Чат ИИ-агентов в 2026: агент в чате и команды агентов

Под чатом с ИИ-агентами обычно понимают три разные вещи: чат, где модель не просто отвечает, а сама делает шаги (ищет, открывает файлы, запускает код), связку из нескольких агентов, которые делят одну задачу между собой, и чат-агента для клиентов на сайте или в Telegram. Разбираем все три: что работает в 2026 году, на каких инструментах и во что это упирается по деньгам.

Три разные вещи под одним названием

Разница принципиальная: инструменты, сложность и расходы в каждом случае свои.

• Агент в вашем чате. Вы описываете задачу, программа сама планирует шаги, ходит в интернет, открывает файлы, запускает код и возвращается с результатом.
• Несколько агентов в одной работе. Главный агент раздаёт куски задачи, остальные работают параллельно и обмениваются сообщениями между собой. Это то, что называют мультиагентными схемами.
• Чат-агент для клиентов. Виджет на сайте или бот в мессенджере, который отвечает вашим покупателям по вашей базе знаний.

Первые два варианта про вашу личную продуктивность, третий про сервис для чужих людей. Дальше по порядку.

Агент в чате: чем он отличается от обычной нейросети

Обычная модель выдаёт текст. Агент получает инструменты и работает циклом: составил план, вызвал инструмент, посмотрел результат, поправил план, пошёл дальше. Именно этот цикл превращает чат в рабочее место, а не в справочную. Разницу между агентом и обычным ботом мы подробно разбирали в материале про ИИ-агента простыми словами.

Что из этого доступно в 2026 году:

• Агентный режим ChatGPT. Сервис поднимает изолированный компьютер в облаке с браузером, терминалом и файловой системой: агент сам открывает сайты, заполняет формы, собирает таблицы. Режим работает на платных тарифах, на бесплатном его нет (OpenAI).
• Claude с подключёнными сервисами. Модель ходит в ваши рабочие инструменты и файлы прямо из окна чата, без копирования текста туда-обратно.
• Claude Code и Codex. Это агенты, которые работают с вашими файлами и кодом на компьютере. Основной способ для большинства это десктопные приложения: Claude Code и приложение ChatGPT с Codex. Версии для терминала и расширения для редакторов ставят те, кому так привычнее, а облачные варианты годятся для мелких поручений.

Практическая разница в том, как ставить задачу. Агенту нужен не вопрос, а поручение с критерием готовности: «найди, почему форма на сайте не отправляет заявку, почини и покажи, что теперь письмо доходит» работает заметно лучше, чем «расскажи про формы».

Несколько агентов: оркестратор и исполнители

Схема почти всегда одна и та же: главный агент разбивает задачу и раздаёт её исполнителям, каждый исполнитель работает в своём окне контекста, результаты собираются обратно. У Anthropic это оформлено двумя разными механизмами, и они хорошо показывают всю логику подхода.

• Субагенты. Помощники внутри одной сессии: у каждого свой контекст, свой системный промпт, свой список инструментов и своя модель, так что простой поиск можно отдать модели подешевле. Описание субагента это обычный markdown-файл в папке .claude/agents/ (документация Claude Code).
• Команды агентов. Полноценные параллельные сессии, которые берут задачи из общего списка и пишут напрямую друг другу через почтовые ящики. Функция экспериментальная и по умолчанию выключена, включается переменной CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS (документация).

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

В той же документации прописаны рабочие рамки, и они полезны даже тем, кто собирает свою схему на других инструментах: начинать с 3-5 участников, держать примерно по 5-6 задач на каждого, давать каждому свой набор файлов, чтобы они не перезаписывали работу друг друга, и не оставлять команду надолго без присмотра. Вложенных команд нет: участник не может собрать собственную подкоманду, а после перезапуска сессии участники не восстанавливаются.

Похожая логика есть в визуальных конструкторах, где сценарий из нескольких агентов собирают мышкой на холсте. Тут стоит помнить, что инструменты в этой области живут недолго: OpenAI объявила, что её визуальный Agent Builder отключат 30 ноября 2026 года. Схема, собранная внутри чужого редактора, переносится тяжелее, чем текстовые описания ролей.

Как агентный режим устроен внутри одной конкретной системы, мы показывали в разборе агентов Claude: там же про субагентов и про то, где проходит граница самостоятельности.

Сколько это стоит и где начинается демо ради демо

Главная цифра, которую стоит держать в голове перед сборкой схемы из ролей. По замерам Anthropic агент тратит примерно в 4 раза больше токенов, чем обычный чат, а мультиагентная система примерно в 15 раз больше чата. Там же отмечено, что расход токенов сам по себе объясняет около 80% разницы в качестве результата (Anthropic Engineering).

Отсюда честный вывод. Команда агентов оправдана там, где задачу правда можно разложить на независимые куски: сбор информации по разным источникам, ревью с нескольких сторон, проверка конкурирующих версий одной проблемы. В тех же материалах Anthropic сказано прямо, что подход плохо работает, когда всем агентам нужен один и тот же контекст, когда шаги зависят друг от друга и на большинстве задач по коду, где параллелить особо нечего.

Признаки того, что схема из ролей здесь лишняя:

• Задача линейная: второй шаг нельзя начать, пока не готов первый.
• Агентам нужен один и тот же контекст, и они тратят половину работы на пересказ его друг другу.
• Результат всё равно проверяет человек, и на проверку уходит больше времени, чем сэкономила параллельность.
• Схема существует ради красивой картинки с ролями («аналитик», «критик», «редактор»), а не ради конкретного результата.

Начинайте с одного агента и хорошего описания задачи. Второго добавляйте только тогда, когда точно знаете, какой кусок работы отдаёте ему целиком и как проверите то, что он принесёт.

По теме: Локальный ИИ-агент в 2026: как запустить на своём компьютере

Что из этого доступно из России

• GigaChat от Сбера. Модели умеют вызывать функции, на этом собирают агентов, документация и примеры лежат в портале разработчика Сбера. Доступ и оплата российские.
• Yandex AI Studio. Платформа Yandex Cloud с моделями, конструктором агентов и подключением внешних инструментов, API совместимы с привычным форматом OpenAI (aistudio.yandex.ru).
• n8n. Конструктор сценариев с узлом ИИ-агента: его можно поставить на свой сервер, ключи моделей подключаете свои (тарифы).
• ChatGPT и Claude. Работают, но упираются в доступ и способ оплаты из России, поэтому под них у нас есть отдельные подробные инструкции.

Если задача внутренняя (разбор документов, отчёты, черновики), российская платформа часто закрывает её без лишних сложностей. Если нужен агент, который сам пишет и правит код в вашем проекте, сильнее пока связки на базе Claude Code и Codex.

Третий вариант: чат-агент для клиентов

Это соседняя, но другая задача. Здесь агент отвечает не вам, а вашим покупателям: подбирает товар, отвечает по базе знаний, записывает на услугу, передаёт сложный случай человеку. Технически внутри тот же цикл с инструментами, но требования переворачиваются: предсказуемость важнее самостоятельности, а всё, что касается денег и персональных данных, ограничивают жёстко.

Как собрать такого помощника, разобрано отдельно: чат-бот на нейросети для сайта и обзор задач, которые закрывают чат-боты для бизнеса.

По теме: Нейросеть в телеграм-боте 2026: как подключить и сколько стоит

Как попробовать за вечер

1. Выберите одну задачу. Такую, которую делаете руками и легко проверите: собрать таблицу цен конкурентов, разобрать папку с документами, починить одну страницу сайта.
2. Начните с одного агента. Опишите задачу, критерий готовности и то, что трогать нельзя. Это уже половина результата.
3. Посмотрите, где он застрял. Обычно причина не в «слабой модели», а в нехватке доступа к нужному инструменту или в размытом критерии готовности.
4. Делите задачу только на независимые части. Например, один агент собирает данные, второй проверяет их на противоречия и не трогает исходники.
5. Замерьте время и расход. Если связка из трёх агентов сделала то же самое дольше и дороже, честно вернитесь к одному.

Такой вечер даёт больше понимания, чем десяток схем с квадратиками: становится видно, что агенты выигрывают на рутине с понятной проверкой и проигрывают там, где задачу ещё нужно сформулировать.

Частые вопросы

Чем ИИ-агент отличается от чат-бота?

Чат-бот отвечает текстом по сценарию или по базе знаний. Агент получает инструменты и выполняет шаги: ищет, открывает файлы, запускает код, проверяет результат. Внутри может работать одна и та же модель, разница в правах и в цикле работы.

Нужно ли уметь программировать, чтобы собрать связку из нескольких агентов?

Чтобы попробовать, нет: и в Claude Code, и в конструкторах вроде n8n роли описываются обычным текстом. Дальше начинается инженерия: где хранятся данные, что делать при ошибке, кто отвечает за действия с деньгами. Это осваивают на практике, по мере усложнения своих задач.

Сколько агентов ставить в команду?

В документации Claude Code советуют начинать с 3-5 участников и держать примерно по 5-6 задач на каждого. Больше участников это больше согласований и токенов, а прирост скорости быстро выдыхается (документация).

Можно ли обойтись одним агентом?

В большинстве личных задач да. Один агент с хорошим описанием работы и доступом к нужным инструментам закрывает почти всё, что делают руками за компьютером. Несколько агентов нужны, когда работа объективно распадается на независимые ветки.

Работает ли всё это на русском языке?

Да. Крупные модели понимают русский, а российские платформы на него и рассчитаны. Ограничение обычно не в языке, а в доступе агента к вашим данным и инструментам.