Агенты и межагентное взаимодействие
Что такое автономный агент, как он принимает решения и как агенты разных вендоров договариваются по стандарту A2A – понятно даже без технического бэкграунда.
ЗаписатьсяЧто будет на открытой лекции
Автономная, целеориентированная сущность: LLM как «мозг», краткосрочная и долгосрочная память, планировщик, набор инструментов. В цикле ReAct – планирование, действие, наблюдение, рефлексия – агент сам решает, какой шаг сделать следующим и когда остановиться. Это принципиальное отличие от чат-бота и от жёстко зашитой цепочки промптов.
Правила преобразования смыслов в системе из нескольких агентов: как задача дробится, кто кому передаёт результат и в каком формате. Разберём ключевые конфигурации – иерархическая с оркестратором и воркерами, P2P из равноправных специалистов, конкурирующая «генератор ↔ критик», конвейерная для последовательной обработки – и когда какая оправдана.
Открытый стандарт от Google (передан в Linux Foundation), который позволяет агентам разных вендоров и фреймворков договариваться между собой. Agent Card как «визитка» по /.well-known/agent.json, единый жизненный цикл задач, принцип непрозрачности – сотрудничество без раскрытия внутренней логики, памяти и инструментов.
Разберём, как это устроено в живых продуктах: deep research-системы (планировщик + параллельные исследователи + синтезатор), автоматический code review (анализатор → критик → ревьюер), поддержка с триажем заявок, кросс-фреймворковая интеграция LangGraph ↔ CrewAI ↔ ADK. Где такие системы окупаются, а где это оверинжиниринг.
Для кого будет полезно
Уже работаете с ChatGPT, Copilot или Cursor и хотите понятным языком, без инженерного жаргона, разобраться – чем агент отличается от чат-бота, как он принимает решения и как агенты разных производителей общаются между собой.
Проектируете или внедряете агентов в свой продукт. Нужна ясная картина: компоненты агента (LLM, память, планировщик, инструменты), цикл ReAct, типы архитектур – одиночный, мульти-агентный, иерархический – и приёмы безопасного ограничения.
Проектируете решения, в которых несколько агентов совместно решают задачи продукта: как делить ответственность между ними, какой паттерн взаимодействия выбрать, как ограничивать риски и удерживать систему предсказуемой по мере роста.
Что получат участники
- Понимание природы агента – чёткое представление о том, чем агент отличается от чат-бота, из каких компонентов состоит, какие архитектурные шаблоны и принципы лежат в основе его работы.
- Навык проектирования цепочек преобразования смыслов – умение сначала нарисовать карту «вход → преобразование → выход» для каждого агента, прежде чем писать код.
- Практика ограничения агентов – конкретные приёмы защиты: max_steps, budget caps, песочницы, обязательные подтверждения опасных операций и fallback-эскалация.
- Знание протокола A2A – архитектура, Agent Card, жизненный цикл задач, различие с MCP – достаточно для проектирования межагентных систем.
- Понимание рисков и подводных камней – каскад ошибок, O(n²) связности, проблемы аудита и отладки – знать заранее, чтобы не наступить.
Программа лекции
- 1Что такое агент: компоненты, цикл и степени автономности
- Агент как автономная, целеориентированная, проактивная сущность; отличие от чат-бота – автономность, реактивность, проактивность
- Компоненты: LLM как «мозг», краткосрочная и долгосрочная память, планировщик, инструменты, данные вне LLM
- Паттерны принятия решений: ReAct, Plan-and-Execute, Reflexion, Tree-of-Thoughts – какой паттерн под какой класс задач
- Степени автономности: полностью управляемый, полуавтономный с подтверждениями опасных операций, self-directed; правило выбора уровня – чем выше ставки, тем больше human-in-the-loop
- Граница между prompt chaining и agent loop: цепочка фиксирована, цикл агента адаптивен на каждом шаге
- 2Типы агентных архитектур
- Одиночный агент, мульти-агентная система со специализированными ролями, иерархическая с оркестратором, P2P из равноправных, конкурирующая «генератор ↔ критик»
- Subagent как способ изолировать контекст и не засорять основную сессию
- Когда какая архитектура оправдана, а когда это оверинжиниринг
- 3Стандарт A2A: зачем он нужен
- Проблема: агенты разных вендоров и фреймворков говорят на разных языках, каждый со своим протоколом
- Agent2Agent Protocol от Google, передан в Linux Foundation; SDK для Python, JS, Go, Java, .NET
- Принцип непрозрачности: сотрудничество без раскрытия внутренней логики, памяти и инструментов
- 4Архитектура A2A
- Три слоя: Data Model (Task, Message, Part, Artifact, AgentCard), Operations, Protocol Bindings
- Agent Card – JSON-«визитка» по
/.well-known/agent.json: имя, навыки, аутентификация, capabilities - Жизненный цикл задачи: submitted → working → completed / failed / canceled, плюс input-required и auth-required
- Отличие A2A и MCP: MCP это «агент → инструмент», A2A это «агент → агент»
- 5Карта преобразования смыслов
- Принцип «design first, build second»: сначала карта смыслов, потом агенты
- Каждый агент = одно преобразование: чёткий вход, чёткий выход, одна ответственность
- Артефакт между агентами как контракт: формат (JSON, markdown), схема полей, критерии полноты
- Тестирование по звеньям, а не только финального результата
- Лучше 3 агента с понятными ролями, чем 10 с размытыми
- 6Примеры реальных агентских workflows и подводные камни преобразований смыслов
- Живые сценарии: deep research (планировщик + параллельные исследователи + синтезатор), автоматический code review, триаж заявок поддержки, кросс-фреймворковая интеграция (LangGraph ↔ CrewAI ↔ ADK)
- Каскад ошибок в цепочке смыслов: ошибка одного агента усиливается на следующих шагах – как ловить и где обрывать
- Ограничение агентов: max_steps, budget caps, песочница, обязательные подтверждения опасных операций, fallback и эскалация человеку при превышении лимитов
- O(n²) связности при росте числа агентов, решение через event mesh / pub-sub поверх A2A
- Latency, distributed tracing (OpenTelemetry, trace_id), версионирование skills и capabilities
- Безопасность: HTTPS/TLS, OAuth 2.0 / mTLS / API Key / OpenID Connect, in-task auth, аудит каждого сообщения
- 7Вопросы и ответы
- Ответы на вопросы, заданные при регистрации и в чате открытой лекции
Хотите глубже – курс «Solution Architect в эпоху AI»
Открытая лекция даёт картину «что такое агенты и как они взаимодействуют». Если хотите системно проектировать решения на ИИ – от выбора моделей и согласования компонентов до интеграции в существующий продуктовый ландшафт – посмотрите наш курс «Solution Architect в эпоху AI». Большой блок программы посвящён архитектуре AI-систем: проектирование агентных и не-агентных компонентов, цепочки преобразования смыслов, ограничение рисков, доведение решения до прода и поддержка в эксплуатации.
Серия открытых лекций
- 1.Основы работы с AI: от 0 до агентов Смотреть в записи →
- 2.Глубже про MCP, RAG, CAG и A2A Смотреть в записи →
- 3.Агенты и межагентное взаимодействие идёт регистрация · 26 мая
- 4.Мониторинг и безопасность – метрики, guardrails, защита от атак.
- 5.Agent system от 0 до enterprise – архитектура, масштабирование, прод.
- 6.To be announced
- 7.To be announced
Делился экспертизой на более чем 200 митапах и конференциях. Стоит у основания различных сообществ IT специалистов, включая: ByChange, Free IT.
Выполнял роли разработчика, тимлида, архитектора, CTO в стартапах, корпорациях и продуктовых компаниях.
Обучил более 1K разработчиков за последние 15 лет. Обучил более 450 архитекторов.
Создает и проводит обучающие курсы для любых технических направлений.
26 мая | 19:00 по Минску | online