AI-агент простыми словами: как он устроен и где реально помогает
Разбираю механику AI-агентов: из чего собран цикл принятия решений и какие задачи ему можно отдать. Плюс частые поломки, которые видно только на практике.
Слово «агент» за пару лет затёрлось: им называют и скрипт с одним запросом к модели, и платформу за тысячи долларов в месяц. Разбираю механику — что внутри, где работает, где ломается.
Что такое AI-агент
AI-агент — это языковая модель, которой дали цель, набор инструментов и право самой выбирать, в каком порядке эти инструменты применять.
Обычный запрос к модели устроен просто: вход → выход. Агент работает циклом:
- читает задачу и текущее состояние;
- выбирает действие — вызвать инструмент, задать вопрос, выдать ответ;
- выполняет действие и получает результат;
- смотрит на результат и решает, что делать дальше.
Цикл крутится до достижения цели или до срабатывания ограничителя — лимита шагов или бюджета.
Слово «сам» здесь ключевое. Когда порядок шагов прописан в коде заранее, перед вами автоматизация с моделью внутри. Штука предсказуемая и дешёвая, я такие использую чаще, чем полноценных агентов. Агентом конструкция становится в момент, когда маршрут выбирается на ходу.
Из чего собран любой агент
Модель. Двигатель цикла. От неё зависит, насколько разумно выбираются следующие шаги.
Инструменты. Функции, которые агент может вызвать: поиск, чтение файла, запрос к базе, отправка письма, запуск кода. Инструмент описывается текстом — имя, назначение, параметры. Модель читает описание и решает, подходит ли оно под текущий шаг.
Контекст. То, что агент помнит внутри задачи, и то, что подтягивает снаружи — документы, историю переписки, данные из рабочей системы.
Ограничители. Лимит шагов, список разрешённых действий, точки подтверждения человеком. Про эту часть забывают ровно до того момента, пока агент не сделает чего-нибудь необратимого.
Чем агент отличается от чат-бота
Чат-бот отвечает текстом. Агент меняет состояние мира: создаёт файл, правит таблицу, отправляет сообщение, открывает тикет.
Отсюда простой критерий для оценки риска. Задайте вопрос: что худшее случится, если система ошибётся на третьем шаге? Для бота ответ звучит как «человек прочитает ерунду». Для агента — «в CRM появилось двести кривых записей».
Какие задачи отдаются агенту
По моему опыту, хорошо идут задачи с такими признаками: результат проверяем, ошибка дёшево откатывается, шагов много, каждый шаг сам по себе скучный.
- Работа с кодом. Прочитать репозиторий, внести правку, прогнать тесты, повторить при падении. Тесты дают агенту обратную связь, и это главное условие успеха.
- Разбор входящего потока. Письма, заявки, отзывы: классифицировать, вытащить нужные поля, положить в таблицу, спорное отдать человеку.
- Сбор информации. Обойти десяток источников и свести результат в таблицу со ссылкой на каждый источник.
- Рутина в документах. Собрать отчёт из нескольких выгрузок, сверить цифры, оформить по шаблону.
Плохо идёт обратное: задачи без критерия проверки, с необратимыми действиями и с ценой ошибки, которую замечают через месяц.
Что ломается на практике
Цикл уходит в сторону. Агент повторяет один и тот же вызов или бесконечно уточняет план. Лечится лимитом шагов и более узкой формулировкой цели.
Инструментов слишком много. Когда на выбор двадцать функций с похожими описаниями, модель начинает промахиваться. Оставьте пять нужных, остальные уберите.
Контекст распухает. В длинных задачах середина истории теряется, и агент забывает исходную цель. Помогает промежуточное резюме и перезапуск с чистого листа.
Уверенный отчёт о провале. Агент пишет «готово», хотя половина шагов не прошла. Требуйте артефакт: ссылку, файл, вывод команды. Формулировка «покажи вывод тестов» дисциплинирует сильнее любой инструкции про честность.
С чего начать
Возьмите задачу, которую делаете руками каждую неделю и в которой сразу видно, получилось или нет. Опишите её шагами — так, как объяснили бы стажёру в первый день.
Дальше минимальный набор: два-три инструмента, ограничение по числу шагов, подтверждение перед любым действием, которое уходит наружу. Прогоните на реальных данных десяток раз и посмотрите на провалы. Почти всегда причина найдётся в размытой цели или в кривом описании инструмента.
Потом добавляйте по одному инструменту за раз. Порядок скучный, зато видно, какое изменение что сломало.