Максим Солдаткин

Блог обзор

ИИ-агенты — что это и как устроены

ИИ-агент — нейросеть, которая выполняет многошаговые задачи автономно: получает цель, разбивает её на шаги, использует внешние инструменты, проверяет результаты и доводит работу до конца без ручного вмешательства на каждом шаге.

Отличие от чата: чат отвечает на один промпт — агент идёт от цели к результату через цикл «планирование — действие — проверка — корректировка». По данным исследования «Яков и Партнёры» с Яндексом, 46% российских компаний уже внедрили или тестируют автономных агентов.

Четыре свойства агента

Если убрать хотя бы одно — это уже не агент, а чат с кнопкой.

Автономия. Агент сам решает, что делать на каждом шаге, не спрашивает разрешения на микро-действия — работает в рамках цели.

Инструменты. Внешние функции: поиск, выполнение кода, API, файлы, БД, браузер. Без инструментов нейросеть только разговаривает.

Цель. Агент работает не на ответ, а на результат. «Прогони тесты, если упали — почини» — цель. Шаги агент выбирает сам.

Цикл. Петля planning → action → observation → reflection → next action. Шаг провалился — переделывает. Результат не сходится — корректирует план.

Агент vs чат-бот vs LLM vs RPA

  • LLM — функция «текст в текст». Без памяти, без инструментов, без выхода в мир. Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro, YandexGPT, GigaChat.
  • Чат-бот — обёртка над LLM или сценарием. Реагирует на сообщения, не имеет цели за пределами диалога. JivoSite, Bitrix24 FAQ-боты — этот класс.
  • ИИ-агент — LLM + инструменты + память + цикл. Получает цель, идёт к результату через действия. ChatGPT Agent Mode, Claude Code, Cursor Agent — агенты.
  • RPA — скриптовая автоматизация по фиксированным шагам. UiPath, BluePrism, GigaARPA. В 2026 RPA-вендоры встраивают LLM, граница стирается, но RPA идёт по записи, агент рассуждает на каждом шаге.

Признак: если изменить формулировку задачи на 10% и поведение ломается — это бот или RPA. Если система понимает суть и адаптирует шаги — это агент. Разбор отличий — в обзоре чат-бот vs ИИ-агент.

Категории ИИ-агентов

Code agents — разработка

Самая зрелая категория. Агент пишет код, запускает тесты, делает коммиты, открывает PR.

  • Claude Code — terminal-first агент от Anthropic. По сравнению Requesty, с Opus 4.6 лидирует на SWE-bench Verified (80,9%). Контекст до 1M токенов.
  • Cursor Agent — agent внутри IDE-форка VS Code. Интерактивная работа с открытыми файлами + background cloud agents.
  • Codex CLI от OpenAI — sandboxed VM, асинхронная доставка PR. Лидер на Terminal-Bench 2.0 (77,3%).
  • Cline — open-source расширение VS Code, 5M+ установок. Пошаговое планирование, любая модель через API.
  • Aider — open-source CLI, git-first, model-agnostic. Платите только за токены модели.
  • Antigravity от Google — multi-agent orchestration для параллельных задач.

Browser agents — действия в браузере

Агент управляет браузером как человек: открывает страницы, кликает, заполняет формы, собирает данные.

  • ChatGPT Agent Mode — объединяет Operator и Deep Research на GPT-5.4. Покупки, бронирования, ресерч с действиями.
  • Project Mariner от Google DeepMind — расширение Chrome, до 10 параллельных задач во вкладках. Часть пакета AI Ultra.
  • Browser Use — open-source библиотека для своих browser-агентов поверх любой LLM.
  • Perplexity Computer — оркестрирует 19 моделей (Claude Opus 4.6, Gemini, GPT-5.2), 400+ интеграций.

Research agents — глубокий ресерч

Агент идёт вглубь: ищет источники, сопоставляет, выдаёт отчёт со ссылками.

  • Deep Research в ChatGPT, Gemini, Claude — встроенные режимы, минуты на ответ вместо секунд.
  • Perplexity Pro Search — пошаговый ресерч с прозрачной цепочкой источников.
  • Manus AI Wide Research — параллельная делегация подагентам. По данным VC, 86,5% на GAIA против 74,3% у OpenAI.

Task agents — автономные исполнители

  • Hermes Agent от Nous Research — open-source, self-hosted, работает через OpenRouter и любые модели.
  • AutoGPT — один из первых autonomous-агентов, родоначальник категории.
  • BabyAGI — минимальный task-management агент, основа для собственных реализаций.

Industry-specific — отраслевые

  • Алиса AI с режимом действий — бронирования, записи, поиск товаров.
  • CRM-агенты на базе amoCRM и Bitrix24 — работа с лидами и дожимы.
  • Sales-агенты в HeyGen — персонализированные видео под лид.
  • Поддержка 24/7 с эскалацией сложных кейсов человеку.
  • Финансовые агенты в Сбер и Т-Банк — транзакции, антифрод.

Архитектура агента

Любой агент собран из четырёх блоков. Меняются модели и фреймворки — структура остаётся.

LLM — мозг

Языковая модель отвечает за рассуждение и выбор следующего действия. Под агенты в 2026 берут Claude Opus 4.6, GPT-5.4, Gemini 3.1 Pro — длинный контекст и сильный tool-use. Для дешёвых сценариев — Haiku, GPT-mini, Gemini Flash.

Tools — руки

Набор функций, которые агент может вызвать: поиск в сети, выполнение кода в Python sandbox, работа с файлами, HTTP-запросы к API, запросы к БД, управление браузером, отправка сообщений.

Стандарт описания инструментов в 2026 году — MCP (Model Context Protocol) от Anthropic. Позволяет переключать агента между моделями без переписывания tool-слоя.

Memory — память

  • Краткосрочная — текущий контекст и промежуточные результаты.
  • Долгосрочная — векторная БД (Pinecone, Weaviate, pgvector) с предыдущими взаимодействиями.
  • Эпизодическая — лог действий, чтобы агент видел, что уже пробовал.

Planning — план

  • ReAct — модель чередует «мысль» и «действие».
  • Plan-and-Execute — сначала план целиком, потом исполнение по шагам.
  • Tree of Thoughts — несколько веток рассуждений, выбор лучшей.
  • Reflection — после действия агент оценивает результат и решает, продолжать или менять план.

Workflow vs полный агент

Не каждая задача требует автономного агента. По разбору архитектур на Хабре, большая часть продакшн-сценариев закрывается фиксированными workflow — дешевле, предсказуемее, проще отлаживать.

  • Prompt Chaining — фиксированная цепочка шагов с проверками между ними. Когда порядок известен заранее.
  • Routing — классификатор выбирает подсценарий под входящий запрос. «Вопрос про оплату → биллинг-flow, вопрос про доставку → логистика-flow».
  • Parallelization — один вход в несколько LLM: подзадачи (Sectioning) или голоса на одну задачу (Voting) для точности.
  • Evaluator-Optimizer — генератор пишет черновик, evaluator оценивает и правит, цикл до критерия. Копирайт, код, переводы.
  • Orchestrator-Workers — главный агент раздаёт подзадачи подагентам и собирает результат.
  • Полностью автономный агент — только цель и инструменты. Ресерч, разработка фич, browser-automation на новых сайтах.

Правило: начинать с самой простой архитектуры. Если хватает Prompt Chaining — не нужен LangGraph и multi-agent. Полная автономия — последний выбор, не первый.

Фреймворки для построения агентов

Если не хочется писать оркестрацию с нуля — берут готовый фреймворк. По сравнению Cordum, Designrevision и подборке QubitTool в 2026 году расклад такой.

  • Claude Agent SDK — нативный фреймворк Anthropic (январь 2026). Hooks, MCP, subagents, skills. Memory в beta.
  • LangChain / LangGraph — самый большой по сообществу. Граф состояний, durable execution, checkpoints, human-in-the-loop. В 2026 обогнал CrewAI по stars — выбор enterprise в регулируемых отраслях.
  • LlamaIndex — изначально RAG, теперь полноценный agent-фреймворк с акцентом на документы. Подходит для корпоративной базы знаний.
  • AutoGen от Microsoft — пионер multi-agent диалогов через Group Chat Manager.
  • CrewAI — низкий порог, абстракция role / goal / backstory. Минус — на простых задачах токенов в ~3 раза больше остальных.
  • OpenAI Agents SDK — заменил Swarm (март 2025). Handoff-модель, интеграция с Codex, Computer Use API, Responses API.
  • Mastra — TypeScript-фреймворк от команды Gatsby. 19 000+ stars, 300 000+ загрузок в npm. Стандарт для node.js-команд.
  • Vercel AI SDK — обёртка под React / Next.js, streaming UI и tool-use. Для агента внутри веб-приложения.
  • GigaChain от Сбера — форк LangChain под GigaChat. Кейс Jivo + GigaChat: время первого ответа 17 → 8 минут.

Какой фреймворк под какую задачу

  • Code-агент в IDE / терминале — Claude Agent SDK, OpenAI Agents SDK.
  • Multi-agent с ролями — CrewAI (прототип), LangGraph (продакшн).
  • TypeScript-команда — Mastra, Vercel AI SDK.
  • Регулируемая отрасль, аудит, повторяемость — LangGraph c durable execution.
  • RAG поверх корпоративных документов — LlamaIndex.
  • Российский стек без VPN — GigaChain поверх GigaChat, Yandex AI Studio.
  • Production-агенты Anthropic — Claude Agent SDK + MCP-инструменты.

В реальном продакшне часто комбинируют: LangGraph для backend-оркестрации, Claude Agent SDK или Mastra для конкретных подагентов, CopilotKit / Vercel AI SDK — для агента внутри UI приложения.

Конструкторы для не-разработчиков

  • Yandex AI Studio — российский конструктор на базе YandexGPT. Без VPN. «yandex ai studio» — 3 508 показов/мес в Wordstat.
  • Google AI Studio — для агентов на Gemini, ограничен для российских IP.
  • OpenAI Agent Builder — визуальный builder под OpenAI Agents SDK.
  • GigaChat AI Studio — российский конструктор от Сбера.
  • n8n — open-source low-code оркестратор, AI-узлы для агентов поверх любой модели.
  • Make — облачный low-code, AI-модули и сценарии под автоматизацию без кода.

MCP — стандарт инструментов для агентов

Model Context Protocol — открытый стандарт от Anthropic, описывает, как агент подключается к инструментам и источникам данных. К середине 2026 поддерживают Claude, ChatGPT, Cursor, Cline, OpenAI Agents SDK и большинство новых фреймворков.

До MCP каждый фреймворк описывал инструменты по-своему: тулы для LangChain не работали в CrewAI. MCP — единый протокол: один сервер инструментов работает с любым клиентом. В MCP-сервер входят функции с json-схемами, авторизация, ресурсы (файлы, БД), промпт-шаблоны.

Готовые серверы: Postgres, GitHub, GitLab, Notion, Slack, Google Drive, файловая система, браузер (Puppeteer), Sentry, поиск (Brave, Perplexity). Команда один раз пишет MCP-сервер для внутренних систем — и его подключают любые агенты. Меняется LLM или фреймворк — слой инструментов остаётся. Подробнее — в обзоре MCP.

Computer Use — агент управляет компьютером как человек

Отдельная ветка 2026 — агенты, которые не вызывают API, а двигают мышью, печатают и читают экран как пользователь. Нужно для систем без API, легаси-софта, веб-сервисов с капчей.

  • Claude Computer Use — API получает скриншот, возвращает координаты клика и текст. Работает поверх любого OS.
  • Gemini Computer Use — аналог через Gemini API и Project Mariner.
  • ChatGPT Agent Mode — удалённый браузер в облаке OpenAI на GPT-5.4.
  • OpenAI Computer Use API — для своих агентов.
  • Browser-Use, Playwright Agents — open-source поверх любой LLM.

Хорошо: ресерч в браузере, формы, скрэйпинг без API, RPA в десктопе, тестирование UI. Плохо: задачи на скорость (медленнее API в 10-100 раз), сайты с anti-bot защитой, операции, где ошибка клика стоит дорого. Разбор — в материале Computer Use.

Где ИИ-агенты уже работают — сценарии

Топ-сценарии 2026 по исследованию Deloitte и Bitrix24 и подборкам платформ.

  • Поддержка — чтение обращения, поиск в базе знаний, ответ, эскалация. В кейсе Jivo + GigaChat время первого ответа упало с 17 до 8 минут, продолжительность диалога — с 60 до 40 минут.
  • Продажи — квалификация лида, проверка в CRM, подбор офера, передача сделки. Реализации на amoCRM, Bitrix24, в sales-видео HeyGen.
  • Ресерч и аналитика — Deep Research в ChatGPT, Claude, Gemini, Perplexity, Manus.
  • Маркетинг и контент — сбор тем, Wordstat-проверка, черновики, SEO-чек. Архитектурно — Evaluator-Optimizer.
  • Разработка — Claude Code, Cursor, Codex, Cline, Aider. По Computerra, 72% разработчиков отмечают, что роль изменилась за два года.
  • Рекрутинг — скрининг резюме, первичная переписка, саммари для HR.
  • Финансы и антифрод — агенты в Сбере и Т-Банке: антифрод, кредитный скоринг, управление подпиской.
  • Логистика — маршрутизация, перестройка при сбоях, оптимизация загрузки.
  • Медицина и юриспруденция — подготовка заключений, поиск по базам, разметка документов. Решений не принимает — готовит материал.

Что ИИ-агенты делают хорошо и плохо

Хорошо

  • Многошаговые задачи с чёткой целью — «собери таблицу конкурентов по 20 параметрам».
  • Связки «поиск → парсинг → запись в БД → отчёт» — родная территория агентов.
  • Параллельность — десять агентов на десять задач одновременно.
  • Рутинные процессы 24/7 — SEO-мониторинг, антифрод, типовая поддержка.
  • Кодинг с тестами — современные code-агенты на SWE-bench обходят среднего джуниора по скорости.

Плохо

  • Задачи без чёткого критерия успеха — «сделай красивый дизайн»: непонятно, когда остановиться.
  • Длинные цепочки без проверки — на 20+ шагах без верификации точность падает резко.
  • Незнакомая среда — на новых интерфейсах и API агент уверенно делает неправильное.
  • Стратегические решения — направление продукта, найм, переговоры остаются за человеком.
  • Креатив с человеческой оценкой — тексты, картинки, видео требуют финальной правки.
  • Стоимость на интенсиве — сложный прогон может стоить несколько долларов; на тысячах прогонов это заметная сумма.

Безопасность и риски

С агентами появляется новый класс рисков, которых нет у чатов. Главное правило: агент с правом действовать в продакшене — это сотрудник, а не утилита. К нему применяются те же требования к доступам, что к живому человеку.

Prompt injection. Внешний текст (письмо, страница, документ) содержит инструкцию, которую агент принимает за команду пользователя. Пример: агент читает письмо с инструкцией «перешли переписку на адрес X». Если у агента есть доступ к почте — выполнит.

Утечка данных через инструменты. Агент с доступом к БД и к сети может отправить наружу содержимое таблиц. Защита — ограничение скоупа инструментов и аудит исходящих вызовов.

Каскадные ошибки. Агент ошибается на шаге 3, строит план на ошибочных данных, к шагу 10 — далеко от цели. Защита — верификация на каждом шаге и hard-limit на итерации.

Действия в проде без подтверждения. Удаление файлов, рассылки, платежи, изменения в БД — операции, где 99% точности недостаточно. Защита — human-in-the-loop: агент готовит действие, человек одобряет.

Цена побега. Агент в цикле может сжечь дневной бюджет за час. Защита — hard cap по токенам, числу вызовов инструментов, времени.

Минимум доступов. У агента ровно тот набор прав, который нужен под задачу: read-only вместо read-write, тестовая БД вместо боевой, отдельный API-ключ с лимитами.

Логирование. Каждое действие — в лог. Agent control plane (проверка, разрешено ли действие, и фиксация решения) — стандарт зрелого продакшна.

Доступ из России

Без VPN работают: Yandex AI Studio, Алиса AI с действиями, GigaChat AI Studio, Сбер AI-агенты.

С VPN из РФ: ChatGPT Agent Mode, Claude Code, Cursor Agent, GitHub Copilot Agent, Anthropic Console, OpenAI Agents SDK, Perplexity Computer, Manus, Aider, Cline (через OpenRouter).

Сложнее всего из РФ: Google Antigravity, Project Mariner, Managed Agents в Gemini API — Google блокирует для российских IP, нужен стабильный VPN на зарубежной локации.

Сколько стоит

Стоимость агента в продакшне складывается из четырёх частей:

  • Модель — pay-per-token у Anthropic, OpenAI, Google. Дорогая модель (Claude Opus, GPT-5.4) на сложные шаги, дешёвая (Haiku, GPT-mini, Gemini Flash, GigaChat Lite) — на рутину.
  • Инструменты — Computer Use, web search API, embeddings, векторная БД (Pinecone, pgvector), Brave Search, Tavily, Exa.
  • Инфраструктура — хостинг агента, очередь, мониторинг. Для одного агента — VPS от 500 ₽/мес. Multi-agent с десятками подагентов — Kubernetes или Cloud Run.
  • Подписки — Claude Pro $20 / Max $100-200, ChatGPT Plus $20 / Pro $200, Cursor Pro $20, GitHub Copilot Pro $10, Perplexity Pro $20, Google AI Ultra $249.99.

Бесплатные старты. Yandex AI Studio через Yandex Cloud, Aider и Cline (только токены модели через OpenRouter), Hermes Agent self-hosted, GigaChat Lite в Cloud.ru.

Реальный счёт. Одиночный агент на Claude Opus / GPT-5.4 — несколько десятков долларов в месяц. Команда из 5-10 разработчиков с code-агентами — несколько сотен. Multi-agent система с круглосуточной нагрузкой — тысячи. Перед прод-запуском обязателен hard cap по токенам и числу tool-вызовов на прогон.

Hire vs Build — нанять или строить

Готовое подходит, когда задача типовая (поддержка, code-агент, ресерч), объёмы небольшие, команда не хочет держать инженеров под агентов. ChatGPT Agent Mode, Claude Code, CRM-агенты amoCRM, Yandex AI Studio.

Своё строить, когда задача нестандартная, завязана на внутренние системы, объёмы такие, что подписки дороже разработки, есть требования к данным (152-ФЗ, банковская тайна, медицина).

Гибрид — стандарт 2026: готовая модель через API + свои MCP-серверы под внутренние системы + свой оркестратор (LangGraph, Claude Agent SDK, Mastra). Модель не пишут с нуля, логика и данные — под контролем.

Юридические рамки — 152-ФЗ и GDPR

Агент, обрабатывающий данные клиентов, попадает под 152-ФЗ. Первичная обработка ПДн граждан РФ должна идти на серверах в России — это исключает прямой вызов ChatGPT / Claude / Gemini из бэкенда; проксирование через OpenRouter / VPN не закрывает требование. Нужно явное согласие пользователя с указанием целей и оператора.

Практически: для задач с реальными ПДн — YandexGPT, GigaChat, локальные модели (Qwen, DeepSeek) на своих серверах. ChatGPT, Claude, Gemini — для внутренних задач без ПДн или после обезличивания.

Для GDPR — те же принципы плюс право на удаление: агент должен уметь забыть данные пользователя по запросу. Архитектурно — отдельный слой хранения с очисткой по user_id.

Где ИИ-агенты не работают

Дополнительно к разделу «Хорошо и плохо»:

  • Критические системы реального времени — транспорт, медицинское оборудование, промышленный контур. LLM-агент работает 1-30 секунд на шаг, hard-realtime исключён.
  • Low-latency — высокочастотный трейдинг, события с дедлайном в миллисекунды. Здесь — детерминированные модели и правила.
  • Регулируемые операции без проверяемости — медицинский диагноз, юридическое или кредитное решение. Ограничение не техническое, а требование интерпретируемости и ответственности.
  • Длинные цепочки без верификации — 30+ шагов без проверки промежуточных результатов разваливаются по точности. Лучше разбить на процессы с человеком между ними.
  • Неопределённый критерий успеха — «сделай красивый дизайн». Агенту нужна измеримая цель.

С чего начать

  • Разработчик — Claude Code или Cursor Agent.
  • Browser-задачи без кода — ChatGPT Plus с Agent Mode.
  • Конструктор без кода — Yandex AI Studio (без VPN) или Anthropic Console (с VPN).
  • Свой продукт с агентом — фреймворк (LangGraph, CrewAI, OpenAI Agents SDK) + модель через прямой API или OpenRouter.
  • Self-hosted — Hermes Agent, AutoGPT, BabyAGI.

Подробное обучение работе с агентами — в курсе нашей школы. (скоро запуск)

FAQ

Что такое ИИ-агент простыми словами? Нейросеть, которая выполняет задачу целиком сама: планирует шаги, использует инструменты (поиск, код, API), проверяет результат и корректирует план. Чат отвечает на вопрос — агент идёт к результату.

Чем агент отличается от чат-бота? Чат-бот реагирует на сообщения по сценарию. Агент работает на цель: сам решает, что делать на каждом шаге, и завершает задачу без ручного управления.

Чем агент отличается от LLM? LLM — модель «текст в текст», без выхода в мир. Агент — LLM плюс инструменты (поиск, код, API, браузер), память и цикл «план — действие — проверка». Без инструментов и цикла это просто нейросеть.

Какой ИИ-агент лучший в 2026? Зависит от задачи. Разработка — Claude Code (80,9% на SWE-bench). Browser — ChatGPT Agent Mode. Ресерч — Manus или Perplexity Computer. Свой продукт — LangGraph или CrewAI поверх Claude / GPT, либо Mastra на TypeScript.

Какой фреймворк выбрать? Для продакшна в регулируемых отраслях — LangGraph. Для прототипа multi-agent — CrewAI. Для Anthropic-стека — Claude Agent SDK. Для TypeScript — Mastra или Vercel AI SDK. Для российского стека без VPN — GigaChain поверх GigaChat.

Можно ли создать агента без программирования? Да, через конструкторы: Yandex AI Studio, Anthropic Console, OpenAI Agent Builder, GigaChat AI Studio, n8n, Make. Сложные сценарии всё равно потребуют разработчика.

Сколько стоит работа с ИИ-агентами? От нуля (Aider + бесплатные модели через OpenRouter, Yandex AI Studio) до $250+ в месяц на подписках. API — pay-per-token, на интенсиве это десятки и сотни долларов в месяц на одного активного агента. Multi-agent система с круглосуточной нагрузкой — тысячи долларов в месяц.

Что такое MCP и зачем он нужен? Model Context Protocol — открытый стандарт от Anthropic для подключения инструментов к агентам. Один MCP-сервер работает с любым клиентом: Claude, ChatGPT, Cursor, OpenAI Agents SDK. Подробнее — в обзоре MCP.

Что такое Computer Use? Режим, в котором агент управляет компьютером через скриншоты и клики — как человек. Claude Computer Use, Gemini Computer Use, ChatGPT Operator. Нужен для систем без API и для browser-автоматизации. Разбор — в материале Computer Use.

Безопасно ли давать агенту доступ к продакшену? Только в режиме human-in-the-loop. Прямой доступ к боевой БД, рассылкам, платежам без подтверждения — это риски prompt injection, каскадных ошибок и утечек. Стандарт 2026 — agent control plane с аудит-логом.

Можно ли использовать иностранные модели с данными граждан РФ? По 152-ФЗ первичная обработка персональных данных должна происходить на серверах в РФ. ChatGPT, Claude, Gemini напрямую — не подходят. Безопасный путь — YandexGPT, GigaChat, локальные модели на своих серверах. Подробности — в разделе «Юридические рамки».

Соответствует ли это GDPR? Для граждан EU действуют те же принципы плюс право на удаление: агент должен уметь забыть данные пользователя по запросу. Архитектурно — отдельный слой хранения с возможностью очистки по user_id.

Брать готовое или строить своё? Если задача типовая (поддержка, code-агент, ресерч) и объёмы небольшие — готовое: ChatGPT Agent Mode, Claude Code, amoCRM с агентом. Если задача нестандартная, объёмы большие или есть требования к данным — своё. Гибрид: готовая модель через API + свои MCP-инструменты + свой оркестратор.

Заменят ли агенты людей? Не заменят, но изменят роли. Команды с агентами эффективнее команд без них. Стратегия, переговоры, работа с неопределённостью остаются за человеком.

Какие риски у автономных агентов? Prompt injection, утечки через инструменты, каскадные ошибки, неконтролируемый расход бюджета. Защита — минимальные доступы, лимиты, верификация шагов, human-in-the-loop.

С чего начать освоение? Если разработчик — Claude Code и реальный pet-проект. Если нет — ChatGPT Plus с Agent Mode или Yandex AI Studio. Через неделю станет понятно, какие задачи отдавать агенту.

Дальше

Читайте также