Термины сборки ИИ-агента простыми словами: от промпта до MCP

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 (LLM): программа, обученная на большом объеме текста, которая пишет ответ слово за словом. Это «мозг» агента, но без инструкций, знаний и инструментов модель только разговаривает. Из каких еще деталей собран агент, показано на схеме семи деталей.

Токентокен Токен это кусочек текста: слово, часть слова или знак, с которыми работает языковая модель. Подробнее в словаре: кусок текста, которым модель считает слова: слово, часть слова или символ. Облачные модели берут плату за токены на входе и выходе, поэтому длинные инструкции и документы стоят денег при каждом ответе; расходы в месяц посчитаны на странице о стоимости работы агента.

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: сколько текста модель видит за один раз, ее рабочая память. Сюда помещаются инструкция, история диалога и найденные документы, а что не поместилось, модель не учитывает.

Температура: настройка случайности ответа. Низкая дает сдержанные и похожие ответы, высокая разнообразные, и даже при нулевой ответы на один вопрос могут отличаться, поэтому агента проверяют на наборе вопросов.

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: постоянная инструкция агенту: кто он, что делает, чего не делает и как отвечает. Его правят без программиста, и он сильнее всего влияет на ответы; шаблон собран на странице о системном промпте.

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): агент сначала находит фрагменты в вашей базе документов, потом отвечает по ним. Так он работает с прайсом и регламентами без обучения модели; сборку по шагам смотрите в инструкции по RAG.

Векторная база данных: хранилище, где фрагменты документов лежат в виде векторов, наборов чисел, отражающих смысл. По ним агент находит текст, близкий к вопросу по смыслу, даже если слова в нем другие.

Дообучение (fine-tuning): дополнительное обучение готовой модели на ваших примерах, чтобы она переняла стиль или формат. Агенту для бизнеса оно нужно редко: знания дает RAG, поведение задает системный промпт.

Инструмент (вызов функцийвызов функций Вызов функций (function calling) это способ, которым языковая модель просит программу выполнить действие: модель выбирает функцию и заполняет ее параметры, а код приложения выполняет запрос и возвращает результат. Подробнее в словаре, function calling): действие, которое модель может запросить: найти клиента в CRM, создать заявку, записать в календарь. Модель решает, когда вызвать инструмент, а выполняет вызов ваша программа и возвращает результат. Как дать агенту инструменты без лишних прав, разобрано отдельно.

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): открытый стандарт подключения ИИ к файлам, базам и сервисам, его сравнивают с портом USB-C. Anthropic открыла протокол 25 ноября 2024 года, а 9 декабря 2025 года его передали в Agentic AI Foundation при Linux Foundation; пошаговое подключение есть в инструкции по MCP-серверу.

Цикл агента (ReAct): модель чередует рассуждение и действие: решает, какой шаг нужен, вызывает инструмент, смотрит на результат и решает снова. На этом принципе, описанном в 2022 году, работает большинство агентов; схема цикла есть на странице о том, как работает ИИ-агент.

Сценарий автоматизации (workflowворкфлоу и агент Воркфлоу и агент это два способа построить ИИ-систему: в воркфлоу шаги заранее заданы кодом, а агент сам выбирает следующий шаг и инструменты по ходу работы. Подробнее в словаре): шаги заданы заранее в коде или конструкторе, модель выполняет отдельные шаги, но порядок не выбирает. Для повторяемых задач его часто хватает, и ломается он реже.

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: система, где модель сама выбирает шаги и инструменты, пока задача не решена. Anthropic советует начинать с самого простого решения и переходить к агенту, только когда сценария мало.

Мультиагентная система: несколько агентов с разными ролями, которые передают друг другу задачи: один собирает данные, другой пишет ответ, третий проверяет. Нужна, когда процесс проходит через несколько отделов.

Память агента: что агент помнит между разговорами: имя клиента, прошлые заказы, договоренности. Короткая память живет в контекстном окне, долгая хранится в базе, а срок хранения персональных данных задают правила компании.

Открытая модельмодель с открытыми весами Модель с открытыми весами (open-weights model) это нейросеть, файлы параметров которой можно скачать и запустить на своем оборудовании. Подробнее в словаре (открытые веса): модель, которую можно скачать и запустить у себя. Например, DeepSeek R1 вышла 20 января 2025 года на лицензии MIT, а семейство Qwen 3 вышло 29 апреля 2025 года на лицензии Apache 2.0; лицензии открытых инструментов собраны на странице о бесплатных агентах.

Локальная модель: модель, которая работает на вашем компьютере или сервере, а не в чужом облаке. Чаще всего ее запускают через Ollama, программу с лицензией MIT, и данные клиентов при этом не уходят из компании.

SDK для агентов: набор библиотек, на котором программист собирает агента в коде: цикл, инструменты, передачу задачи между агентами. Пример: Claude Agent SDK, в который Anthropic 29 сентября 2025 года переименовала Claude Code SDK.

Галлюцинация: уверенный ответ, которого нет в ваших данных, например выдуманная цена или срок. Ее снижают RAG, запрет отвечать без источника и проверка на наборе вопросов.

Проверочный набор: реальные вопросы клиентов с правильными ответами, на которых агента проверяют до запуска и после каждой правки. Без него нельзя сказать, стал агент точнее или нет.

Инъекция промпта: чужая инструкция, спрятанная в письме, документе или на сайте, которую агент может принять за команду. Защита: минимум прав, подтверждение человеком опасных действий и журнал.

Человек в контуре: правило, по которому агент не делает важное действие (оплату, возврат, отправку договора) без подтверждения сотрудника. Если агент видит данные клиентов, к контролю добавляется 152-ФЗ: сбор и хранение данных граждан РФ в базах на территории России, как описано на странице о безопасности данных.

Пилот и метрика: запуск агента на одном процессе с цифрой «было и стало» в договоре. Метрику смотрят каждую неделю, и по ней решают, расширять агента или остановить.