Как работает ИИ-агент простыми словами

Что такое ИИ-агентИИ-агент ИИ-агент это нейросеть, которая не просто отвечает, а сама выполняет задачу по шагам: ищет данные, пользуется программами и проверяет результат. Подробнее в словаре и чем он отличается от бота, мы разобрали в отдельной статье. Здесь только механика: что происходит внутри, пока агент решает задачу.

Цикл агента состоит из пяти звеньев.

1. Задача: сообщение клиента, письмо или поручение сотрудника.

2. Рассуждение: какой шаг сделать. Модель читает задачу, инструкцию и все, что уже известно, и выбирает следующий шаг.

3. Действие: вызов инструмента. Агент ищет заказ в CRM, читает документ или отправляет письмо.

4. Результат шага: ответ системы возвращается модели и становится частью того, что агент знает.

5. Проверка: задача решена? Если нет, следующий шаг, и цикл повторяется. Если да, агент дает ответ.

Так цикл описывают и разработчики. В Claude Agent SDK, который Anthropic представила под этим именем 29 сентября 2025 года, это «собрать контекст, сделать действие, проверить результат, повторить».

Anthropic добавляет два условия надежности. На каждом шаге агент получает ответ от реальной системы, а не додумывает его, а у цикла есть условие остановки, например предельное число шагов, иначе агент может ходить по кругу и тратить деньги.

Модель (большая языковая модельбольшая языковая модель Большая языковая модель (LLM) это нейросеть, обученная на огромном объеме текстов, которая пишет, пересказывает и разбирает текст по запросу. Подробнее в словаре, нейросеть, которая понимает и пишет текст) отвечает в цикле за звено «Рассуждение». Она понимает задачу и выбирает шаг, но сама ничего не делает в ваших системах.

OpenAI в руководстве по сборке агентов советует начинать прототип с сильной модели и измерить качество. Затем пробуют модели меньше и дешевле там, где качество не падает: простую задачу, например определить тему обращения, решит и небольшая модель.

Какую модель выбрать для бизнеса и где она обрабатывает данные, мы разобрали в статье о выборе модели.

Инструкция (системный промптсистемный промпт Системный промпт это постоянная инструкция для нейросети, которую разработчик задает до начала разговора: кто она, что ей можно, что нельзя и каким тоном отвечать. Подробнее в словаре, постоянное задание для модели) говорит агенту, кто он, что ему можно и чего нельзя. Модель получает ее вместе с задачей и опирается на нее на каждом шаге.

OpenAI дает четыре правила хорошей инструкции. Берите готовые документы: регламенты, скрипты поддержки, статьи базы знанийбаза знаний для ИИ База знаний для ИИ это отобранные и подготовленные документы компании, по которым ИИ-ассистент ищет ответы: регламенты, инструкции, каталог, ответы на частые вопросы. Подробнее в словаре. Делите задачу на мелкие шаги.

Для каждого шага указывайте конкретное действие, например «спросить номер заказа». И прописывайте нестандартные случаи: что делать, если клиент не дал данных или спросил не о том.

Как написать такую инструкцию по шагам, разобрано на странице о системном промпте агента.

Инструмент это подключение, через которое агент действует: поиск в CRM, чтение файла, отправка письма. В цикле это звено «Действие: вызов инструмента».

OpenAI делит инструменты на три вида. Для данных: прочитать запись в CRM или PDF-документ, найти сведения в интернете. Для действий: отправить письмо, обновить карточку клиента, передать обращение человеку.

Третий вид нужен командам агентов: другой агент выступает инструментом, например агент возвратов, которого вызывает агент поддержки.

Подключать сервисы помогает MCPMCP MCP (Model Context Protocol) это открытый стандарт, через который ИИ-приложения подключаются к инструментам и данным: файлам, CRM, базам, сервисам. Подробнее в словаре (Model Context Protocol, единый стандарт подключения ИИ к данным и сервисам). Через него внешние сервисы подключает, например, Claude Agent SDK. Какие инструменты давать агенту и как их описывать, на отдельной странице.

Знания это ваши документы. Агент работает с ними через RAGRAG RAG это схема, в которой ИИ сначала находит нужные фрагменты в ваших документах, а потом отвечает, опираясь на них. Подробнее в словаре (поиск по документам перед ответом): модель сначала находит подходящие фрагменты в базе и отвечает по ним.

Подход описали Lewis и соавторы в 2020 году. Он позволяет агенту работать с вашими документами без обучения модели. Как собрать такую базу по шагам, разобрано на странице о том, как сделать RAG.

Память это то, что агент помнит о разговоре и о клиенте. Документация LangChain различает два вида: краткосрочную, которая хранит историю одного разговора, и долгосрочную, которая хранит сведения о пользователе между разговорами.

Память не бесконечна. Та же документация предупреждает: полная история может не поместиться в контекстное окноконтекстное окно Контекстное окно это объем текста в токенах, который языковая модель видит за один раз: инструкции, документы, вопрос и ее собственный ответ. Подробнее в словаре модели (объем текста, который она видит за раз), а на длинном тексте модели работают хуже, поэтому устаревшее из памяти убирают.

Подробно о видах памяти и о том, что в ней хранить, на странице о памяти агента.

Ошибка в цикле накапливается: неверный результат одного шага становится входом для следующего. Anthropic прямо пишет о риске накопления ошибок у агентов и советует тестировать их в изолированной среде с 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. Подробнее в словаре.

Частые места ошибок: модель додумала ответ вместо поиска в документах, инструмент вернул ошибку, а агент ее не заметил, инструкция не описала нестандартный случай. Почему агент отвечает неправильно и как это исправить, в отдельной статье блога.

OpenAI называет два случая, когда агент передает задачу человеку. Первый: он превысил лимит попыток, например несколько раз не понял, чего хочет клиент.

Второй: агент собирается сделать рискованное или необратимое действие, например отменить заказ, оформить крупный возврат или провести платеж. Такие шаги проверяет человек, пока агент не докажет надежность.

Из каких деталей собрать агента так, чтобы эти ошибки ловились, разобрано на странице о семи деталях агента.