AI Agent

Что такое AI-агент

AI-агент — это автономная система на базе LLM, способная самостоятельно планировать и выполнять задачи, используя инструменты и внешние источники данных. В отличие от простого чат-бота, агент может:

Разбивать сложную задачу на подзадачи
Выбирать и использовать инструменты (API, базы данных, файловую систему)
Принимать решения на основе промежуточных результатов
Итеративно улучшать результат

Ключевые компоненты агента

┌─────────────────────────────────────────────────────┐
│                    AI Agent                         │
├─────────────────────────────────────────────────────┤
│  ┌──────────┐  ┌──────────┐  ┌──────────────────┐  │
│  │   LLM    │  │  Memory  │  │     Tools        │  │
│  │  (Brain) │  │ (Context)│  │ (Capabilities)   │  │
│  └──────────┘  └──────────┘  └──────────────────┘  │
│                      │                              │
│              ┌───────▼───────┐                     │
│              │   Planner     │                     │
│              │  (Reasoning)  │                     │
│              └───────────────┘                     │
└─────────────────────────────────────────────────────┘

Компонент	Назначение
LLM	Ядро агента, отвечает за понимание задачи и генерацию решений
Memory	Хранение контекста, истории действий, долгосрочная память
Tools	Внешние инструменты: API, поиск, выполнение кода, файловые операции
Planner	Модуль планирования: разбиение задач, выбор стратегии

Типы AI-агентов

По уровню автономности

Тип	Описание	Пример
Reactive	Реагирует на запросы, не планирует	Чат-бот с RAG
Deliberative	Планирует перед действием	Claude Code в plan mode
Autonomous	Полностью автономное выполнение	AutoGPT, Devin

По архитектуре

Single Agent — один агент выполняет все задачи
Multi-Agent — команда специализированных агентов с разными ролями
Hierarchical — иерархия агентов с менеджером и исполнителями

Архитектуры мульти-агентных систем

Supervisor (Менеджер)

                ┌─────────────┐
                │  Supervisor │
                │   (Manager) │
                └──────┬──────┘
           ┌──────────┼──────────┐
           ▼          ▼          ▼
      ┌────────┐ ┌────────┐ ┌────────┐
      │Agent 1 │ │Agent 2 │ │Agent 3 │
      │(Coder) │ │(Tester)│ │(Docs)  │
      └────────┘ └────────┘ └────────┘

Supervisor распределяет задачи между агентами и агрегирует результаты.

Применение: Сложные проекты с чётким разделением ответственности.

Peer-to-Peer (Равноправные)

      ┌────────┐     ┌────────┐
      │Agent 1 │◄───►│Agent 2 │
      └────┬───┘     └───┬────┘
           │             │
           └──────┬──────┘
                  ▼
             ┌────────┐
             │Agent 3 │
             └────────┘

Агенты общаются напрямую без центрального координатора.

Применение: Brainstorming, дебаты, коллективное решение.

Pipeline (Конвейер)

┌────────┐    ┌────────┐    ┌────────┐    ┌────────┐
│Analyst │───►│Designer│───►│ Coder  │───►│Reviewer│
└────────┘    └────────┘    └────────┘    └────────┘

Последовательная передача задачи между специализированными агентами.

Применение: Процессы с чёткими этапами (SDLC).

Организация команды агентов

Роли в команде

Роль	Обязанности	Инструменты
Project Manager	Планирование, декомпозиция задач	Beads, Jira API
Architect	Проектирование системы, ревью решений	Read, Analyze
Developer	Написание кода	Edit, Write, Bash
Reviewer	Код-ревью, проверка качества	Read, Grep
Tester	Написание и запуск тестов	Bash, Test frameworks
DevOps	CI/CD, деплой	Docker, K8s, GitHub Actions

Пример конфигурации команды

# .claude/agents/team.yaml
agents:
  - name: architect
    role: "Solution Architect"
    capabilities:
      - read_code
      - analyze_architecture
      - create_diagrams
    restrictions:
      - no_code_changes
 
  - name: developer
    role: "Senior Developer"
    capabilities:
      - read_code
      - write_code
      - run_tests
    guidelines:
      - "Follow SOLID principles"
      - "Write unit tests for new code"
 
  - name: reviewer
    role: "Code Reviewer"
    capabilities:
      - read_code
      - add_comments
    restrictions:
      - no_code_changes
    focus:
      - security
      - performance
      - maintainability

Фреймворки для построения агентов

LangChain / LangGraph

Популярный фреймворк для создания LLM-приложений и агентов.

from langgraph.graph import StateGraph
from langchain_openai import ChatOpenAI
 
# Определение состояния
class AgentState(TypedDict):
    messages: list
    next_step: str
 
# Создание графа
workflow = StateGraph(AgentState)
workflow.add_node("planner", planner_node)
workflow.add_node("executor", executor_node)
workflow.add_edge("planner", "executor")

Особенности:

Граф состояний для сложной логики
Встроенная поддержка инструментов
Память и персистентность

CrewAI

Фреймворк для создания команд AI-агентов.

from crewai import Agent, Task, Crew
 
# Определение агентов
researcher = Agent(
    role="Researcher",
    goal="Find relevant information",
    backstory="Expert in data analysis",
    tools=[search_tool, read_tool]
)
 
writer = Agent(
    role="Writer",
    goal="Create high-quality content",
    backstory="Professional technical writer"
)
 
# Создание задач
research_task = Task(
    description="Research the topic",
    agent=researcher
)
 
# Формирование команды
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential
)

AutoGen (Microsoft)

Фреймворк для conversational AI-агентов.

from autogen import AssistantAgent, UserProxyAgent
 
assistant = AssistantAgent(
    name="assistant",
    llm_config={"model": "gpt-4"}
)
 
user_proxy = UserProxyAgent(
    name="user_proxy",
    human_input_mode="NEVER",
    code_execution_config={"work_dir": "coding"}
)
 
user_proxy.initiate_chat(
    assistant,
    message="Create a Python script for data analysis"
)

Claude Code как агентная система

Claude Code — это CLI-агент от Anthropic с продвинутыми возможностями.

Архитектура Claude Code

┌─────────────────────────────────────────┐
│              Claude Code                │
├─────────────────────────────────────────┤
│  ┌─────────────┐  ┌─────────────────┐  │
│  │   Claude    │  │   Tool System   │  │
│  │   (Opus/    │  │  - Bash         │  │
│  │   Sonnet)   │  │  - Read/Write   │  │
│  └─────────────┘  │  - Edit         │  │
│         │         │  - Grep/Glob    │  │
│         ▼         └─────────────────┘  │
│  ┌─────────────┐                       │
│  │  Subagents  │  ┌─────────────────┐  │
│  │  - Explore  │  │     Memory      │  │
│  │  - Plan     │  │  - CLAUDE.md    │  │
│  │  - Custom   │  │  - .claude/     │  │
│  └─────────────┘  └─────────────────┘  │
└─────────────────────────────────────────┘

Режимы работы

Режим	Описание	Применение
Code	Прямое выполнение задач	Небольшие изменения
Plan	Планирование перед выполнением	Сложные фичи
Agent	Делегирование субагентам	Параллельные задачи

Субагенты Claude Code

Субагенты — это специализированные экземпляры Claude с ограниченным контекстом.

# Встроенные субагенты
- Explore: исследование кодовой базы
- Plan: создание планов реализации
- Bash: выполнение команд
 
# Кастомные субагенты
claude /config  # → Agents → Create

Конфигурация субагента:

# .claude/agents/security-reviewer.md
 
## Role
Security Code Reviewer
 
## Instructions
- Analyze code for security vulnerabilities
- Check for OWASP Top 10 issues
- Report findings with severity levels
 
## Capabilities
- Read files
- Search code (Grep, Glob)
 
## Restrictions
- No code modifications
- No command execution

Паттерны оркестрации агентов

ReAct (Reasoning + Acting)

Агент чередует размышления (reasoning) и действия (acting).

Thought: Нужно найти файл с определением API
Action: Grep("api.*endpoint")
Observation: Найден файл src/api/routes.ts
Thought: Теперь нужно прочитать его содержимое
Action: Read("src/api/routes.ts")
...

Plan-and-Execute

Сначала создаётся полный план, затем последовательное выполнение.

1. PLAN:
   - [ ] Изучить текущую архитектуру
   - [ ] Создать новый модуль
   - [ ] Написать тесты
   - [ ] Обновить документацию

2. EXECUTE:
   [Последовательное выполнение шагов]

Reflexion

Агент анализирует свои ошибки и корректирует поведение.

Attempt 1: Код не компилируется
Reflection: Забыл импортировать модуль
Attempt 2: Тесты падают
Reflection: Неправильная логика в условии
Attempt 3: Success

Best Practices

Проектирование агентов

Чёткие роли — каждый агент должен иметь ясную специализацию
Минимальные права — давать только необходимые инструменты
Явные инструкции — детальное описание ожидаемого поведения
Guardrails — ограничения для предотвращения нежелательных действий

Отладка агентов

# Включить verbose mode в Claude Code
claude --verbose
 
# Просмотр логов
cat ~/.claude/logs/latest.log
 
# Трассировка действий
bd trace <task-id>

Мониторинг

Логирование всех действий агентов
Метрики: время выполнения, количество итераций, использование токенов
Алерты на аномальное поведение

Base

Проводник