Разработка ИИ-агентов в 2026: архитектура, инструменты и с чего начать

ИИ-агента разрабатывают из четырёх частей: языковой модели, инструментов, памяти и цикла с лимитами. В 2026 году для кода берут Claude Agent SDK, OpenAI Agents SDK или Qwen-Agent, для сборки без кода используют n8n, а внешние инструменты подключают через MCP. Начните с одной задачи и одного инструмента только для чтения, прогоните краевые случаи, задайте лимиты и включите журнал перед запуском. У собственного агента на API в расходы входят токены, платформа, сервер и время людей; стоимость ИИ-агента зависит от выбранного способа сборки.

Визуальный путь подходит, если вы хотите создать ИИ-агента на готовых конструкторах. Здесь речь о технической стороне: как устроен цикл, чем подключать инструменты и когда переносить логику в код. ИИ-агент отличается от обычного чат-бота тем, что сам выбирает действия для поставленной задачи.

Что такое ИИ-агент с точки зрения разработки

С точки зрения разработчика ИИ-агент работает в цикле: модель получает цель, выбирает действие, инструмент выполняет его, а результат возвращается модели. Это может быть поиск в интернете, вызов функции или запись файла. Обычный запрос к нейросети проходит в один ход: вы спросили, модель ответила. В OpenAI Agents SDK цикл завершается, когда модель выдаёт финальный ответ без новых вызовов инструментов или срабатывает лимит шагов. Лимит max_turns по умолчанию равен 10; max_turns=None отключает его. Финальный ответ надо сверить с задачей: его появление ещё не означает, что нужное действие выполнено. Разработать агента означает собрать этот цикл и описать действия, которые модель сможет выбирать.

В основе агентской системы лежит LLM с инструментами, памятью и планированием, где модель служит мозгом, который читает задачу, рассуждает и выбирает следующее действие (Хабр, Selectel). Планирование часто реализуют приёмами вроде chain-of-thought и ReAct: модель рассуждает и чередует мысль с действием.

Из чего состоит ИИ-агент

Агенту нужны модель, инструменты, память и среда, которая запускает цикл. Модель выбирает действие, но выполнить его, вернуть результат и остановить цикл должна программа; название фреймворка не меняет это устройство.

• Модель (LLM) рассуждает и решает, что делать дальше. От её качества зависит, насколько разумно агент выбирает действия.
• Инструменты (tools) выполняют действия: поиск в вебе, запрос к базе, отправку письма, запуск кода. Разработчик описывает каждую функцию, а модель решает, когда её вызвать.
• Память хранит контекст текущей задачи и факты между сессиями. Краткосрочная нужна для текущего диалога, долгосрочная сохраняет, например, предпочтения пользователя или прошлые результаты.
• Оркестрация запускает цикл, вызывает инструменты по команде модели и следит за памятью. От бесконечной петли защищает заданный лимит, поэтому его настройку надо проверить отдельно.

Фреймворк реализует эти четыре части, но какие инструменты доступны модели, где хранить историю и когда останавливать цикл, решаете вы.

В Claude Agent SDK параметры max_turns и max_budget_usd по умолчанию не ограничивают ни число шагов, ни бюджет. Задайте оба под свою задачу, чтобы цикл остановился при достижении выбранного предела, даже если модель продолжает вызывать инструменты.

По теме: Qwen Agent: какой ИИ-агент Qwen выбрать и как запустить безопасно

Выбрать визуальный конструктор или код

Для типового сценария можно взять визуальный конструктор; для своей логики, инструментов и тестов удобнее код.

Визуальные конструкторы (no-code). Вы собираете логику агента мышкой из блоков, без программирования. Это быстрый способ сделать типовой сценарий: бота поддержки, ассистента по документам, простую автоматизацию. У бесплатных ИИ-агентов есть ограничения готовых сервисов: нестандартную логику не всегда удаётся собрать из доступных блоков.

Код (фреймворки). Вы описываете агента на Python или JavaScript через фреймворк. Так можно добавить свои инструменты и память, сложную многошаговую логику, тесты и версионирование. Порог входа выше, но писать код помогает ИИ. Перенос имеет смысл, когда конструктор не даёт выразить нужную логику или подключить нужный инструмент.

Чем собирать агента в 2026

Для агента с кодом доступны Claude Agent SDK, OpenAI Agents SDK, Qwen-Agent, LangGraph и CrewAI; для визуальной сборки есть n8n. В OpenAI Agents SDK цикл запускает Runner, в Claude Agent SDK его ведёт query(). В LangGraph вы сами описываете узлы и переходы графа, поэтому степень контроля над шагами у этих подходов различается.

Claude Agent SDK даёт тот же цикл, инструменты и управление контекстом, что у Claude Code. Встроенные инструменты читают, пишут и правят файлы, запускают команды и ищут в интернете; библиотека также поддерживает хуки, субагентов, MCP, права и сессии. Через сессии можно сохранять контекст между обменами, продолжать диалог или ответвлять его (возможности Claude Agent SDK).

Под этим именем библиотека Anthropic выходит с 29 сентября 2025 года: тогда Claude Code SDK переименовали в Claude Agent SDK. Python-пакет называется claude-agent-sdk, пакет для TypeScript и JavaScript называется @anthropic-ai/claude-agent-sdk.

Установите pip install claude-agent-sdk для Python 3.10+ или npm install @anthropic-ai/claude-agent-sdk для Node.js 18+. Ключ Claude API из Claude Console задают в ANTHROPIC_API_KEY; также поддерживаются Amazon Bedrock, Google Cloud и Microsoft Foundry. Цикл запускает query() с ClaudeAgentOptions(allowed_tools=[...]). Для стороннего продукта на Agent SDK используйте API-ключ; вход через аккаунт claude.ai и лимиты его подписки не предлагайте (установка и авторизация).

OpenAI Agents SDK устанавливают командой pip install openai-agents: нужен Python 3.10+ и ключ в OPENAI_API_KEY. Пакет объединяет агентов с инструкциями и инструментами, передачу задачи другому агенту вместе с контекстом (handoffs), ограничители (guardrails) для проверки входа и выхода, сессии с историей, встроенную трассировку и вызов инструментов MCP-серверов (возможности OpenAI Agents SDK). Для запуска из России учитывайте условия доступа к OpenAI API.

OpenAI Agents SDK вышел 11 марта 2025 года и сменил экспериментальный Swarm. Его можно использовать с моделями других разработчиков: README репозитория SDK указывает поддержку более 100 LLM помимо моделей OpenAI.

Qwen-Agent подходит для агента на моделях Qwen: Python-фреймворк поддерживает вызов функций, RAG и MCP. Команда pip install -U qwen-agent ставит минимальный набор для вызова функций, для RAG и MCP нужны дополнения: pip install -U "qwen-agent[rag,mcp]". Модель можно запускать локально через Ollama без аккаунтов и карт, подключая её к фреймворку (репозиторий Qwen-Agent).

В n8n агента собирают в узле AI Agent: подключают чат-модель и хотя бы один инструмент, после чего агент решает, какой инструмент вызвать. Без подузла инструмента этот узел работать не будет (документация AI Agent). Для типового сценария логика в n8n собирается визуально; код добавляют, когда нужны свои действия.

n8n поддерживает модели OpenAI, Anthropic и Google, инструменты и подузлы памяти; для MCP есть MCP Client и MCP Server Trigger (AI в n8n). При самостоятельной установке n8n Community бесплатна, Cloud Starter стоит 20 € в месяц при годовой оплате.

• LangGraph описывает агента как граф: узлы задают шаги и инструменты, рёбра задают переходы между ними. Подходит, когда нужен явный контроль и предсказуемость.
• В CrewAI агенты выполняют роли в команде и передают друг другу задачи. Это быстрый способ собрать прототип из нескольких агентов; он работает с моделями OpenAI, Anthropic и локальными через Ollama (модели в CrewAI).

Сначала определите, нужен один агент или команда, какие шаги требуют строгого контроля и на каком языке вам удобнее писать код. Эти условия помогут выбрать фреймворк. Если задачу уже решает готовый сервис, сравните готовых ИИ-агентов по их сильным сторонам перед собственной сборкой.

Как написать агента с помощью вайбкодинга

При вайбкодинге вы описываете, что должен делать агент, а инструмент разработки пишет и запускает код по этому описанию. Так можно перейти от конструктора к коду, не заучивая весь фреймворк заранее: вы получаете более гибкую логику, но всё равно должны проверить выбранные инструменты и результат.

Десктопные приложения. Для старта можно взять приложение с графическим интерфейсом. У OpenAI агент Codex встроен в приложение ChatGPT для Windows и macOS; на Windows его устанавливают из Microsoft Store.

Claude Code открывается во вкладке Code приложения Claude для macOS, Windows и Linux, где Linux пока в бета-версии (запуск Claude Code на компьютере). Как дать Claude Code первую задачу, показано по шагам.

CLI и расширения для редакторов. Они подходят, если вам привычнее терминал или IDE. Claude Code можно запускать в терминале. Облачные версии в браузере тоже есть, но для старта они менее удобны. Для вайбкодинга агента выбор между инструментами помогает сделать сравнение Codex, Claude Code, Cursor и Copilot.

Возьмите одну узкую задачу агента: получить данные, обработать их и вернуть ответ. Соберите этот минимум в вайбкодинге, убедитесь, что цикл работает, и усложняйте его по мере необходимости. Агент, который надёжно делает одно дело, полезнее большого, который путается в десяти.

По теме: ИИ-агент через API: как собрать безопасный рабочий цикл

Как подключить инструменты через MCP

Подключите готовый MCP-сервер к клиенту с поддержкой MCP и настройте ключи, права доступа и разрешённый набор инструментов. Клиент получает список инструментов, а модель выбирает, когда их вызвать. Сообщения MCP используют JSON-RPC 2.0; текущая версия спецификации на 7 октября 2026 года датирована 2026-07-28 (архитектура протокола).

MCP (Model Context Protocol) задаёт единый интерфейс для подключения агента к внешним инструментам, базам и сервисам. Anthropic представила открытый протокол 25 ноября 2024 года; до появления общего интерфейса каждый инструмент приходилось подключать вручную и по-своему.

9 декабря 2025 года Anthropic передала MCP в Agentic AI Foundation, фонд под Linux Foundation. Его сооснователи Anthropic, Block и OpenAI; среди поддержавших фонд Google, Microsoft, AWS, Cloudflare и Bloomberg. На дату передачи Anthropic сообщала о более чем 10 000 активных публичных MCP-серверов (объявление о передаче MCP).

С MCP работают Claude Agent SDK, OpenAI Agents SDK, n8n, Qwen-Agent, Claude Code и Codex. Например, в OpenAI Agents SDK есть вызов инструментов MCP-серверов. Подключайте сервер к выбранному клиенту и разрешайте только нужные действия; для файлов или базы данных доступ должен соответствовать вашей задаче. Подключение MCP к Claude помогает собрать такой вариант без отдельной интеграции для каждого инструмента.

С чего начать разработку своего агента

Начните с одной задачи и инструмента только для чтения. После прототипа добавляйте память и другие действия по мере необходимости; до запуска задайте лимиты и проверьте на нестандартных запросах, какие инструменты выбирает модель.

1. Сформулируйте одну задачу. Например, агент читает письма и делает саммари или отвечает по вашей базе знаний.
2. Соберите прототип в конструкторе или вайбкодингом. Проверьте на этой узкой задаче, как проходят шаги: модель выбирает действие, инструмент выполняет его, результат возвращается модели.
3. Определите инструменты. Выпишите нужные действия (поиск, запрос к API, запись файла) и подключайте их по одному. Начните с инструмента только для чтения, прежде чем давать агенту изменять данные.
4. Добавьте память, если задача её требует. Для одноразового ответа хватит контекста; история одного диалога относится к краткосрочной памяти. Долгосрочная нужна, чтобы переносить факты между разными сессиями (виды памяти).
5. Перенесите в код, если конструктор ограничивает нужную логику. Выберите фреймворк под задачу и опишите агента, помогая себе вайбкодингом.
6. Тестируйте на реальных примерах. Прогоняйте нестандартные запросы и смотрите, где модель выбирает не то действие. Для проверки краевых случаев используйте сценарии тестирования ИИ-агентов.
7. Поставьте лимиты. Задайте max_turns, а в Claude Agent SDK также max_budget_usd: по умолчанию Claude Agent SDK не ограничивает ни число шагов, ни бюджет.
8. Ведите журнал действий. Проверяйте, какой инструмент и с какими аргументами выбрала модель: в OpenAI Agents SDK есть встроенная трассировка. В Claude Agent SDK используйте хуки до и после вызова инструментов, а отправку сообщений и изменение данных оставьте на ручном подтверждении через настройку прав (хуки и права Claude Agent SDK).

В OpenAI Agents SDK историю между запусками ведёт сессия, которую передают через session=... (сессии SDK).

По теме: n8n и ИИ-агенты: собрать безопасный сценарий с нуля

Минимальный агент на OpenAI Agents SDK

Этот агент читает статус заказа из тестового словаря; инструмент ничего не меняет. Установите pip install openai-agents, задайте ключ в OPENAI_API_KEY, а max_turns=5 ограничит цикл. Декоратор @function_tool превращает функцию в инструмент, Runner.run_sync(agent, ...) запускает цикл, а result.final_output содержит итоговый текст модели (инструменты SDK).

from agents import Agent, Runner, function_tool

ORDERS = {"A-100": "отправлен", "A-101": "собирается"}


@function_tool
def get_order_status(order_id: str) -> str:
    """Вернуть статус тестового заказа по его номеру."""
    return ORDERS.get(order_id, "заказ не найден")


agent = Agent(
    name="Помощник по заказам",
    instructions="Отвечай о статусе заказа только по данным get_order_status.",
    tools=[get_order_status],
)

result = Runner.run_sync(agent, "Где мой заказ A-100?", max_turns=5)
print(result.final_output)

Модель в примере не указана, поэтому SDK возьмёт модель по умолчанию; свою задают параметром model= у Agent. Формулировка ответа меняется от запуска к запуску, поэтому сверяйте его со словарём и с журналом вызовов в трассировке.

Как работать с агентом из России

Для работы из России есть варианты без VPN: Yandex AI Studio, GigaChat или локальная модель через Ollama с Qwen-Agent. России нет в списках поддерживаемых стран OpenAI API и Anthropic; для зарубежного API на практике агента держат на сервере в поддерживаемой стране, на своём компьютере работают через VPN с адресом той же страны, аккаунт и карту оформляют на неё же, а регион не меняют туда-сюда, чтобы снизить риск блокировки. Это не гарантирует доступ. Для оплаты в рублях выбирайте Yandex AI Studio или агента на GigaChat. В Yandex AI Studio агента собирают в Agent Atelier, через Responses API или фреймворки вроде OpenAI SDK и LangGraph; встроены File Search, Web Search, MCP Tool и Code Interpreter (инструменты Yandex AI Studio). Локальный вариант Qwen-Agent работает без аккаунтов и карт.

Частые вопросы

Нужно ли уметь программировать, чтобы разработать агента?

Чтобы начать, нет. Простого агента собирают в визуальном конструкторе без кода, а более гибкого, вайбкодингом, где код пишет ИИ по вашему описанию. Знание основ пригодится, когда захотите тонко управлять логикой и инструментами, но это не входной барьер.

Какой язык нужен для разработки агентов?

Чаще всего используют Python: у большинства фреймворков есть Python-версия, в том числе у LangGraph, CrewAI, OpenAI Agents SDK, Qwen-Agent и Claude Agent SDK. JavaScript и TypeScript тоже поддерживаются, в том числе в Claude Agent SDK. Если идёте через вайбкодинг, инструмент помогает написать код на выбранном языке по вашему описанию задачи.

Чем разработка агента отличается от создания чат-бота?

Чат-бот отвечает на сообщения, агент выполняет задачи: сам выбирает действия, вызывает инструменты и работает по шагам. У агента есть цикл действий, память и доступ к инструментам, у обычного бота, как правило, нет. В OpenAI Agents SDK цикл заканчивается финальным ответом без новых вызовов инструментов либо достижением лимита; результат задачи всё равно надо проверить.