ИИ-боты и агенты для бизнеса

Как устроен production-агент в 2026 году

Современный агент - не просто чат-бот с LLM. Это многослойная система, где каждый слой отвечает за свою зону ответственности.

Оркестрация и паттерны. Три базовых паттерна покрывают почти все сценарии. ReAct (Reasoning + Acting) - модель получает задачу, рассуждает, вызывает инструмент, анализирует результат, повторяет. Подходит для диалоговых и поисковых сценариев. Plan-Execute-Reflect - агент строит план, исполняет по шагам, проверяет результат и корректирует план при отклонениях. Подходит для многошаговых задач с чёткими критериями: обработка документов, согласование, деплой. Supervisor-Worker - агент-супервайзер декомпозирует задачу и распределяет между агентами-исполнителями со специализацией. Подходит для сложных сквозных процессов.

Фреймворки. LangGraph v1.0 (октябрь 2025) - самый зрелый production-фреймворк с durable execution, checkpointing и human-in-the-loop из коробки. Используется в Uber, LinkedIn, Klarna, Replit. CrewAI - независимый MIT-фреймворк для ролевых multi-agent команд с архитектурой Flows (event-driven) и Crews (автономные команды). OpenAI Agents SDK - после апрельского обновления 2026 получил нативные sandbox-окружения, MCP-интеграцию и model-native harness. AG2 - наследник Microsoft AutoGen для коллаборативных multi-agent систем.

Инструменты и MCP. Model Context Protocol на Streamable HTTP - основной транспорт для подключения агентов к внешним системам. Каждый инструмент - функция с JSON Schema, описанием и флагом опасности. MCP-серверы предоставляют коннекторы к 1С (HTTP-сервисы), CRM (REST), корпоративной почте (IMAP/SMTP), SCADA (OPC UA), файловым системам и БД. Все ответы инструментов валидируются на соответствие схеме - это первая линия защиты от tool poisoning.

Память. Краткосрочная (sliding window истории диалога), долговременная (Mem0 - семантический поиск по прошлым взаимодействиям, Zep - темпоральный граф знаний с sub-200ms latency), процедурная (навыки агента, изученные в процессе работы). LangMem унифицирует memory-слой для агентов на LangGraph.

Безопасность. Применяем OWASP Top 10 for Agentic Applications как обязательный чек-лист. Входные guardrails: обнаружение prompt-инъекций, PII, стоп-слов. Выходные: проверка factuality и соответствия политике. Tool-call'ы с флагом «опасно» требуют human-in-the-loop. Песочницы (E2B, Daytona) изолируют исполнение кода от хостовой системы. MCP-серверы работают с минимальными привилегиями.

Наблюдаемость. Langfuse для трейсинга каждого шага: какие размышления привели к вызову инструмента, что вернул инструмент, как изменился план, сколько стоило. Prometheus + Grafana для latency, throughput, error rate по каждому агенту.

Когда агент не нужен

Если процесс линейный и не требует принятия решений - хватит обычного чат-бота с FAQ. Если данные в источнике неструктурированы настолько, что retrieval даёт только шум - сначала наведите порядок в данных. Если критична скорость ответа и нет времени на цепочку размышлений - используйте прямую классификацию или rule-based систему. Мы честно скажем, если агент - не лучшее решение для вашей задачи.