Мини-курс · 2026

Как работают агенты

Агент — это не магия и не «думающий ИИ». Это узкий слой кода вокруг LLM, который превращает один-разовый вызов модели в цикл с инструментами, памятью и правилами — Anthropic называет такие системы агентами, потому что модель сама управляет процессом и выбором инструментов. Этот курс разбирает каждый слой: что добавляет harness, чего стоит каждое решение, и какие компромиссы делают Claude Code, Cursor и Manus.

Начать с цикла → Смотреть содержание

Содержание

14 глав, 5-10 минут чтения каждая. Каждая глава снабжена интерактивной диаграммой и ссылками на оригинальные статьи в конце.

01

LLM за 5 минут

Что вообще делает большая языковая модель и почему один-разовый ответ — это ещё не агент.
02

Agentic Loop

Главная картинка курса: цикл «модель → инструмент → результат → снова модель», который и порождает агента.
03

Tools

Руки и глаза агента. Как модель «просит» harness что-то сделать и получает результат обратно.
04

Context Window

Память агента — это входной список сообщений. Сколько туда влезает, что вытесняется, как делается компакция.
05

Память и файлы

Долгосрочная память между сессиями. Два процесса, shared state, MEMORY.md — модель Олега Беловы.
06

Sessions

Как агент возвращается к вчерашнему разговору. Resume, transcript, server-side session id.
07

Subagents

Делегирование и параллелизм. Когда основной агент стартует «дочерние» и зачем.
08

Permissions

Четыре слоя гейта между моделью и системой: rules, modes, tool-check, hooks.
09

Hooks

Точки расширения, в которые пользователь и плагины вклиниваются между шагами цикла.
10

Streaming

SSE-таймлайн ответа модели, события и восстановление после ошибок в середине стрима.
11

Стоимость и кеш

Сколько стоит цикл и почему prompt caching меняет экономику в 10 раз.
12

Что под капотом

Claude Code, Cursor и Manus — какие архитектурные решения они выбрали и почему.
∞

Эпилог

Куда дальше: расширенный список статей, кодовых баз и людей, у которых стоит учиться.

Прежде чем начать: одна картинка

Чтобы дальше не путать чат с агентом, держите в голове это сравнение. Слева — режим, к которому все привыкли: вы пишете, модель отвечает, цикл заканчивается. Справа — то, что мы называем агентом: модель сама решает позвать инструмент, harness исполняет вызов и возвращает результат, и так несколько раз подряд, пока задача не закрыта.

Chat vs Agent CHAT один ответ на одно сообщение user model user model user model AGENT модель зовёт инструменты в цикле, пока задача не решена user model tool model tool model answer cycle

Слева — обычный чат: один ответ на одно сообщение, никаких инструментов и циклов. Справа — агент: модель сама решает, когда позвать инструмент, harness исполняет вызов, цикл крутится, пока задача не решена.

Для кого

Курс рассчитан на программиста, который знает что такое HTTP API и видел JSON, но никогда не работал с агентами. Если вы уже пишете на Claude Agent SDK или ковыряетесь в исходниках Claude Code — большая часть материала будет вам знакома; пользы здесь меньше.

Откуда материал

Каждая глава опирается на публичные источники: инженерные посты Anthropic, документация на docs.claude.com, «Practical Guide to Building Agents» от OpenAI, разборы Манус и Курсор, статьи Олега Беловы про память и состояние, и наш независимый разбор внутренностей агентского harness Claude Code. В конце каждой главы — точные ссылки на оригиналы.

Если вы хотите углубиться — смотрите эпилог. Там собрано всё, что не влезло в курс.