Что такое ИИ-агент: как работает, виды и примеры

Что такое ИИ-агент простыми словами?

Агент собран из трех частей: модель, инструменты и цикл. Модель понимает задачу и решает, что делать дальше. Инструменты дают ей руки: чтение и запись файлов, запуск команд, браузер, доступ к сервисам. Цикл повторяет шаги «план, действие, проверка», пока результат не готов или пока не сработало ограничение.

Определение я беру у Anthropic. В статье «Building effective agents» от 19 декабря 2024 года компания делит системы на два типа. В воркфлоу модель и инструменты идут по заранее написанному коду. В агенте модель сама управляет своим процессом и выбором инструментов. Там же сказано, что агенты обычно и есть модели, которые вызывают инструменты в цикле и на каждом шаге получают ответ от среды: вывод команды, результат теста, содержимое страницы.

Пример. Вы просите агента в терминале починить упавший тест. Он читает файл теста, запускает его, видит ошибку, находит функцию, правит ее, запускает тест снова и останавливается, когда тест прошел. Ни один шаг вы не расписывали заранее.

Как работает ИИ-агент?

Работу агента удобно разложить на четыре шага одного круга.

1. План. Модель читает задачу, контекст проекта и инструкции, решает, с чего начать.
2. Действие. Модель вызывает инструмент: открывает файл, выполняет команду, делает запрос к API.
3. Наблюдение. Результат инструмента возвращается в контекст модели. Anthropic называет это обратной связью от среды: тест упал или прошел, страница открылась или нет.
4. Решение. Модель сравнивает результат с целью и либо делает следующий шаг, либо заканчивает работу.

Чтобы цикл не крутился бесконечно, в агенте есть условия остановки. Anthropic называет среди них максимальное число итераций. В рабочих агентах к этому добавляют подтверждение человеком перед опасными действиями: удалением файлов, запуском команд, записью в базу.

Чем ИИ-агент отличается от чат-бота и ассистента?

Чат-бот отвечает текстом и ждет следующего вопроса. Ассистент в редакторе подсказывает строку кода или объясняет файл, но действие выполняете вы. Агент получает цель и сам делает несколько шагов подряд, вызывая инструменты.

Граница размыта. ChatGPT с поиском и выполнением кода уже ведет себя как агент на отдельных задачах, а Claude Code можно попросить только ответить на вопрос. Практическая проверка простая: если программа сама меняет файлы, запускает команды или нажимает кнопки в браузере и проверяет результат, это агент.

Anthropic советует начинать с самого простого решения и усложнять, только когда нужно: агент платит за качество задержкой и ценой. Поэтому для разовой справки хватит чат-бота, а агент нужен там, где работа состоит из многих шагов с проверкой.

Какие бывают ИИ-агенты?

По задачам агентов можно разделить на четыре группы. В каталоге SkillFoxx у каждой из них есть свои записи.

Агенты для кода

В этой группе больше всего агентов. Агент работает в терминале или редакторе, читает весь репозиторий, правит файлы, запускает тесты и git.

• Claude Code — агент Anthropic для терминала, IDE и GitHub.
• Codex CLI — агент OpenAI, работает локально в терминале, вход через ChatGPT или ключ API.
• OpenCode — открытый агент для терминала и десктопа, модели подключаются отдельно.
• Qwen Code — открытый агент команды Qwen, работает с моделями Qwen, OpenAI, Anthropic, Gemini и локальными.
• Gemini CLI — открытый агент Google. С 18 июня 2026 года он работает только с платными ключами и корпоративными лицензиями.

Сравнение двух самых популярных агентов я разобрал в статье Codex или Claude Code.

Браузерные агенты

Такой агент управляет настоящим браузером: открывает страницы, кликает, заполняет формы, читает ответ. Browser Use делает это через протокол CDP и требует Python 3.11 или новее. Агентам для кода браузер подключают MCP-сервером, например Playwright MCP от Microsoft, который работает по дереву доступности страницы без скриншотов.

Агенты для автоматизации и личных задач

Эти агенты живут в мессенджерах, работают по расписанию и связывают сервисы. Hermes Agent от Nous Research работает в терминале и мессенджерах, запускает задачи по cron и сам пишет себе скиллы. goose — открытый агент на Rust с десктопом, CLI и API, по карточке каталога он поддерживает больше 15 провайдеров моделей и больше 70 MCP-расширений. Для сценариев в n8n есть сервер n8n-MCP: агент подбирает ноды и собирает воркфлоу. Примеры такой автоматизации собраны в статье ИИ-агенты для автоматизации рутины.

Локальные агенты

Локальный агент работает на вашем компьютере, а модель запускается там же, без облака. Обычно это связка: программа-агент плюс сервер моделей вроде Ollama. Как собрать такую связку, написано в разделе ниже.

Примеры ИИ-агентов, которые можно поставить сегодня

Все агенты ниже есть в каталоге с карточкой, описанием на русском и уровнем доступа. Данные на 29 октября 2026 года.

• Claude Code: работа с кодом в терминале и IDE, нужна подписка Claude или ключ API. Пошагово в статье как установить Claude Code.
• Codex CLI: агент OpenAI, вход через ChatGPT или ключ API.
• OpenCode: сам агент бесплатный, модель подключаете свою. Разбор в статье OpenCode.
• Qwen Code: открытый агент, бесплатный вход Qwen OAuth закрыт 15 апреля 2026 года, без оплаты работает на локальной модели. Разбор в статье Qwen Code.
• Hermes Agent: агент для терминала и мессенджеров, нужен ключ провайдера модели или подписка Nous Portal.
• goose: открытый агент с десктопом, качество зависит от выбранной модели.
• OpenHands: центр управления агентами, который запускает OpenHands, Claude Code, Codex и Gemini на локальных и удаленных машинах. Без Docker-песочницы агент получает полный доступ к файлам компьютера.

Бесплатные варианты из этого списка я собрал отдельно в статье бесплатные ИИ-агенты.

Где скачать ИИ-агента на ПК?

Агента не скачивают с сайтов-сборников. Ставьте его из первоисточника: npm, Homebrew, страницы релизов на GitHub или сайта разработчика. Ссылки на первоисточники и команды установки есть в карточке каждого агента.

У части агентов есть приложения с окном. По карточкам каталога десктопные версии есть у Codex, OpenCode (в бете), goose и Qwen Code. Остальные ставятся одной командой в терминале, например OpenCode или Qwen Code через npm.

Как сделать локального ИИ-агента?

Нужны две программы: агент и сервер моделей. Ollama запускает открытую модель на компьютере и отдает ее через API, совместимый с OpenAI и Anthropic. Агенты вроде OpenCode, goose или Qwen Code подключаются к этому API как к облачному провайдеру.

У локальной схемы два требования из карточки Ollama. Модель должна поддерживать вызов инструментов: это отмечено на ее странице в библиотеке Ollama. Контекст по умолчанию при видеопамяти меньше 24 ГиБ равен 4 тыс. токенов, а агентам нужно от 64 тыс., поэтому его поднимают вручную. Пример модели для кода: qwen3-coder:30b в библиотеке Ollama весит 19 ГБ.

Плюс локального агента в том, что код и данные не уходят в облако и токены не стоят денег. Минус в качестве: открытая модель, которая помещается в домашний компьютер, решает сложные задачи хуже облачных. Как подобрать модель под железо, я разобрал в статье локальная нейросеть.

Что дают агенту скиллы и MCP?

Модель умеет рассуждать, но без подключений ничего не знает о ваших сервисах и порядках. Доступ дает MCP, порядок работы задает скилл.

MCP-сервер дает агенту доступ к внешней системе: браузеру, базе, трекеру задач, документации. Например, Context7 подкладывает в контекст свежую документацию нужной версии библиотеки. Подробно о протоколе в статье что такое MCP-сервер.

Скилл учит агента порядку работы: папка с файлом SKILL.md, где описано, как делать задачу и в каком виде сдавать результат. Формат поддерживают Claude Code, Codex, Cursor, OpenCode, Qwen Code и другие агенты. Пример набора — плагин Superpowers с рабочими процессами для разработки. О формате я писал в статье Agent Skills: что такое скиллы.

Скилл и MCP-сервер ставятся одной командой установщика SkillFoxx, например npx skillfoxx add mcp/context7 --agent codex. Параметр --dry-run до любых изменений покажет, в какой файл установщик запишет сервер.

Чем опасны ИИ-агенты?

Агент действует с вашими правами, поэтому ошибка модели превращается в действие. Я выделяю три проблемы.

1. Доступ к файлам и командам. Режим сборки OpenCode по умолчанию дает агенту полный доступ к файлам и командам, это записано в карточке. Агент может удалить не тот файл или выполнить разрушительную команду.
2. Чужие расширения. Скилл или MCP-сервер из интернета может содержать скрытые инструкции, которые заставят агента отправить данные наружу. Для проверки есть сканеры вроде Skill Scanner от Cisco, но пустой отчет не гарантирует безопасность: расширение все равно нужно прочитать самому.
3. Деньги и лимиты. Каждый шаг цикла тратит токены. Длинная задача с десятками вызовов инструментов стоит заметно дороже одного ответа чат-бота, а подписки ограничивают число запросов за период.

Что снижает ущерб: начинать с режима планирования или только чтения, давать агенту копию проекта и отдельный токен с минимальными правами, держать код в git, чтобы откатить правку. Порядок проверки расширений я описал в статье как проверить скилл на безопасность.

Работают ли ИИ-агенты в России?

Сами агенты ставятся как обычные программы из npm и GitHub. Ограничения возникают у моделей: облачные API OpenAI, Anthropic и Gemini из России недоступны, это отмечено в карточках каталога. Полностью локальная связка с Ollama от внешних сервисов не зависит. Что происходит с доступом к Claude, я разбирал в статье Claude Code в России.

Если агент работает с персональными данными клиентов, их отправка в зарубежную облачную модель попадает под требования 152-ФЗ.

Карта выбора по задачам

• Писать и чинить код: агент для кода в терминале — Claude Code, Codex CLI или OpenCode.
• Работать без облака: локальный агент — OpenCode или Qwen Code с Ollama.
• Проверять сайты и заполнять формы: браузерный агент — Browser Use или Playwright MCP в агенте для кода.
• Получать задачи в мессенджере и по расписанию: Hermes Agent с задачами cron.
• Связать сервисы в сценарий: n8n с сервером n8n-MCP.
• Собрать своего агента под процесс: инструкция в статье как создать ИИ-агента.

Короткий глоссарий

ИИ-агент: программа, в которой модель сама выбирает инструменты и выполняет задачу шагами с проверкой результата.

Воркфлоу: цепочка вызовов модели и инструментов по заранее написанному коду.

Инструмент: функция, которую агент может вызвать, например чтение файла или запрос к API.

MCP-сервер: программа-посредник между агентом и внешним сервисом.

Скилл: папка с SKILL.md, которая учит агента порядку работы над задачей.

Контекст: объем текста, который модель держит в памяти в одном разговоре.

Что дальше?

Откройте раздел агентов, выберите одного под вашу задачу и дайте ему небольшую работу в копии проекта. Затем добавьте один MCP-сервер и один скилл. Если не знаете, что подключать, Foxx AI подберет записи каталога под ваш проект.