Чат-бот отвечает на сообщение, а агент сам открывает сервисы, ищет файлы, запускает программы, заполняет онлайн-формы, отправляет письма… Разбираемся, как устроены ИИ-агенты, как они «договариваются» между собой, где подстерегают риски и какие вопросы стоит задать себе, прежде чем доверить агенту часть работы
Иллюстрация: Анастасия Болдина
«Агент» — одно из главных слов в разговорах об ИИ. Рассказываем, что за ним стоит и чем агент отличается от чат-бота.
Главный признак агента — агентность (англ. agency), т.е. способность системы не просто отвечать, а действовать ради цели. Агент сам выбирает следующий шаг, выполняет его, оценивает результат и решает, что делать дальше, в рамках выданных ему инструментов и разрешений.
Чат-бот отвечает на вопрос и ждет следующего. Агент берет задачу и старается довести ее до конца. Сегодня оба умеют искать в интернете, поэтому разница не в доступе к информации. Она в том, сколько шагов система делает сама и меняет ли она что-то в мире.
Попросите чат-бота: «Найди мне рейс в Рим на следующие выходные дешевле 300 долларов». Он найдет варианты и выдаст список со ссылками. Дальше работаете вы: выбираете, бронируете, вносите поездку в календарь. Агенту можно поручить всё целиком. Он сравнит рейсы, сверится с вашим календарем, забронирует подходящий, добавит поездку в календарь и пришлет подтверждение. Если нужный рейс распродан, агент сам найдет следующий вариант и не будет спрашивать вас на каждом шаге.
Но такой агент тратит ваши деньги, и ошибка обойдется дороже неверного ответа. Поэтому агентам обычно задают лимиты — например, не больше 300 долларов за покупку — и просят подтверждения перед оплатой.
Для разработчиков разница еще нагляднее. На просьбу «почини падающий тест» чат-бот предложит исправление, а проверять его будете вы. Агент сам запустит тесты, найдет причину, исправит код и перезапустит тесты. Если они снова упадут, он попробует еще раз и остановится, только когда тест перестанет падать.
Агент состоит из трех частей: языковой модели, инструментов и цикла. Модель рассуждает. Инструменты (поиск, базы данных, браузер, внешние сервисы) дают ей «руки». Цикл позволяет посмотреть на результат и решить, что делать дальше. В основе цикла лежит принцип ReAct («рассуждай и действуй»). Агент смотрит на ситуацию, рассуждает, вызывает инструмент, добавляет результат к тому, что уже знает, и повторяет.
Самостоятельность у агентов разная. В одних системах каждый шаг расписан заранее, как в инструкции: пришло письмо — найти в нем номер заказа — обновить таблицу. Модель выполняет только отдельные шаги. В других агент сам составляет план и меняет его по ходу дела. Большинство систем, которыми компании пользуются, находятся где-то посередине. Причина простая: чем больше у агента свободы, тем труднее заранее проверить, что он сделает.
Насколько хорошо он справляется, зависит не только от модели, но и от других составляющих:
Исследовательская организация METR измеряет так называемый горизонт задач. Горизонт задач отвечает на вопрос: насколько большую задачу можно отдать агенту, чтобы он ее довел до конца? «Большая» значит, сколько времени эта задача заняла бы у человека. Для этого организация собирает набор задач, засекает, сколько времени на каждую тратит специалист, и проверяет, какие из них решает агент. Если горизонт 50% равен двум часам, это значит, что задачи, на которые у человека уходит около двух часов, агент решает в половине случаев [1].
С 2023 года горизонт задач удваивается примерно каждые 131 день, то есть чуть больше чем за четыре месяца [2]. У Claude Mythos Preview горизонт 50% составил не меньше 16 часов. Точнее измерить не получилось: в наборе почти нет задач длиннее, и тест уперся в свой предел [3]. Горизонт 80% у той же модели составляет около трех часов [1]. Разрыв показательный. Многочасовую задачу агент иногда доводит до конца, но рассчитывать на это пока нельзя.
Есть и оговорка. Задачи в тесте в основном программистские, и у каждой есть четкий критерий успеха: код либо работает, либо нет [2]. Там, где «хорошо» трудно определить (письмо клиенту, обзор рынка), эти цифры напрямую не переносятся.
Надежность агента зависит не только от модели, но и от всего, что ее окружает. По-английски это называют harness, по-русски можно сказать «обвязка». В обвязку входят:
Термин появился в феврале 2026 года, его приписывают Митчеллу Хашимото. Когда агент ошибался, Хашимото не переписывал запрос, а менял среду так, чтобы эта ошибка не могла повториться [4]. Позже подход подробно описала Биргитта Бёкелер из компании Thoughtworks [4]. И состоит он из трех уровней: формулировки запроса — то, что агенту сказали; работы с контекстом — то, что он видит; а обвязки — то, как он работает целиком.
Протокол — это договоренность о том, как программы обмениваются сообщениями. Без него каждую связку приходится программировать вручную: подключать агента к календарю, потом — к почте, наконец, — к базе клиентов.
MCP (Model Context Protocol, «протокол контекста модели») решает эту задачу для инструментов. Его часто сравнивают с USB-разъемом: если у сервиса есть MCP-сервер, к нему может подключиться любой агент, который понимает протокол. A2A (Agent2Agent, «агент–агент») нужен для другого: через него агенты разных компаний договариваются между собой и передают друг другу задачи. Сам A2A агентов не создает, а только связывает уже готовых [6]. Проще запомнить так: MCP находится «под» агентом, A2A «между» агентами [5].
| Протокол | MCP | A2A |
| Автор | Anthropic, 2024 | Google, 2025 |
| Связывает | агента с инструментами и данными | агентов между собой |
| Пример | агент читает ваш календарь и создает встречу | ваш агент-турагент договаривается с агентом отеля о бронировании |
Агенты все чаще работают в фоновом режиме, пока человек занят другим. Агенты Dots от OpenAI получают собственный облачный компьютер и больше 4000 подключений к сервисам [8].
Похожий продукт есть у xAI: в августе 2026 года компания выпустила бета-версию Grok Bot [9]. В октябре 2026-го и команда Anthropic объявила о запуске Claude Duet [28]. Суть одна: у каждого бота есть свой облачный компьютер с браузером, файлами и командной строкой. Боты входят в заданные сервисы под вашими учетными данными, выполняют многошаговую работу, пока вас нет, и возвращаются, только когда нужно ваше подтверждение. Достаточно один раз показать боту, как вы делаете задачу, и он сохранит ее как повторяемую процедуру. Если у сервиса нет MCP-подключения, бот работает с сайтом через браузер, как человек [9]. С конца сентября появились командные боты: один бот на всю команду, к которому можно обращаться в приложении или в Slack. В октябре боты получили собственные почтовые адреса, но перед отправкой письма спрашивают разрешение [10]. Отдельно Grok Bot не продается: он входит в платные подписки xAI и в некоторые тарифы Cursor [9].
Еще один вариант — команда агентов. Программа herdr позволяет агенту самому запускать помощников, раздавать им части задачи и собирать результаты [11, 12]. Плюсы: работа идет параллельно, а каждый помощник видит только свою часть задачи. Из минусов: растут расходы на вычисления, а если цепочка ошиблась, найти виноватое звено трудно.
Многие шаги агента — это не генерация текста, а выбор: какой инструмент вызвать, релевантен ли документ, пора ли передать задачу человеку. Звать на такие шаги большую LLM — как нанимать писателя, чтобы поставить галочку. Это медленно и дорого, к тому же модель может ответить вариантом, которого нет в вашем списке. Для таких шагов есть отдельные модели решений, например, Jev от TypeSafe AI. Она возвращает ответ строго заданного вида с оценкой уверенности и не может придумать вариант, которого нет в списке [13].
Свою модель решений в конце сентября 2026 года показала и OpenAI: Decisions API, построенный на ее самой маленькой модели GPT 6 Luna [15]. Разработчик задает вопрос и варианты ответа, а сервис возвращает выбранный вариант с оценкой уверенности. Кроме выбора из списка, он умеет оценивать, насколько вероятно, что утверждение верно, и ставить оценку по числовой шкале. По словам OpenAI, ответ приходит примерно за 150 миллисекунд, до десяти раз быстрее, чем обычный запрос к той же модели [15, 16]. С 6 октября сервис открыт всем разработчикам в бета-версии [16].
Например, в поддержку приходит письмо. Языковая модель пересказывает его в двух строках. Jev выбирает одну категорию из четырех («возврат», «доставка», «жалоба», «другое») и сообщает, что уверена на 93%. Обычный код отправляет письмо в нужную очередь. Если уверенность низкая, (например, 55%) решение возвращается языковой модели [14]. Языковая модель занимается тем, что у нее получается лучше всего (понимает и пишет текст), а выбор, где ошибка стоит дорого, остается предсказуемым.
Pi, агент с открытом кодом Марио Цехнера, развивает компания Earendil. Версия 1.0 вышла 1 октября 2026 года, авторы называют ее «минимальной расширяемой обвязкой» [17, 18]. Новые функции в Pi добавляют только после того, как они доказали пользу. Вот список таких нововведений::
Встроенной системы разрешений в Pi нет. Поэтому агента советуют запускать в песочнице, то есть в изолированной среде вроде отдельного контейнера или виртуальной машины, где он не доберется до ваших личных файлов и остальной системы [19].
ИИ используют 88% организаций, но агентов в масштабе всей компании внедрили только 23% [20]. Заметную отдачу от агентов видят тоже 23%, а у 36% нет никакого плана, как за ними присматривать [21]. Gartner прогнозирует, что к концу 2026 года агенты появятся в 40% корпоративных приложений [20]. Лучше всего они работают там, где результат легко проверить: в программировании, поиске, поддержке клиентов и системах учета продаж. К цифрам стоит относиться осторожно: разные исследования оценивают долю внедрения от 11% до 97% [21, 22].
Чем больше агент умеет делать сам, тем дороже его ошибки: чат-бот в худшем случае ответит невпопад, а агент может отправить письмо, удалить файл или передать данные постороннему. Основные риски связаны с тем, к чему у агента есть доступ и кого он слушается.
Закон ЕС об ИИ (AI Act) оценивает риск по сфере применения: чат-бот с рецептами и система отбора резюме попадают под разные требования. Пакет поправок Digital Omnibus перенес обязательства для систем высокого риска на 2 декабря 2027 года [24], а для ИИ внутри регулируемых продуктов — (например, медицинских устройств) на 2 августа 2028 года [25]. При этом статья 50 о прозрачности действует с 2 августа 2026 года [26], а маркировка созданного ИИ контента для уже работающих систем обязательна с 2 декабря 2026 года [27].
Агенты стали частью инфраструктуры. Теперь важнее не то, что умеет модель, а то, можно ли ей доверять. Перед внедрением агента важно ответить на четыре вопроса:
Истцы требуют 41,1 млн долларов за обучение Claude на 274 песнях музыканта
Как собрать все редакции гоголевского «Ревизора» на одной странице? Как показать правки и отличия разных версий? DH-исследователь Женя Дуненков сделал…
По оценке Anthropic, роботы способны выполнять 74% физических задач в США, но заменять людей пока почти везде невыгодно