issue.

Descrição

agents chain-integration enhancement tier-2

Summary

Add NEAR AI Cloud (private inference in a trusted execution environment, OpenAI-compatible API) as a selectable inference provider for agent chat, and surface its attestation in the UI.

Motivation

Portfolio and drug-discovery prompts can be sensitive. Verifiable private inference is a meaningful differentiator and fits the existing provider-switch design.

Current state in this repo

  • On main, services/ai_agent_service.py calls AWS Bedrock directly.
  • feat/toju-agent-storage adds services/groq_agent.py with an explicit provider switch (AGENT_LLM_PROVIDER) and a no-silent-paid-fallback rule.

Proposal

  • Add a near provider reusing the OpenAI-compatible tool-calling loop; configure via env.
  • Retrieve and verify the attestation per the NEAR AI documentation and store a summary with the chat session; show a 'private inference verified' indicator.
  • Keep the explicit-selection rule: no automatic provider switching.

Acceptance criteria

  • Selecting the provider routes chat and tool calls to NEAR AI with bounded tool rounds.
  • Failures are reported honestly and never fall back to another provider silently.
  • Attestation status is visible in the UI.

Out of scope

  • Hosting models ourselves.

Dependencies

  • Toju branch merge (provider switch).

Verify before implementing

  • Attestation verification steps, model list, pricing and free-tier availability in the NEAR AI Cloud docs.

References

Part of ##1. Ground rules for all issues in this roadmap are listed there (testnet-first, no secrets in the repo, chain logic behind the registry, tests and docs with every PR).

Linguagem predominante
Python
Estrelas
2
Forks
4
Merge médio
6h 14min
PRs com merge (30d)
18

Preparar o ambiente

  • Inclui um Dockerfile ou arquivo Docker Compose
  • Sem modelo de pull request
  • Sem guia de contribuição

Primeiros passos

  1. Leia a issue inteira e depois o guia de contribuição do projeto.
  2. Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
  3. Faça um fork do repositório e trabalhe em uma branch.
  4. Abra um pull request que referencie o número da issue.

Mais de QMeshPy/distributed-quantum

Todas as issues de QMeshPy/distributed-quantum

Issues semelhantes

Mais issues de Python

Receba novas issues na sua caixa de entrada

Um resumo curto de issues do GitHub para quem está começando.