Первые AI-агенты строились вокруг простого цикла: задача, LLM, инструменты, результат, повтор.
Для прототипов этого достаточно. Но когда агент работает долго, взаимодействует с другими агентами, меняет состояние систем, тратит ресурсы и выполняет реальные действия, одного loop уже мало.
Вокруг модели появляется отдельная архитектура.
Intent превращается в specification.
Инструменты и устройства описываются как capabilities.
Ограничения и бюджеты становятся policy.
Execution создает evidence.
Результат проходит validation.
State становится воспроизводимым и проверяемым.
В такой системе LLM уже не является всей системой. Это один вычислительный компонент внутри управляемого runtime.
Именно поэтому сейчас начинают сходиться Architecture-as-Code, Specification-as-Code, Policy-as-Code, Harness-as-Code и Evals-as-Code.
Следующий важный вопрос уже не только в том, насколько агент умный.
Гораздо важнее другое: можно ли точно определить, что ему разрешено делать, какое состояние он может менять, сколько ресурсов тратить, какие доказательства результата предоставить и где проходит граница автономии.
Мне кажется, именно это и есть следующий этап agentic architecture: не просто больше автономности, а больше управляемости, проверяемости и архитектурной дисциплины.