Планирующие агенты против реактивных: кто дешевле в бою

Когда OpenAI, Anthropic и разработчики фреймворков вроде LangGraph говорят об «агентах», они имеют в виду две разные вещи. Один агент получает задачу, строит план из шагов и идёт по нему. Другой ничего не планирует: смотрит на текущее состояние, вызывает один инструмент, смотрит на результат, вызывает следующий. Первый подход называют планирующим (plan-and-execute), второй — реактивным (обычно это цикл ReAct¹). От выбора зависит, сколько вы заплатите за токены, за сколько секунд придёт ответ и в какой момент система пойдёт вразнос.

Что реально отличается

Реактивный агент работает в петле: модель рассуждает, выбирает действие, получает наблюдение, снова рассуждает. Классическая связка «Thought → Action → Observation», повторяемая до тех пор, пока модель не решит, что задача закрыта. Планирующий сначала генерирует весь маршрут — «шаг 1: найти данные, шаг 2: посчитать, шаг 3: оформить отчёт» — а затем исполняет пункты, иногда перепланируя, если что-то пошло не так.

Разница не в интеллекте модели, а в том, где принимается решение о следующем шаге. У реактивного — на каждой итерации, у планирующего — один раз в начале (плюс редкие пересмотры плана).

Цена вопроса в токенах

Реактивный агент на каждом шаге тащит в контекст всю историю: изначальную задачу, все прошлые мысли, все наблюдения. К десятому шагу промпт распухает, и каждый вызов оплачивается по полной. Планирующий агент выносит стратегию наружу и на каждом шаге отправляет модели меньше контекста — часто только текущий пункт плана и нужные данные.

Точных универсальных цифр здесь нет — расход зависит от задачи, модели и того, как вы обрезаете контекст. Но направление устойчивое: чем длиннее цепочка действий, тем дороже обходится реактивный цикл относительно планирующего. На коротких задачах (два-три вызова) разница исчезает, и планирование становится лишними накладными расходами.

Реактивный агент гибок ровно настолько, насколько дорого вы готовы за эту гибкость платить на каждом шаге.

Где что ломается

У обоих подходов свои режимы отказа, и это важнее абстрактных достоинств.

Реактивный агент склонен зацикливаться. Он может по кругу вызывать один и тот же инструмент, получать один и тот же бесполезный результат и не понимать, что застрял. Отсюда обязательный предохранитель — лимит итераций. Без него агент способен сжечь бюджет за один запрос.

Планирующий ломается иначе: он строит план на основе неполной картины мира. Если на шаге 4 выясняется, что данные из шага 2 не подходят, наивный исполнитель всё равно продолжит по плану и выдаст мусор. Поэтому серьёзные реализации добавляют перепланирование — сверку результата с планом и его переписывание. Это возвращает часть гибкости реактивного подхода, но и часть его стоимости.

Сравнение по ключевым параметрам

Как выбрать под свою задачу

Универсального победителя нет. Есть свойства задачи, которые склоняют чашу.

• Короткая задача в два-три вызова — берите реактивный. Планирование добавит вызов на генерацию плана и ничего не сэкономит.
• Длинный воспроизводимый процесс (собрать отчёт, обойти пять источников, оформить результат) — планирующий даст меньший счёт и предсказуемый маршрут, который проще логировать.
• Среда, где что угодно может измениться между шагами — реактивный или планирующий с частым перепланированием. Жёсткий план тут развалится.
• Нужна аудируемость (кто-то должен проверить, что агент собирался делать) — планирующий: план читается заранее, до исполнения.

На практике всё чаще собирают гибрид: планирующий верхний уровень раскладывает задачу на подзадачи, а каждую подзадачу решает реактивный подагент с жёстким лимитом итераций. Так стратегия остаётся дешёвой и читаемой, а тактика — гибкой.

Что обязательно закладывать в любую схему

1. Лимит итераций или шагов — иначе первый же цикл-ловушка съест бюджет.
2. Потолок стоимости на запрос в деньгах или токенах, с жёстким обрывом.
3. Логирование каждого шага: вызов инструмента, вход, выход. Без этого отладка агента превращается в гадание.
4. Понятный критерий завершения — когда именно задача считается решённой.

Спор «планировать или реагировать» на деле сводится к тому, что вы оптимизируете: минимальный счёт и предсказуемость — или максимальную адаптивность. Выбирать вслепую дорого: длинная задача на реактивном агенте без лимитов способна за один прогон превысить дневной бюджет на API. Начните с профиля своей задачи, а не с модного фреймворка.

¹ ReAct (Reasoning + Acting) — схема работы агента, где модель чередует шаги рассуждения и действия: сначала формулирует мысль, затем вызывает инструмент, затем анализирует полученный результат и повторяет цикл.