Фаза 4 · Frameworks & Multi-Agent · AI Engineering Roadmap

Документация фреймворков

Docs · Recommended LangChain

Явный state machine, похоже на workflow-движки (Airflow/Temporal). Рекомендую как основной выбор для вашего профиля.

Docs OpenAI

OpenAI Agents SDK

Минималистичный, элегантный, официальный. Особенно полезен для Python-проекта, где нужен контролируемый SDK-level agent loop.

Docs OpenAI · current

Agents SDK reading path: orchestration, guardrails, state, evaluation

Пройти не только quickstart: важны handoffs, guardrails, results/state, integrations/observability и evaluate agent workflows.

Docs Open Source

Pydantic AI

Типобезопасный, идеален если любите Pydantic. Для вас как для Python-разработчика — очень родной.

Docs crewAI Inc.

CrewAI

Multi-agent с ролями («аналитик», «писатель», «ревьюер»). Хорошо для прототипов.

Docs Microsoft

Microsoft Agent Framework (AutoGen)

Преемник AutoGen и Semantic Kernel. Новейший production-ready SDK от Microsoft для создания агентов (ранее AutoGen).

Docs HuggingFace

smolagents

Минимализм, code agents. Очень компактный — отличный способ понять, как агенты устроены изнутри.

Практика выбора фреймворка

Practice 2-3 дня

Реализовать одну задачу в двух подходах

Например: LangGraph vs OpenAI Agents SDK или Pydantic AI. Сравнить явность state, тестируемость, tool safety, tracing и сложность деплоя.

Курсы по фреймворкам

Tutorials LangChain · current

Thinking in LangGraph + Tutorials

Официальное интерактивное руководство по сложным циклам, state management, human-in-the-loop и time-travel. Постоянно обновляется.

Course · Free DeepLearning.AI · 2025

Building Coding Agents with Tool Execution

Практический курс о создании автономных кодинг-агентов: безопасная песочница (E2B), отладка кода и управление контекстом.

Course · Paid Udemy · Ed Donner

The Complete Agentic AI Engineering Course

6 недель, 8 проектов: OpenAI Agents SDK + CrewAI + LangGraph + Microsoft Agent Framework (AutoGen) + MCP. Покупать только во время регулярных распродаж Udemy.

Книги вторым слоем

Book Arsanjani & Bustos · Packt

Agentic Architectural Patterns for Building Multi-Agent Systems

Паттерны проектирования мультиагентных систем. Охватывает переход от простых прототипов к надежным распределенным системам с RAG, context engineering и LLMOps.

Углублённая практика

Practice 3–5 дней

Построить multi-agent систему с handoff между агентами

Создать пайплайн из 2-3 агентов (researcher → coder → reviewer), реализовать протокол передачи контекста между ними и structured output как контракт. Зафиксировать, где теряется информация.

Practice 2–3 дня

Подключить MCP-сервер как tool node в граф агента

Взять свой MCP-сервер из фазы 2 и интегрировать его в LangGraph или Agents SDK как отдельный tool node. Замерить добавочную latency и написать fallback при таймауте.

Оркестрация кодинг-агентов

Case Anthropic Engineering · 2026

Building a C Compiler with a Team of Parallel Claudes

16 параллельных Claude собирают компилятор C на Rust: общая очередь задач, git-локи, разрешение merge-конфликтов. Референс-кейс orchestrator-workers на кодинг-агентах.

Docs Anthropic

Параллельные сессии через git worktrees

Официальный паттерн: каждая агентная сессия в своём worktree (isolation: worktree для сабагентов) — параллельные правки не конфликтуют до merge. Прямое продолжение вашего git-опыта.

Article Simon Willison · 2025

Embracing the Parallel Coding Agent Lifestyle

Какие классы задач безопасно раздавать параллельным агентам (research, PoC, рефакторинги) и как не утонуть в ревью — оно остаётся бутылочным горлышком.

Repo GitHub

spec-kit — Spec-Driven Development

Цикл Spec → Plan → Tasks → Implement для 30+ агентов (Claude Code, Codex, Gemini CLI). Главный анти-хаос-паттерн и основа декомпозиции для параллельной работы.

Article The Pragmatic Engineer

New Trend: Programming by Kicking Off Parallel AI Agents

Как практикующие команды реально гоняют флоты агентов: что параллелится, что нет, где человек остаётся гейтом.

Practice 3–5 дней

Оркестратор + два CLI-агента в worktrees

Декомпозировать реальную фичу на независимые задачи, запустить Claude Code и Codex CLI параллельно в отдельных worktrees, добавить ревью-гейт (третий агент или человек) перед merge. Записать, где декомпозиция провалилась.

0 / 20 материалов завершено

Три вопроса по ландшафту фреймворков.

Мои заметки

Не сохранено

Самопроверка

Вопрос 1 из 5

Какой фреймворк ближе всего к workflow-движкам типа Airflow или Temporal по идеологии?

A CrewAI — с ролями и командами агентов

B Microsoft Agent Framework (AutoGen) — с conversation-based коммуникацией

C LangGraph — с явным state machine и graph-based потоком

D smolagents — с минимальной абстракцией

Правильно: C. LangGraph моделирует агентов как state machine: узлы графа — это шаги (вызовы LLM, инструментов), рёбра — переходы. Очень похоже на DAG в Airflow или workflow в Temporal. Для разработчика, привыкшего к pipeline-движкам, — самый интуитивный выбор.

Вопрос 2 из 5

В чём основное отличие CrewAI от LangGraph?

A CrewAI работает быстрее на больших задачах

B CrewAI ориентирован на multi-agent с ролями, LangGraph — на явный state machine

C LangGraph не поддерживает Python, только TypeScript

D CrewAI бесплатный, LangGraph требует платной подписки

Правильно: B. CrewAI — это «AI-команда»: вы описываете роли (researcher, writer, reviewer), даёте задачу, агенты делегируют друг другу. LangGraph — это «AI-пайплайн»: вы явно описываете шаги и переходы. Подходы решают разные классы задач, оба валидны.

Вопрос 3 из 5

Что критично для качества multi-agent системы по опыту Anthropic?

A Большое число специализированных агентов

B Чёткое описание tools и их назначения

C Использование только одной модели для всех агентов

D Отсутствие human-in-the-loop для скорости

Правильно: B. Anthropic неоднократно подчёркивает: качество tool descriptions — главный фактор успеха агентов. Плохо описанный tool с непонятными параметрами — гарантия того, что агент будет ошибаться. Хорошо описанные tools часто важнее, чем выбор модели.

Вопрос 4 из 5

Зачем git worktrees при параллельном запуске нескольких кодинг-агентов?

A Ускоряют выполнение git-команд

B Каждый агент получает изолированную рабочую копию на своей ветке — правки не конфликтуют до этапа merge/review

C Экономят токены

D Позволяют агентам обмениваться сообщениями

Правильно: B. Worktree — отдельная директория с общей git-историей. Официальная документация Claude Code рекомендует именно этот паттерн для параллельных сессий; конфликты решаются на управляемом этапе ревью и merge, а не в момент правок.

Вопрос 5 из 5

В чём суть spec-driven development (GitHub spec-kit)?

A Писать больше комментариев в коде

B Генерировать документацию из кода

C Спецификация — источник правды: цикл Spec → Plan → Tasks → Implement, и агент реализует утверждённый план

D Запрет на использование агентов без тестов

Правильно: C. SDD переворачивает привычный порядок: сначала фиксируются требования и план, потом агент(ы) реализуют по задачам. Это главный анти-хаос-паттерн против «vibe coding» на больших задачах и основа декомпозиции для параллельных агентов.

0 / 5