Недостающий слой в корпоративных agent‑системах ИИ

За последний год экосистема корпоративного ИИ заметно расширилась, но единого подхода к архитектуре агентных систем так и не появилось. У разработчиков есть множество инструментов для создания AI‑агентов: OpenAI’s frameworks, Anthropic’s Claude tooling, LangChain, LangGraph, CrewAI, Microsoft AutoGen и постоянно растущий набор альтернатив. Эти решения помогают выстраивать циклы рассуждений, разбивать работу на несколько шагов и подключать агентов к инструментам и API.

В экспериментах прогресс виден сразу. Команды теперь собирают сложные агентные рабочие процессы за считанные дни, хотя еще два года назад на это уходили месяцы. Но вместе с ростом возможностей проявилась и другая проблема: в индустрии нет согласия о том, какой должна быть инфраструктура для использования таких систем на уровне предприятий.

Как пишет InfoWorld, похожая картина уже встречалась во время прошлых технологических переходов. Сначала появляются инструменты, позволяющие пользоваться новой возможностью, а инфраструктура управления формируется позже. В среде разработки этот разрыв почти не ощущается, зато становится очевидным, когда системы начинают работать в продакшене.

Сегодняшние фреймворки агентного ИИ в первую очередь выполняют роль координационных систем. Они помогают определить, что должна сделать система и какие инструменты вызвать. При этом вопрос управления и контроля на уровне инфраструктуры остается открытым. Именно этого слоя, по мнению автора, сейчас и не хватает корпоративному агентному ИИ.