Что умеют агенты для кода
Агент для кода отличается от подсказок в редакторе. Подсказка дописывает строку, а агент получает задачу целиком: читает проект, меняет несколько файлов, запускает тесты и повторяет, пока тесты не пройдут.
Цикл у таких агентов общий. Anthropic описывает его так: собрать контекст, сделать действие, проверить результат, повторить. 29 сентября 2025 года компания переименовала Claude Code SDK в Claude Agent SDK, а внешние сервисы к нему подключают через протокол MCPMCP. MCP (Model Context Protocol) это открытый стандарт, через который ИИ-приложения подключаются к инструментам и данным: файлам, CRM, базам, сервисам..
OpenAI 11 марта 2025 года выпустила открытый Agents SDK с передачей задач между агентами, ограничителямиограничители. Ограничители (guardrails) это проверки и правила вокруг языковой модели, которые не пускают в нее опасные запросы и не выпускают из нее недопустимые ответы и действия. и трассировкой, то есть записью каждого шага агента. Для кода трассировка особенно полезна: по ней видно, какие команды агент запускал и почему.
Чаще всего агенту поручают типовую работу: черновик функции, тесты, перенос кода на новую версию библиотеки, разбор чужой ошибки по журналу. Чем больше решение зависит от договоренностей в компании, которых нет в коде, тем больше правок потом вносит человек.
Отсюда и слово вайбкодингвайбкодинг. Вайбкодинг (vibe coding) это способ делать программы, при котором человек описывает задачу словами, а код пишет нейросеть, и человек почти не вникает в сам код.: так называют разработку, при которой человек описывает задачу словами, а код почти целиком пишет ИИ. Для прототипа это работает, для системы с деньгами и данными клиентов без проверки нет.
Как меняется цена разработки
Агент сокращает время на написание кода, но не на решение, что писать, и не на проверку. В бюджете проекта это видно так: типовые части дешевеют, а доля работы архитектора и проверяющего растет.
Доверие к результату пока ниже, чем использование. В том же опросе Stack Overflow точности ИИ-инструментов не доверяют 46% разработчиков, а доверяют 33%.
Есть и обратная сторона: код появляется быстрее, чем его успевают прочитать. Если команда принимает изменения агента без ревью, экономия на написании уходит на исправление ошибок после выпуска.
Выгоду считают по задачам, а не по строкам кода: сколько задач команда закрывала в месяц до агентов и сколько после, при том же числе ошибок после выпуска.
Для заказчика вывод простой. Типовой агент или интеграция собирается из открытых блоков, и агенты для кода ускоряют эту сборку. Если за такую работу просят как за уникальную разработку, спросите, из чего цена, и оплачивайте результат по метрике, а не часы.
Сколько стоит агент на конструкторе и под ключ, мы разобрали на странице о стоимости ИИ-агентаИИ-агент. ИИ-агент это нейросеть, которая сама выполняет задачу по шагам: ищет данные и пользуется программами, а в конце проверяет результат..
Проверка кода
Код агента выглядит готовым, и в этом риск. 66% разработчиков в опросе Stack Overflow 2025 года назвали главной проблемой решения ИИ, которые «почти верны, но не совсем».
Безопасность отдельная тема. Veracode в июле 2025 года проверила больше 100 моделей: 45% образцов кода, написанного ИИ, не прошли тесты безопасности, а на Java доля провалов дошла до 72%. Новые и крупные модели писали более рабочий код, но безопасность у них не выросла.
1. Тесты пишут или утверждают люди до того, как агент возьмется за код: тест фиксирует, что считается правильной работой.
2. Каждое изменение агента проходит ревью, то есть чтение кода другим разработчиком, как изменение сотрудника.
3. До слияния с основным кодом изменения проверяют сканером уязвимостей.
4. Агенту запрещают менять тесты, чтобы они прошли. Такую правку ищут в ревью в первую очередь.
Агент сдает изменения небольшими частями, чтобы каждую можно было прочитать за один подход. Огромную правку на сотни строк проверяют хуже, и ошибки в ней проходят.
Метрика приемки та же, что у людей: сколько изменений агента приняли без правок и сколько ошибок нашли после выпуска.
Безопасность и доступы
Агент для кода запускает команды на компьютере разработчика или на сервере. Ошибка в команде или вредная инструкция в прочитанном файле могут удалить данные или отправить ключи наружу.
Поэтому права настраивают до первой задачи. Например, по документации Claude Code в ручном режиме агент начинает с прав только на чтение и спрашивает разрешение, прежде чем менять файлы, запускать тесты или команды. За проверку предложенного кода и команд отвечает пользователь.
Правила для компании: агент работает в отдельной папке или контейнере без доступа к рабочей базе клиентов, ключи от рабочих систем ему не выдают, каждое действие пишется в журнал.
Новые библиотеки, которые предлагает агент, одобряет человек: каждая библиотека это чужой код внутри вашей программы. Внешние сервисы подключают через серверы MCP, и документация Claude Code советует ставить только серверы от поставщиков, которым вы доверяете, или писать свои.
Исходный код и данные клиентов не отправляют внешнему поставщику модели без решения компании. Если отдавать их наружу нельзя, агента запускают на открытой модели внутри компании, подробно на странице о локальном агенте.
Как начать в компании
Начните с одной команды и одного типа задач, где результат проверяют тесты: тесты к готовому коду, перенос на новую версию библиотеки, исправление ошибок по журналу. Anthropic объясняет, почему код хорошо подходит агентам: их решения проверяются автоматическими тестами.
До запуска запишите три числа за последний квартал: сколько задач команда закрывает в месяц, сколько ошибок находят после выпуска и сколько времени занимает ревью. Через квартал работы с агентом сравните те же три числа.
Правило решения такое. Задач стало больше, а ошибок после выпуска не прибавилось: агента дают следующей команде. Ошибок стало больше: сначала усиливают тесты и ревью и только потом расширяют работу агентов.
Заранее решите, на какой модели агент будет работать. России нет в списке стран, где поддерживается API OpenAI, и в политике регионов Anthropic, которая действует с 12 мая 2026 года. Для постоянной работы с кодом компании надежнее открытая модельмодель с открытыми весами. Модель с открытыми весами (open-weights model) это нейросеть, файлы параметров которой можно скачать и запустить на своем оборудовании. на своем сервере: DeepSeek R1 вышла в январе 2025 года на лицензии MIT, семейство Qwen 3 в апреле 2025 года на Apache 2.0.