🤖 ИИ-агенты

Разница между чат-ботом и автономным агентом

Почему каждый инструмент раньше подключали к агенту отдельной обвязкой и что меняет открытый протокол MCP

Чем AI Agent-нода в n8n отличается от обычной цепочки шагов и на что смотреть, когда агент застрял в цикле

Чем агент отличается от чат-бота, почему первый агент обычно ломается и где бесплатно научиться — с сертификатом

Anthropic делится наблюдениями из реальных проектов: чем агент отличается от воркфлоу и когда агент вообще не нужен. Разобраны пять рабочих паттернов — цепочка промптов, роутинг, параллелизация, оркестратор-воркеры, evaluator-optimizer. Базовый текст, на который ссылается большинство инженерных блогов.

Практическое руководство по дизайну tool-интерфейсов: как формулировать описания и параметры, чтобы модель реже ошибалась в выборе инструмента. На кейсе с SWE-bench показано, что одно переписывание описаний заметно подняло качество работы агента.

Свежий гайд команды Cursor: Plan Mode перед генерацией кода, когда чистить контекст между задачами, когда заводить Rules и Skills, ревью диффов в реальном времени, параллельные и облачные агенты. Для тех, кто освоил азы и хочет более зрелый процесс.

Официальное введение в MCP — открытый протокол для подключения ИИ-приложений к внешним данным и инструментам (по аналогии с USB-C). Объясняет роли хоста, клиента и сервера, дальше ведёт к практическим гайдам. Точка входа перед тем, как писать свой MCP-сервер.

Обзор LangGraph — low-level фреймворка для оркестрации агентов, которым пользуются Klarna, Uber, J.P. Morgan. Показывает граф из узлов и рёбер, устойчивость к сбоям (агент возобновляется после падения), human-in-the-loop и память. Есть минимальный пример.

Официальный гайд из пяти привычек: конкретный запрос вместо расплывчатого, планирование сложных задач заранее, передача агенту скриншотов, тестирование как настоящий пользователь и откат через чекпоинты. Точка входа для первого приложения без опыта — объясняет роль заказчика, а не программиста.

Лёгкий продакшн-фреймворк на трёх примитивах: агенты, handoffs (передача задачи другому агенту) и guardrails (проверка входа/выхода). Документация ведёт от быстрого старта к памяти, песочницам и оркестрации нескольких агентов. Для тех, кто строит на моделях OpenAI.

Официальная документация фреймворка для мультиагентных систем, где роли, память и инструменты собираются в «crew», а последовательность шагов управляется через «flows». Есть быстрый старт и шаблоны. Подходит тем, кто хочет ролевую модель агентов, а не одну модель с набором инструментов.

Обзор SDK, который даёт программный доступ к тому же агентному циклу и управлению контекстом, что работают внутри Claude Code — на Python и TypeScript. Показывает встроенные инструменты, хуки, субагентов и подключение MCP-серверов.

Framework объединяет простые абстракции агентов из AutoGen с корпоративными возможностями Semantic Kernel (состояние, типизация, телеметрия) и добавляет графовые workflow. Microsoft прямо называет его следующим поколением обоих проектов и даёт гайд миграции с AutoGen.

Страница n8n объясняет разницу между обычной цепочкой шагов и агентом, который сам решает, какой инструмент вызвать. Показывает, что при выполнении агент проходит несколько внутренних циклов — это важно понимать при отладке workflow.

Официальная документация по function calling в Ollama — с примерами на curl, Python и JS для одиночного вызова, параллельных вызовов и многошагового цикла, где модель сама решает, когда обращаться к инструментам. Для агентов на локальных моделях без внешних API.