Мультиагентные ОС: что уже работает, а что пока обещания

За 2024–2025 годы фраза «мультиагентная система» перекочевала из исследовательских препринтов в маркетинговые презентации. Anthropic описала архитектуру, где один агент-оркестратор раздаёт подзадачи подчинённым в собственном исследовательском продукте. OpenAI выпустила библиотеку Swarm, а затем более зрелый Agents SDK для оркестрации нескольких моделей. Microsoft развивает AutoGen и Copilot Studio с поддержкой сценариев, где агенты передают работу друг другу. Из этого начали лепить громкую идею — «операционная система из агентов», где ИИ управляет ИИ. Стоит отделить то, что действительно запущено, от того, что пока живёт в слайдах.

Что такое «мультиагентная ОС» на самом деле

Термин «операционная система» здесь метафора, а не буквальное ядро с планировщиком процессов. Речь про слой, который координирует несколько агентов^*: распределяет задачи, следит за состоянием, объединяет результаты и решает, кому передать управление. Технически это оркестратор поверх одной или нескольких языковых моделей плюс набор инструментов и общая память.

Ключевая идея простая. Один агент с длинным промптом быстро упирается в переполнение контекстного окна^** и теряет фокус на длинных задачах. Если разбить работу на роли — планировщик, исполнитель, критик, — каждый работает в своём узком контексте, и общая надёжность растёт. По крайней мере, так гласит гипотеза. На практике добавление агентов множит стоимость и точки отказа.

Больше агентов не значит умнее. Это значит больше токенов, больше задержки и больше мест, где что-то пойдёт не так между шагами.

Кто и что уже выпустил

Разброс подходов большой: от готового продукта до библиотеки, которую нужно собирать руками. Сравним то, что доступно разработчикам и командам прямо сейчас.

Общая проблема таблицы в том, что ни один из пунктов не является «операционной системой» в бытовом смысле. Это инструменты оркестрации. Единого стандарта, который бы позволял агентам от разных вендоров вызывать друг друга, пока нет. Anthropic продвигает Model Context Protocol (MCP) как открытый способ подключать инструменты и данные к моделям, и часть индустрии его подхватила, но это протокол интеграции, а не готовая ОС.

Чем реальные системы отличаются от демо

В демонстрациях агенты бодро бронируют билеты и пишут отчёты. В продакшене всплывают три вещи, о которых на сцене не говорят:

• Стоимость. Мультиагентный прогон может расходовать в несколько раз больше токенов, чем один вызов модели, потому что агенты переписываются между собой и дублируют контекст. Anthropic в своих материалах по исследовательскому агенту прямо отмечала кратный рост расхода токенов относительно обычного чата.
• Задержка. Последовательные шаги складываются. Задача, которую одна модель делает за секунды, у цепочки агентов растягивается на минуты.
• Накопление ошибок. Ошибка одного агента передаётся следующему как достоверный вход. Без слоя проверки цепочка уверенно приходит к неверному результату.

Кому это пригодится, а кому нет

Мультиагентная схема оправдана не везде. Ориентир простой: чем шире и параллельнее задача, тем больше смысла её дробить.

Скорее да

• Глубокий поиск и сбор данных. Один агент составляет план, несколько параллельно роют разные источники, ещё один сводит результат. Здесь параллелизм реально экономит время.
• Пайплайны обработки контента. Черновик пишет один агент, факты проверяет второй, стиль правит третий — роли естественно разделяются.
• Программные задачи с ревью. Один агент пишет код, другой прогоняет тесты и возвращает ошибки на доработку.

Скорее нет

• Короткие вопросы и справки. Если задачу решает один вызов модели, оркестратор только удорожает и замедляет ответ.
• Операции с высокой ценой ошибки без человека. Платежи, юридические действия, необратимые изменения данных — здесь цепочка агентов без ручного подтверждения опасна.
• Жёсткие требования к предсказуемости. Если результат должен быть детерминированным, обычный код с точечными вызовами модели надёжнее свободной агентной оркестрации.

Что дальше

Ближайшая линия развития — не «ОС из агентов на весь компьютер», а стандартизация связи между ними. MCP и подобные протоколы решают, как агент получает доступ к инструментам и данным. Отдельная задача — протоколы обмена между агентами разных вендоров, и здесь пока конкурируют закрытые подходы. Пока такого стандарта нет, «операционная система» остаётся удобной метафорой для маркетинга, а не описанием технологии, которую можно установить.

Практический вывод для команд на 2025 год: начинайте с одного агента и добавляйте второго только тогда, когда упёрлись в конкретное ограничение — контекст, параллелизм или необходимость независимой проверки. Не наоборот.

^* Агент — программа на базе языковой модели, которая может не только отвечать текстом, но и вызывать инструменты (поиск, код, API), оценивать результат и решать следующий шаг сама.

^** Контекстное окно — максимальный объём текста (в токенах), который модель удерживает за один запрос: и входные данные, и её собственный ответ.