InfoQ описал агентную ИИ-архитектуру: вызовы и возможности для разработчиков
Издание InfoQ выпустило обзор агентной ИИ-архитектуры. Автор определяет её как новый тип программной архитектуры, сочетающий микросервисы, облачные решения и агентные системы, и разбирает управление контекстом, масштабирование мультиагентных систем и безопасность.
Что такое агентная ИИ-архитектура
В статье на InfoQ Рафал Ганцаж определяет агентную ИИ-архитектуру как программную архитектуру, в которой агентные системы применяются в значительном масштабе, чтобы оптимально использовать генеративные и другие модели.
Она строится поверх микросервисов и облачных решений и добавляет агентные возможности, переводя системы от обработки данных к работе со знаниями.
Архитектура пока незрелая и потребует значительных инвестиций, но в перспективе может стать доминирующей в ИТ-индустрии.
Контекст-инжиниринг стал отдельной практикой
По мере развития агентов от простых цепочек к мультиагентным системам управление контекстом вышло на первый план. Появилась практика контекст-инжиниринга, которая включает прогрессивное раскрытие информации и системы памяти трёх типов: эпизодической, семантической и процедурной.
В статье Anthropic контекст-инжиниринг описан как естественное продолжение промпт-инжиниринга. У моделей ограниченный бюджет внимания, и лишние токены ухудшают точность извлечения информации.
По мнению Ганцажа, контекст-инжиниринг стал фундаментальной архитектурной задачей для агентных систем, а для связи агентов с внешними сервисами используются протоколы MCP и A2A.
Масштабирование мультиагентных систем зависит от задачи
Исследователи из Google и MIT в статье на arXiv провели контролируемые эксперименты на 260 конфигурациях, шести бенчмарках и пяти архитектурах: от одиночного агента до децентрализованных и гибридных схем.
Универсальной стратегии координации нет. Централизованная оркестрация лучше подходит для финансовой логики с декомпозицией задач, а децентрализованная для веб-навигации. Относительный прирост к одиночному агенту варьируется от +80,8% до −70,0%.
Исследователи рекомендуют командам экспериментировать и подбирать архитектуру под конкретную задачу, поскольку несовпадение координации со структурой задачи ухудшает результат.
Безопасность, наблюдаемость и будущие платформы
Внедрение агентного ИИ меняет модель безопасности. Появляются риски prompt injection, отравления выходных данных инструментов и утечки данных через внешние LLM. Существующие модели контроля доступа плохо подходят для агентов.
Для наблюдаемости необходимы структурированные журналы решений, метрики качества и затрат, трассировка шагов и оповещения, поскольку поведение агентных систем недетерминировано.
InfoQ ожидает, что базовые компоненты (память агентов, реестры, оркестрация и наблюдаемость) станут встроенными в платформы, такие как Google Agent SDK (ADK), LangGraph, CrewAI и Azure AI Foundry. ADK уже предоставляет открытый фреймворк для мультиагентных систем на Python, TypeScript, Go и Java, как указано в документации ADK.