Reasoning-модели тратят дополнительные вычисления на промежуточные шаги перед ответом. Они лучше справляются с задачами, которые нужно разбить на части, но это не означает человеческого понимания. Об ограничениях таких рассуждений мы написали в отдельном разборе.
Модель становится агентом, когда получает цикл работы и доступ к инструментам. Она оценивает состояние задачи, выбирает действие, получает результат и решает, что делать дальше.
Из чего состоит агент
- модель выбирает следующий шаг;
- инструкции задают цель и ограничения;
- инструменты читают данные или выполняют действия;
- память хранит нужный контекст;
- управляющий код останавливает цикл и обрабатывает ошибки.
Например, пользователь просит забронировать столик. Агент ищет ресторан через доступный сервис, проверяет время и готовит бронь. Перед окончательной отправкой он показывает пользователю ресторан, дату, число гостей и условия отмены.
Модель не подключается к любому сервису сама. Разработчик заранее предоставляет инструмент через API, браузер или протокол вроде MCP. У инструмента есть схема параметров и ограниченные права.
Браузерные агенты
OpenAI Operator был одним из примеров агента, который работал через браузерный интерфейс. Такой агент мог открывать страницы, заполнять формы и нажимать кнопки.
Работа через интерфейс полезна, если у сервиса нет API. Она также менее надёжна. Страница может измениться, показать неожиданный диалог или потребовать вход. Агент не должен обходить защиту от ботов и выполнять чувствительное действие без подтверждения.
Какие задачи подходят
- подготовка черновика письма;
- создание задачи в CRM;
- поиск по корпоративной базе;
- сбор данных из нескольких разрешённых источников;
- запуск обратимого процесса после проверки параметров.
Оплата, удаление данных, публикация и изменение прав требуют отдельного подтверждения. Для каждого действия нужен журнал, чтобы команда могла восстановить ход работы.
Где агенты помогают бизнесу
В поддержке клиентов агент может найти инструкцию и подготовить заявку. В аналитике он собирает данные по заданным источникам и запускает отчёт. В автоматизации он связывает несколько систем, если обычного линейного сценария недостаточно.
Агент полезен не своей самостоятельностью. Его ценность в том, что он выбирает следующий шаг внутри чётко ограниченного процесса. Чем дороже ошибка, тем уже должны быть доступные действия.
