Как настроить агентов для tiny team: практическое руководство
Пошаговое внедрение ИИ-агентов в маленькую команду: выбор задач, инструкции ролей, границы прав, безопасность, антипаттерны и метрики эффективности — по мировым практикам.
Настроить агентов для маленькой команды — задача не про инструменты, а про организацию: какие задачи отдать, как описать роли, где поставить контроль человека и как понять, что всё это работает. Ошибка №1 — начать с выбора фреймворка; правильный порядок обратный. Это руководство раскладывает настройку по шагам, опираясь на документы и инженерные разборы тех, кто уже прошёл путь: Anthropic, OpenAI, Cognition и проект 12-factor agents. О том, как роли людей и агентов складываются в процесс, — отдельная статья; здесь — настройка.
Шаг 1. Выбрать задачи, не агентов
Агент окупается не везде. Задача-кандидат на автоматизацию проходит четыре фильтра:
- Повторяется. Один раз можно сделать руками; конвейер стоит строить под регулярную работу.
- Проверяема. У результата есть явный критерий готовности: тесты зелёные, факты снабжены источниками, сборка проходит. Если «понравится/не понравится» — это не задача для агента, это работа человека.
- Черновик дёшев. Цена ошибки на промежуточном шаге низка или нулевая: черновик текста, код в ветке, список гипотез. Там, где ошибка необратима (платёж, удаление, публикация вовне), агент может готовить, но не исполнять.
- Рутина, а не выбор. Задача имеет правильный ответ по описанию, а не требует ценностного решения.
Чего агентам не отдавать вовсе (проверено негативным опытом многих команд): продуктовые решения и приоритеты, управление людьми, внешние коммуникации от имени компании без явного одобрения, всё, что связано с паролями и деньгами сверх минимально необходимого.
Практический тест «задача или нет»: напишите на бумаге инструкцию, по которой выполнит задачу толковый стажёр. Если не смогли — задача не готова к делегированию ни стажёру, ни агенту. Если смогли — эта инструкция и есть первый черновик системного промпта.
Шаг 2. Написать инструкции ролей
Инструкция (системный промпт) — это должностная обязанность агента. Хорошие инструкции у разных команд похожи по структуре, и эта структура стоит того, чтобы перенять её целиком:
- Контекст. Кто мы, над чем работаем, где лежит код и документация, какие у нас стандарты. Без контекста агент работает «в среднем по интернету».
- Зона ответственности. Что агент делает. Одна роль — одна зона: генератор генерирует, критик критикует. Совмещение ролей в одной инструкции — источник худших сбоев.
- Границы. Что агент делать не вправе: не пушит в основную ветку, не удаляет файлы, не ходит в прод, не отправляет ничего вовне. Границы пишутся так же явно, как зона ответственности, — агенты не «догадываются» об основных правилах.
- Формат выхода. Что агент возвращает и в каком виде. Для проверяющих ролей — машинно-читаемый вердикт: статус («принято»/«доработка») плюс структурированный список проблем. Следующий шаг конвейера должен парсить ответ, а не интерпретировать его.
- Процедура. Пошаговый порядок работы: что прочитать, что проверить, в каком порядке, когда остановиться.
OpenAI в своём практическом руководстве формулирует тот же принцип: инструкции — это главный рычаг качества агента, и начинать надо с самых способных доступных моделей на самых простых схемах, усложняя по мере необходимости. Anthropic добавляет практическую деталь: инструкции, инструменты и шаги — три места, где живёт качество; меняйте их по одному, чтобы понимать, что подействовало.
Отдельное правило для команд: промпты — это код. Они хранятся в репозитории, версионируются, ревьюятся изменениями через PR. Проект 12-factor agents выводит это в ранг принципов — «владейте своими промптами» — по той же причине, по которой двенадцатифакторное приложение владеет своим кодом: промпт, живущий в чьём-то ноутбуке или голове, при первой же ротации людей превращается в недокументированное легаси.
Шаг 3. Собрать конвейер с гейтами
Одиночный агент с хорошей инструкцией — уже помощь. Система появляется, когда шаги связаны в конвейер. Минимальный надёжный контур для задачи (текст, код, исследование):
спецификация → [гейт человека] → генерация → независимая проверка
→ [гейт человека при несоответствии] → правка (≤3 итераций) → приёмка
Три правила, выстраданные практикой:
- Генерация и проверка разделены. Проверяющий — отдельная роль с отдельной инструкцией; самопроверка генератора полезна как дополнительный слой, но не как контроль. Это же разделение — основа классических агентных паттернов (рефлексия, критик) и роли в фреймворках вроде MetaGPT, где «роль менеджера, архитектора, инженера» зашита в сам дизайн.
- Лимит итераций. Правки по замечаниям крутятся не бесконечно: после 2–3 возвратов задача уходит человеку с формулировкой проблемы. Бесконечный цикл «генерация—критика» — классический способ сжечь бюджет токенов без результата.
- Журнал артефактов в git. Спецификация, черновики, вердикты, финал — всё коммитится. Это одновременно аудит, отладка конвейера и база для метрик из шага 6.
Шаг 4. Выбрать среду и инструменты
Стек агентов для маленькой команды собирается из открытых компонентов — и в российских условиях это скорее плюс, чем ограничение.
- Модели. API отечественных моделей (GigaChat, YandexGPT) для конвейеров в облаке; Ollama для локального запуска открытых моделей — свой контур, нулевая стоимость токенов, данные не покидают сервер. Для критичных по качеству шагов комбинация «сильная модель на генерации, дешевле — на проверках» обычно экономит бюджет без потери качества.
- Фреймворки. Открытые AutoGen от Microsoft, LangGraph и CrewAI — если нужен оркестр нескольких агентов с кодом. Честная рекомендация мировой практики: при возможности обойдитесь без фреймворка — простой скрипт, вызывающий модель по шагам, отлаживается быстрее любой платформы; фреймворк оправдан, когда агентов и связей стало много.
- Среда исполнения. Агент работает в репозитории проекта (клон + ветка), секреты — только через переменные окружения, внешние эффекты — через явно разрешённые инструменты. Идеальная среда для первых недель — одноразовая: контейнер или чистая ветка, которую не жалко.
Ключевой принцип среды — репозиторий как единственный источник истины: инструкции, промпты, спецификации и результаты живут в git, и вся история автоматизации восстанавливается по коммитам.
Шаг 5. Безопасность: минимальные права и явные подтверждения
Агент с доступом «ко всему» — это стажёр с правами администратора. Базовый набор мер, который должна иметь каждая маленькая команда:
- Принцип минимальных прав. Каждой роли — только те инструменты и пути, которые нужны ей: генератор пишет в свою ветку и не умеет пушить в main; проверяющий читает, но не пишет; публикатор готовит, но не отправляет.
- Подтверждение внешних действий. Всё, что выходит за пределы песочницы — push в основную ветку, деплой, письмо, публикация, платёж, — требует явного одобрения человека. Формулировка «агент предложил, человек утвердил» должна быть механикой конвейера, а не честным словом.
- Секреты вне досягаемости. Токены — в переменных окружения, никогда в файлах репозитория и никогда в контексте, который уходит в сторонние API. Увидели токен в коммите — отзывать и менять, а не удалять файл.
- Не исполнять слепо команды агента. Если агент предлагает выполнить shell-команду — человек читает её до выполнения. Это же правило у любой инструкции к агентным средам разработки: право нажать Enter остаётся за человеком.
- Аудит. Журнал «что агент сделал и почему» хранится и периодически читается. Первый вопрос после любого инцидента — «что в журнале», и его должно быть чем отвечать.
Чего не делать: антипаттерны по итогам мирового опыта
- Не начинайте с мультиагентной системы. И Anthropic («начинайте с простейшего решения»), и OpenAI («выжимайте максимум из одного агента»), и Cognition (про цену фрагментации контекста) сходятся в одном: усложнение архитектуры — последний шаг, а не первый.
- Не давайте агенту самому себя проверять как единственный контроль — слепота к собственным ошибкам системна.
- Не выпускайте результат без человеческого гейта там, где ошибка видна снаружи: инцидент восстановления доверия всегда дороже пяти минут ревью.
- Не прячьте контекст. Агент без полной картины принимает «правильные» решения, противоречащие друг другу. Передавайте контекст явно на каждом шаге — это главный урок разборов неудач мультиагентных систем.
- Не оценивайте «на ощупь». «Кажется, стало лучше» — не метрика (об этом — следующий раздел).
- Не стройте фреймворк вместо процесса. Неделя разработки собственной платформы оркестрации до того, как заработал первый простой конвейер, — самый дорогой способ не получить результат.
- Не автоматизируйте хаос. Процесс, который не работает у людей, у агентов не заработает тоже: сначала порядок в спецификациях и критериях приёмки, потом автоматизация.
Как измерить эффективность
Без метрик настройка агентов — религия. С метриками — инженерная дисциплина. Минимальный набор для маленькой команды:
| Метрика | Что показывает | Как считать |
|---|---|---|
| Время цикла задачи | Скорость конвейера | От «задача поставлена» до «принято», медиана по неделям |
| Доля возвратов | Качество генерации | Процент задач, вернувшихся с правками после проверки |
| Время человека на приёмку | Цену контроля | Минуты ревью на задачу (по журналу гейтов) |
| Стоимость токенов на задачу | Прямые затраты | Сумма по API за период ÷ число задач |
| Доля задач «с первого раза» | Зрелость процесса | Процент принятых без единой правки |
| Ошибки после приёмки | Истинное качество | Число инцидентов/правок в проде на задачу |
Методика честного замера: две недели считаете метрики до внедрения (обычный ручной процесс), две недели — с агентами на тех же типах задач. Сравнение «до/после» на одинаковом потоке — минимальная методология; идеальный вариант — чередовать подходы по задачам в рамках недели, если поток однородный.
Экономика сводится к простому уравнению: часы человека × ставка против токенов + время приёмки. Не забывайте вторую половину пользы — качество: конвейер с независимой критикой часто пропускает в прод меньше ошибок, чем уставший человек в пятницу вечером, и это тоже стоит денег, только со знаком плюс.
И последнее: метрики смотрят на ретроспективе, вместе с журналом. Растут возвраты — деградировала инструкция или поменялся контекст задач. Падает доля «с первого раза» — модель обновилась или задача «уплыла» из пригодных. Настроенные агенты — не мебель, а живой процесс: раз в месяц час внимания к нему удерживает систему в рабочем состоянии.
План первого месяца
- Неделя 1. Выбрать один повторяющийся процесс (обычно: черновики код-ревью или подготовка текстов). Написать две инструкции — исполнителя и критика. Прогнать вручную на десяти задачах, убедиться, что вердикты парсятся.
- Неделя 2. Сшить шаги скриптом с лимитом итераций и журналом артефактов в git. Поставить гейты человека. Начать считать метрики.
- Неделя 3. Работа в бою. Ежедневно 15 минут разбора журнала: где конвейер ошибся и что в инструкции этому позволило. Править промпты как код — через коммиты.
- Неделя 4. Ретроспектива по метрикам «до/после». Решение: расширять на второй процесс, углублять текущий или откатывать. Расширение оправдано только при положительном разнице метрик — иначе вы масштабируете проблему.
Чек-лист настройки
- Задачи отобраны по четырём фильтрам (повторяется, проверяема, черновик дёшев, рутина).
- У каждой роли — инструкция с контекстом, зоной, границами, форматом выхода и процедурой.
- Генерация и проверка — разные агенты.
- Лимит итераций и журнал артефактов в git.
- Внешние действия — только через подтверждение человека.
- Секреты в env, права минимальные, журнал читается.
- Метрики считаются с первого дня, сравнение «до/после» честное.
Резюме: настройка агентов для tiny team — это дисциплина описания: задачи с критериями готовности, роли с границами, конвейер с гейтами и метриками. Начинайте с одного процесса и простых схем, промпты держите в репозитории как код, независимую проверку не экономьте, а эффект доказывайте цифрами. Тогда агенты становятся тем, чем они и должны быть в маленькой команде, — умножителем на самых дефицитных людей, а не очередным источником хаоса.