Автономные агенты: рантаймы и фреймворки
Живая страница Практикума. Проверено: 2026-08-11. Класс инструментов меняется ежемесячно — смотрите дату. Это «для тех, кто готов разбираться»: массовому читателю хватит встроенных ассистентов (Gemini Spark, ChatGPT Work с облачным браузером) — см. простые агенты. Здесь — отдельный класс: автономные агенты как рантайм, их архитектура и связь с «харнессом» из главы 6.
Чат отвечает на вопрос и забывает его. Автономный агент — это не чат, а рантайм (программа, которая постоянно работает): сама planирует шаги, вызывает инструменты, помнит контекст между сессиями и со временем становится способнее. Англоязычное «agent» здесь — именно про это: не «умная отвечалка», а обвязка, которая действует.
Архитектура: из чего собран любой такой агент
Под разными названиями у всех один скелет — пять частей:
- Модель-мозг. Любая LLM (большая языковая модель — то, что «думает словами»). Хорошие рантаймы model-agnostic: подключаете Claude, GPT, локальную модель — мозг сменный.
- Цикл план → действие → наблюдение → проверка. Агент разбивает цель на шаги, делает шаг, смотрит результат, корректирует. Это и отличает агента от одного ответа.
- Tool-calling (вызов инструментов). Модель не «рассказывает», а дёргает инструменты: файлы, календарь, браузер, код, мессенджеры. Стандартный интерфейс вызова — ядро любого рантайма.
- Персистентная память. Контекст живёт между сессиями. Часто — обычные markdown/yaml-файлы у вас на диске (память, которую можно открыть и прочитать глазами, а не «чёрный ящик»).
- Петля навыков (сложный процент). Решив трудную задачу, агент записывает переиспользуемый
навык — процедуру, грабли, проверку — чтобы не учиться заново. Это ровно наша папка
skills/: «правка → навык», который потом работает сам.
Связь с «харнессом» книги (глава 6)
В главе 6 «Человек как система» харнесс — это обвязка вокруг модели и вокруг вас: контекст, инструменты, проверка, граница. Автономный агент — это тот же харнесс, часть которого перенесли на софт: вы остаётесь владельцем результата и проверяющим, а планирование и рутинные шаги берёт рантайм.
Показательно, что индустрия пришла к тем же словам. Дополнительный гейтвей OpenClaw.NET описывает планы агента как Harness Contracts (инспектируемый план работы), а безопасный режим — как Plan-Execute-Verify с Evidence Bundles (квитанции на каждый шаг). Это машинная версия книжного правила «покажи квитанции»: не «доверьтесь агенту», а «покажи, на чём основан вывод, и что проверяемо».
Реальные примеры (с источниками)
Самохостируемый open-source агент под лицензией MIT. Рантайм и рабочие файлы можно держать у себя,
но запросы всё равно уйдут внешнему провайдеру, если вы выберете облачную модель. Постоянная
память о ваших проектах; сам пишет навыки после сложных задач — в формате, совместимом с
открытым стандартом agentskills.io (тем же, что наши skills/). Достаёт вас в Telegram, Discord,
Slack, WhatsApp, Signal, CLI из одного гейтвея. Model-agnostic (Nous Portal, OpenRouter 200+
моделей, OpenAI-совместимые эндпоинты, локальный vLLM). Установка — одной командой.
→ hermes-agent.org · GitHub
Open-source автономный агент (бывш. Clawdbot). Ядро — agent loop + персистентная память +
tool-calling + интеграция с чатами. Память и
навыки хранит простыми markdown/yaml-файлами в рабочей папке (~/.openclaw) — их видно глазами.
Гейтвей .NET добавляет Harness Contracts, Evidence Bundles и режим Plan-Execute-Verify для
рискованных действий. Порог входа выше Hermes.
→ docs.openclaw.ai · GitHub ·
OpenClaw.NET
n8n / Zapier — цепочки между приложениями без «мозга»-планировщика: дёшево и надёжно для повторяемых сценариев (см. простые агенты). ChatGPT Work с облачным браузером и Gemini Spark — управляемые агенты без self-host: ниже порог, но данные идут к провайдеру.
Кому и зачем (кейсы)
- Специалист, у кого есть повторяющийся цикл (разбор почты, сводка к утру, мониторинг источников): один self-host-агент под цикл — и петля навыков делает его лучше со временем.
- Аналитик / PM: агент собирает данные из нескольких источников по расписанию и готовит черновик с «квитанциями», вы проверяете и владеете выводом.
- Тот, кто хочет больше контроля над данными: self-host (Hermes/OpenClaw) сохраняет рабочие файлы у вас. Если модель облачная, её провайдер всё равно получает отправленные ему запросы.
- Кому это НЕ нужно: если задача разовая или вы только начинаете — встроенного ассистента хватит. Не стройте «компанию на агентах» (это Том 2), начните с одного цикла.
ДисциплинаАгенту нужны границы и проверка. Не давайте доступ к чувствительному (почта, платежи, перс. данные), пока не поняли, что и куда уходит. Требуйте «квитанции» — на чём основан вывод. Один цикл, доведённый и проверенный, полезнее, чем «автоматизирую всю жизнь». «Не верьте — проверьте».
Личный/простой угол — простые агенты. Карта инструментов — tools-map. Версия: 2026-08-11.
Источники (проверено 2026-08-11)
Рантаймы/фреймворки автономных агентов (первоисточники):
- LangChain / LangGraph: https://blog.langchain.dev/
- Anthropic (агенты, MCP): https://www.anthropic.com/news · OpenAI (Agents/AgentKit): https://openai.com/news/
- Model Context Protocol (инструменты для агентов): https://modelcontextprotocol.io/
- Hermes Agent: https://github.com/NousResearch/hermes-agent
- OpenClaw: https://docs.openclaw.ai/concepts/agent · OpenClaw.NET: https://github.com/clawdotnet/openclaw.net
Возможности рантаймов быстро меняются — сверяйте на дату; вендорские демо — «claim».