Nutanix brengt versie 2.8 van Nutanix Enterprise AI uit. De release introduceert MCP-serverbeheer in Agent Gateway en breidt Private Inference uit met fine-tuning, air-gapped Nvidia NIM en multi-node inferencing.
AI-agents blijven zelden alleen. Eén autonome agent kan meerdere andere agents starten, die elk weer verbinding leggen met bedrijfsapplicaties, interne databronnen en externe tools. Precies daar ontstaan volgens Nutanix gaten in het toezicht. Wie mag wat benaderen, en hoe houd je dat zichtbaar op schaal?
Met Nutanix Enterprise AI (NAI) 2.8 probeert het bedrijf die vraag te beantwoorden. De release is nu beschikbaar voor bestaande NAI-klanten en raakt de onderdelen Nutanix Agent Gateway en Nutanix Private Inference.
MCP-serverbeheer uit preview
De belangrijkste toevoeging is de algemene beschikbaarheid van MCP-serverbeheer in Agent Gateway. Het Model Context Protocol is inmiddels verschoven van handige integratielaag naar kritieke enterprise-infrastructuur, waarbij over-privileged service accounts, shadow servers en ontbrekende audit trails als voornaamste risico’s gelden.
Agent Gateway fungeert als één beveiligde voordeur tussen agents en de tools die ze aanroepen. Gebruikers kunnen MCP-servers lokaal binnen hun NAI-omgeving draaien, zodat gevoelige data binnen de eigen infrastructuur blijft. Eén endpoint bundelt meerdere MCP-servers, wat aparte connectors per tool overbodig maakt. Rechten zijn fijnmazig in te stellen, bijvoorbeeld read-only versus write, per gebruiker of API-key. Lokale MCP-servers ondersteunen daarnaast rolling updates.
Daarbovenop komt header-based rate limiting met token budgets, voorlopig als tech preview. Daarmee kunnen beheerders tokenverbruik per gebruiker begrenzen zonder het bestaande gebruikersbeheer om te gooien.
Kleinere modellen, meer GPU-rendement
Aan de inferencekant draait veel om efficiëntie. Fine-tuning maakt het mogelijk modellen onder de 8 miljard parameters bij te trainen op eigen domeindata, om voor specifieke taken de nauwkeurigheid van grote LLM’s te benaderen. Dat scheelt GPU-kosten.
Verder is er ondersteuning voor Nvidia NIM-microservices in air-gapped omgevingen, bedoeld voor sterk gereguleerde sectoren met een Nvidia AI Enterprise-licentie. Twee tech previews vullen het pakket aan: multi-node en multi-GPU inferencing voor modellen van 100 miljard parameters en meer, plus kvCache offloading, waarbij cachecontext van GPU- naar CPU-geheugen verhuist zodra de capaciteit vol raakt.
Op platformniveau introduceert Nutanix een Custom Role Builder. Beheerders stellen daarmee eigen rollen samen uit een catalogus van meer dan dertig permissies, verdeeld over gebruikersbeheer, licenties, modellen, endpoints, API-keys en observability.
Tip: Nutanix geeft AI geen vrij spel: infrastructuur blijft mensenwerk