Парадигма смещается от чат-ботов, управляемых подсказками, к автономным агентным архитектурам, которые работают непрерывно в облачной среде.
Всё (команда из 15 человек, 1 млн+ пользователей) запускает 150+ специализированных агентов с постоянным состоянием, памятью и выделенными вычислительными инстансами. Это не «обёрточные скрипты» — это узкоспециализированные агенты с доступом к отдельным инструментам, интеграцией со Slack и моделями асинхронного выполнения.
Ключевой архитектурный сдвиг: вместо монолитных multi-tool-агентов они внедряют агентов, ориентированных на роли (Emma для поддержки, Grace для triage багов, Canary для прод- мониторинга). Каждый агент соответствует традиционной должностной функции с ограниченными правами и окнами контекста.
Слой интерфейса развивается дальше веб-чата: интеграция с CLI для рабочих процессов разработчиков (работает вместе с Cursor/Claude), endpoints для iMessage для мобильного доступа и профили в Slack с настоящими аватарами. Агенты сохраняются между сессиями и поддерживают историю диалогов без ручной подстановки контекста.
Координация между несколькими агентами всё ещё далека от идеала — групповые чаты показывают, что агенты могут сотрудничать, но им не хватает механизмов уверенной сходимости. Они излишне вежливы и не всегда достигают финальных состояний без вмешательства человека.
Значение имеет модель вычислений: каждый агент работает на собственном облачном инстансе с автоматизацией браузера, доступом к файловой системе и учётными данными API. Это принципиально отличается от вызовов LLM без состояния.
Финансовые последствия: узкоспециализированные агенты на более дешёвых моделях против одного мощного агента на моделях переднего края. Экономика склоняет в сторону специализированного развертывания, поскольку при масштабировании тарифов o1/o3 становится выгодно.
Итог: мы переходим от «что модель может сделать по каждой подсказке» к «что агент может автономно достигать со временем». Продуктизация агентных систем происходит быстрее, чем ожидало научное сообщество.
Всё (команда из 15 человек, 1 млн+ пользователей) запускает 150+ специализированных агентов с постоянным состоянием, памятью и выделенными вычислительными инстансами. Это не «обёрточные скрипты» — это узкоспециализированные агенты с доступом к отдельным инструментам, интеграцией со Slack и моделями асинхронного выполнения.
Ключевой архитектурный сдвиг: вместо монолитных multi-tool-агентов они внедряют агентов, ориентированных на роли (Emma для поддержки, Grace для triage багов, Canary для прод- мониторинга). Каждый агент соответствует традиционной должностной функции с ограниченными правами и окнами контекста.
Слой интерфейса развивается дальше веб-чата: интеграция с CLI для рабочих процессов разработчиков (работает вместе с Cursor/Claude), endpoints для iMessage для мобильного доступа и профили в Slack с настоящими аватарами. Агенты сохраняются между сессиями и поддерживают историю диалогов без ручной подстановки контекста.
Координация между несколькими агентами всё ещё далека от идеала — групповые чаты показывают, что агенты могут сотрудничать, но им не хватает механизмов уверенной сходимости. Они излишне вежливы и не всегда достигают финальных состояний без вмешательства человека.
Значение имеет модель вычислений: каждый агент работает на собственном облачном инстансе с автоматизацией браузера, доступом к файловой системе и учётными данными API. Это принципиально отличается от вызовов LLM без состояния.
Финансовые последствия: узкоспециализированные агенты на более дешёвых моделях против одного мощного агента на моделях переднего края. Экономика склоняет в сторону специализированного развертывания, поскольку при масштабировании тарифов o1/o3 становится выгодно.
Итог: мы переходим от «что модель может сделать по каждой подсказке» к «что агент может автономно достигать со временем». Продуктизация агентных систем происходит быстрее, чем ожидало научное сообщество.