В индустрии ИИ многие системы осаждены идеей о решении только изолированных задач или простого промптингa. Этот подход был полезен для разработки интересных приложений, но сейчас он достигает своего предела при работе с многоступенчатыми задачами или корпоративными системами, где информация поступает постепенно.
Парадигма искусственного General Intelligence (AGI) традиционно связывается с масштабированием моделей, архитектурными прорывами или коллаборациями между несколькими системами. Но из-за высоких затрат и рисков развитие этих направлений идёт медленнее, чем хотелось бы. Поэтому организация взаимодействия нескольких моделей стала наиболее перспективным путём к созданию систем, способных выполнять сложные, похожие на человеческие задачи.
Одним из ключевых аспектов в этом процессе является создание агентов, которые могут самостоятельно строить других агентов с минимальным вмешательством человека. Это позволяет AI действовать по запросам, а за безопасность и управление взаимодействиями отвечают инженеры.
Чтобы сделать это возможным, нужен стандартный протокол коммуникации — Model Context Protocol (MCP). Он служит универсальным интерфейсом для моделирования взаимодействия систем с разными средами — API, базами данных, инструментами. Несмотря на видимую автономность, настройка MCP требует ручной работы инженеров. Также важно иметь топологическую модель — представление в виде графа, где nodes — модели, а edges — связи и зависимости. Такой подход помогает выявлять и предотвращать ошибки, в том числе галлюцинации системы.
На базе этого графового подхода создаются планировщики-агенты. Они разрабатывают blueprints — схемы решения сложных задач — разбивая их на последовательности шагов. Это позволяет алгоритмам автономно выполнять задания, следуя заданной структуре.
Появилась новая концепция — декларативные «vibe»-заявления, которые превращаются в структурированные графы. Это помогает структурировать взаимодействие множества агентов так, чтобы процессы было проще понять, контролировать и улучшать.
Проект IntelliNode — это open source Framework, реализующий этот подход. В его арсенале есть планировщик-агент, который создает схемы based on user intent и маршрутизирует данные внутри сети специализированных vibe-агентов. Запросы пользователя переводятся в структурированные workflow, что обеспечивает прозрачность и автономность всей системы.
В бизнес-примерах уже можно видеть, как системы на базе vibe-агентов автоматизируют сбор и анализ данных: например, если нужно подготовить полный отчёт о последних достижениях в области твердотельных батарей за месяц, система создает команду агентов — поискового, аналитического и визуального — и они работают вместе, обновляя информацию в режиме реального времени. Пользователю достаточно задать high-level intent — всё остальное система выполняет сама.
Работа реализуется благодаря VibeFlow — инструменту, который управляет процессом настройки и выполнения таких автоматизированных цепочек. Пользователь подключает API ключи, задает свою задачу, и система автоматически строит и запускает рабочий процесс, сохраняет результаты в базе.
Переход от старых промптов к архитектуре на графах и агентах — это развитие в сторону большей прозрачности, надежности и reasoning в AI-системах. Создавая observable чертежи и схемы, такие системы легко расширять и адаптировать под сложные задачи будущего.
