Что такое AI агент

Одно из базовых и популярных понятий, с которым можно встретиться при работе с моделями искусственного интеллекта, - AI-агент. Что это за агент и для чего он нужен, попробуем понять в этом видео.

Два определения AI-агента

Для начала выделим два основных определения. Первое дал Сэм Альтман, руководитель OpenAI: агенты - это системы, которые могут самостоятельно выполнять работу за вас. Ключевое слово здесь «самостоятельно»: наше участие не требуется. Мы ставим отдельную изолированную задачу, и в этой задаче работает модель искусственного интеллекта, которая её решает. Именно эта модель под эту задачу и является AI-агентом.

Второе популярное определение: AI-агент - это языковая модель с инструментами в цикле, цель которой - решить поставленную перед ней задачу. Модель сама определяет шаги, которые нужно сделать, выстраивает их последовательность и проходит по ним циклом, пока не решит задачу. Эта изолированная система, которая пытается решить поставленную задачу, и есть AI-агент.

Чем агент отличается от чат-бота

Похожее на AI-агента понятие - чат-бот, но между ними есть ряд отличий:

• у чат-бота задача - один запрос, один ответ, а у агента много шагов, пока он не придёт к решению задачи;
• результат чат-бота, как правило, текст, а у агента результата может вообще не быть: он решил задачу, поправил какие-то файлы и сообщил, что всё готово;
• следующий шаг чат-боту выбирает человек, а агенту следующий шаг выбирает сама модель.

То есть AI-агент - это инструмент, с помощью которого LLM решает поставленные перед ней задачи в изолированной среде.

Из чего состоит AI-агент

AI-агент состоит из нескольких частей:

• модель - у каждого агента может быть своя большая языковая модель, которая будет решать задачи;
• инструкции - цель и правила работы агента;
• инструменты - что агенту можно делать, что нельзя, какие действия разрешены и какие запрещены: доступ к файлам, поиск, код, сервисы;
• контекст - задача и результаты прошлых шагов, у каждого агента свой изолированный контекст;
• цикл - агент повторяет шаги, пока задача не будет решена или пока он не убедится, что решить её невозможно.

Агентов может быть очень много, под каждую задачу. Большая языковая модель может определить, что для решения задачи ей нужно сто агентов: она разделит большую задачу на маленькие части и поручит каждую часть маленькому агенту, который соберёт всё нужное для решения своей подзадачи.

Пример цикла агента

Допустим, задача - починить тест. Есть тест для проверки данных, он не прошёл, и агент должен узнать причину и устранить её. Как выглядит цикл:

• задача приходит большой языковой модели;
• модель определяет, какие инструменты нужны, чтобы выяснить причину и поправить;
• результат работы инструментов попадает в контекст модели;
• модель выдаёт ответ: задача решена или нет.

Пока задача не решена, цикл продолжается. Число шагов заранее неизвестно, его определяет сама большая языковая модель.

Инструменты агентов

Какие инструменты бывают у агентов:

• свои функции;
• доступ к вашим данным и сервисам;
• поиск в сети;
• файлы;
• выполнение кода;
• MCP-серверы;
• GitHub, базы данных, браузер и так далее.

Всё это настраивается в AI-агенте. Каждый агент - как маленький работник, у которого своя задача: решить её и отчитаться большой языковой модели, что он её решил или не решил. А дальше модель определяет, что делать: создать дополнительных агентов, посчитать задачу выполненной или невыполненной и дать ответ пользователю.

Сейчас может быть не до конца понятно, как всё это работает. Когда вы начнёте настраивать свои системы и алгоритмы, которые обрабатывают модели искусственного интеллекта, всё встанет на свои места, и на практике это станет понятнее.