Suna AI on avoimen lähdekoodin, Apache 2.0 -lisenssillä julkaistu generalistinen tekoälyagentti, joka toimii luonnollisen kielen periaatteella ja automatisoi monimutkaisia työtehtäviä, kuten selaimen ohjausta, tiedonkeruuta, tiedostonhallintaa sekä API-integraatioita käyttäjän puolesta.

Keskeiset ominaisuudet

• Selainautomaatio: Verkkosivustojen selaaminen, lomakkeiden täyttö ja tietojen poiminta Playwright- tai vastaavilla työkaluilla.
• Tiedostonhallinta: Tiedostojen luonnin, muokkauksen ja poiston tuki esimerkiksi raporttien ja datasetien käsittelyä varten.
• Verkkohaku ja tiedonkeruu: Kohdennettu web-skrapaus useista lähteistä sekä datan analysointi ja synteesi.
• Komentorivitoiminnot: Järjestelmäkomentojen ajaminen ja DevOps-työnkulkujen automatisointi komentorivin kautta.
• API-integraatiot: Yhdistäminen ulkoisiin palveluihin ja työnkulkujen automatisointi rajapintojen avulla.
• Muokattavuus ja laajennettavuus: Modulaarinen arkkitehtuuri, jossa TypeScript- ja Python-SDK:t tukevat omien agenttien rakentamista ja Docker-pohjainen ympäristö mahdollistaa turvallisen itseisännöinnin.

Vertailu muihin vastaaviin

Suna erottuu erityisesti avoimuuden, itseisännöinnin ja räätälöitävyyden ansiosta verrattuna kaupallisiin pilvipohjaisiin vaihtoehtoihin.

Manus AI Agent on pilvipohjainen, LLM-keskeinen ratkaisu, joka nojautuu pääasiassa ulkoisiin foundation-malleihin (esim. Claude tai Alibaba Qwen) ja tarjoaa saumattoman käyttöliittymän ilman paikallisia resursseja. Suna puolestaan mahdollistaa täyden hallinnan agentin ympäristöstä ja mallivalinnoista sekä vahvan tietoturvan konttiteknologian avulla.

G2-alustan arvioiden mukaan Suna AI Agent on yksi suosituimmista avoimen lähdekoodin AI-agenttityökaluista eri käytettävyys- ja räätälöitävyyskriteereillä. Sivustolla on listattuna yli kymmenen vastaavaa tuotetta, joita voit vertailla ominaisuuksien ja hinnoittelun perusteella.

Vertailutaulukko

Ominaisuus	Suna AI Agent	Manus AI Agent
Lisenssi	Apache 2.0, avoin lähdekoodi	Suljettu lähdekoodi
Isännöinti	Itseisännöitävä tai pilvipalvelu	Vain pilvipohjainen
Arkkitehtuuri	Modulaarinen: Python, React, Docker	LLM-keskeinen, pilvi-infrastruktuuri
Räätälöitävyys	Täysi valvonta, muokattavat SDK:t	Rajoitettu kolmannen osapuolen palveluihin
Työkalut ja integraatiot	Selainautomaatio, API, CLI, tiedostot	Perustyökalut integroituna LLM:ään
Hinnoittelu	Ilmainen perus, lisämaksu token-käytöstä	Kuukausi- ja käyttöperusteiset paketit

Vaikka Suna vaatii aluksi enemmän ylläpitoa itseisännöinnin ja konfiguroinnin muodossa, se tarjoaa joustavuutta, avoimuutta ja täyden hallinnan yritystason automaatioon. Pilvipohjaiset agentit puolestaan helpottavat käyttöönottoa ja hallintaa, mutta ovat usein suljetumpia ja vähemmän räätälöitävissä.

Mikä on Kortix

• Kortix on avoimen lähdekoodin alusta, jonka organisaatio (“kortix-ai” GitHubissa) kehittää ja ylläpitää Suna-agenttia.
• Kortix on kokonaisvaltainen alusta AI-agenttien luomiseen, hallintaan ja koulutukseen.
• Alustan lippulaiva-agentti on Suna, joka demonstroi Kortixin kyvykkyydet.

Mikä on Suna

• Suna on yleiskäyttöinen tekoälytyöntekijä, joka hoitaa selausautomaatiota, tiedonkeruuta, tiedostojen hallintaa, API-integraatioita ja muita monimutkaisia työnkulkuja.
• Projektin lähdekoodi löytyy GitHub-organisaatiosta kortix-ai (repo nimeltä “suna”), mutta agentin nimi on edelleen Suna.

Suna-agenttien luominen – suora vastaus

Suna AI:lla agenttien rakentaminen koostuu agentin konfiguroinnista, sen taitojen (skills) määrittelystä ja työnkulkujen (workflows) kuvaamisesta joko Python- tai TypeScript-SDK:lla. Agentin käyttäytyminen ja integraatiot syntyvät koodissa ja konfiguraatiossa: valitset LLM-mallin, määrittelet tehtävät ja kytket tarvittavat lisäosat (browser, API, CLI). Kun agentti on kuvattu, käynnistät sen Docker-kontissa tai palvelinympäristössä, jolloin se reagoi kutsuihin ja suorittaa automaattisesti määritellyt työvaiheet.

1. Agentin perusrakenne

• Rooli ja tavoite
  Määrittele, mitä agentin halutaan tekevän (esim. “kerää tuotearvosteluja verkkokaupoista”).
• Taidot (skills)
  Listaa tarvittavat moduulit: selainautomaatio, tiedostonhallinta, sähköpostiliikenne, yms.
• Workflow-kuvaus
  Kirjoita sekvenssi komentoja tai funktioita, jotka suoritetaan tietyssä järjestyksessä.
• Mallivalinta
  Ilmoita, käytätkö paikallista LLM:ää vai ulkoista API-mallia (esim. OpenAI, Aleph Alpha).

2. SDK-valinta ja ympäristö

Ominaisuus	Python SDK	TypeScript SDK
Asennus	pip install suna-ai	npm install @kortix-ai/suna
Kehitystyökalut	Jupyter, VSCode	VSCode, ESLint
Tyylimuoto	Dekoraattorit (@agent.task)	Luokat ja tyypitykset (class)
Esimerkkejä ja dokumentti	Laaja esimerkkikirjasto GitHubissa	Erityisesti web-integraatioissa

Esimerkki 1: Lomaketäyttö ja tiedonkeruu

from suna import Agent, BrowserSkill

agent = Agent(name="FormFetcher", model="gpt-3.5-turbo")
agent.add_skill(BrowserSkill())

@agent.workflow
def kerää_tuotetiedot(url: str):
    browser = agent.get_skill("browser")
    browser.goto(url)
    browser.fill("input#search", "kuulokkeet")
    browser.click("button#submit")
    browser.wait_for_selector(".product-item")
    tuotteet = browser.query_selector_all(".product-item .title")
    return [t.text for t in tuotteet]

if __name__ == "__main__":
    print(agent.run("kerää_tuotetiedot", "https://esimerkki-kauppa.fi"))

Tämä agentti avaa verkkokaupan, hakee tuotteen nimen ja palauttaa listan tuloksista.

Esimerkki 2: Raportin generointi ja sähköpostilla lähettäminen

import { Agent, FileSkill, EmailSkill } from "@kortix-ai/suna";

const agent = new Agent({ name: "ReportMailer", model: "local-llm" });
agent.addSkill(new FileSkill());
agent.addSkill(new EmailSkill());

agent.workflow("createAndSendReport", async (params) => {
  // 1. Luo CSV-raportti
  const data = [["Päivä", "Arvo"], ["2025-08-15", 123]];
  await agent.file.writeCSV("report.csv", data);

  // 2. Lähetä sähköposti liitteenä
  await agent.email.send({
    to: "h@example.com",
    subject: "Päiväraportti",
    body: "Liitteenä tämän päivän raportti.",
    attachments: ["report.csv"],
  });

  return "Sähköposti lähetetty";
});

agent.run("createAndSendReport");

Tässä agentti muodostaa CSV-tiedoston ja käyttää EmailSkill-lisäosaa raportin lähettämiseen.

Esimerkki 3: Slack-integraatio ja notifikaatiot

• Asenna ja kytke SlackSkill lisäämällä OAuth-token asetuksiin.
• Luo workflow, joka kuuntelee tiettyjä tapahtumia ja lähettää viestejä Slack-kanavaan.
• Hyödynnä agent.runAsync-metodia, jotta Slack-webhook-kutsu ei blokkaa pääprosessia.

Parhaat käytännöt ja jatkotoimet

• Testaa ja simuloi agenttia paikallisesti ennen tuotantoon siirtoa.
• Roolien ja taitojen eriyttäminen helpottaa ylläpitoa ja uudelleenkäyttöä.
• Seuraa lokitietoja ja määritä alertit virhetilanteisiin (esim. Prometheus + Grafana).
• Skaalaa agentteja Kubernetes-klusterissa, jos samanaikaisia ajoja tarvitaan paljon.
• Vaihtele LLM-malleja kuormituksen ja tarkkuustarpeen mukaan: kokeile kevyempiä paikallisia malleja prototyypeissä.