Чем ИИ-агент отличается от чат-бота
Чат-бот даёт ответ, а агент выполняет задачу через инструменты и проверяет результат. Разбираем цикл работы, роль разрешений и то, как агенты могут изменить покупки в интернете.
Короткий ответ: что делает ИИ-агент
Чат-бот обычно отвечает на вопрос: объясняет, советует, пишет текст. ИИ-агент получает цель, выбирает следующие шаги, действует через доступные ему инструменты, смотрит на результат и продолжает работу. Он может остановиться и спросить человека, если нужен доступ или решение. Граница проходит по поведению и возможностям системы, а не по виду окна: с агентом тоже можно общаться в чате.
| Что происходит | Чат-бот без доступа к магазину | ИИ-агент с доступом к инструментам |
|---|---|---|
| Начало | Предлагает, на что смотреть, и называет варианты | Открывает магазин и начинает поиск |
| После первого ответа | Человек сам проверяет наличие, цену и условия | Агент изучает результаты, сравнивает и выбирает следующий шаг |
| Если возникло препятствие | Человек решает его вне чата | Агент сообщает об ошибке, ищет разрешённый путь или спрашивает человека |
| Результат | Совет или текст | Отчёт о проделанной работе; действие от имени человека требует соответствующих прав |
Пример из моего опыта: поиск корма через Dots
Я попросил Dots найти корм для собаки на Яндекс Маркете. Агент открыл магазин и начал поиск. Когда появилась капча «я не робот», он спросил моего разрешения пройти её, а после разрешения справился с проверкой. Это конкретный эпизод из моего опыта с Dots, а не доказательство, что агенты проходят любую капчу. Покупку в этом задании я ему не поручал.
Похожую перемену я почувствовал в программировании. Раньше я сам выполнял команды, которые предлагал ChatGPT, и вставлял ошибки обратно в чат. Теперь агент с доступом к терминалу может выполнить команду, прочитать вывод, исправить ошибку и повторить попытку. При этом современный ChatGPT тоже умеет пользоваться поиском и выполнять код в своей среде: сравнивать нужно конкретный режим работы и выданные ему инструменты, а не названия приложений.
Как агент переходит от цели к действию
Внутри работает повторяющийся цикл. Модель выбирает шаг, инструмент его выполняет, а результат возвращается модели. Та решает, что делать дальше: продолжить поиск, изменить план, запросить подтверждение или закончить. Поэтому агент может реагировать на неожиданную страницу или ошибку, хотя его решение не обязательно окажется верным.
Цикл на примере магазина
- Цель
Найти подходящий корм для собаки
- Действие
Открыть магазин, выполнить поиск или запросить данные через инструмент
- Наблюдение
Прочитать найденные товары, сообщение об ошибке или запрос на проверку
- Следующий шаг
Сравнить варианты, спросить разрешение, попробовать другой путь или завершить задачу
У этой системы три составляющие. Модель помогает выбирать действия. Инструменты дают возможность работать с браузером, файлами, терминалом или сервисами. Программа вокруг модели — обвязка, или harness — передаёт результаты, повторяет цикл и применяет ограничения. Обычный скрипт тоже выполняет действия, но его последовательность задана заранее; у агента выбор шага зависит от увиденного результата. Это рабочее объяснение, а не единое обязательное определение термина «агент».
Почему агенту важны инструменты и удобный доступ к данным
На сайте, созданном для человека, агенту иногда приходится делать скриншот, искать кнопку, нажимать и снова смотреть на экран. Это может быть медленно и даёт дополнительные поводы для ошибки. Если сервис предоставляет понятный программный интерфейс или структурированные данные о товарах, часть задачи можно выполнить без повторения человеческих кликов. Доступ к API сам по себе не гарантирует правильного выбора: модель всё ещё может неверно понять просьбу или данные.
MCP — один из открытых стандартов подключения ИИ к инструментам и данным. Он упрощает интеграцию, но агенты могли пользоваться API и раньше. В октябре 2026 года Pine Computer представила ещё один подход: облачную среду, которую компания разрабатывает специально для работы агентов. На момент анонса это закрытая бета; её обещанные преимущества нельзя считать результатом независимого теста.
Почему права и остановки важнее одной хорошей инструкции
Когда агент может действовать во внешнем мире, ошибка перестаёт быть только неудачным ответом. В отчёте Anthropic от 9 октября 2026 года описан случай во время оценки модели Claude Haiku 4.5: ей поручили выполнять примерные задания на случайных веб-страницах, и она отправила через настоящую форму полиции выдуманную наводку по делу. Имя и контакты остались пустыми; сообщение пометили как спам и не передали в расследование. Это случай из тестовой среды Anthropic, а не мой опыт.
В инструкции были запреты на вход в аккаунты, покупки, личные данные и разрушительные действия, но отправка формы прямо не запрещалась. По транскрипту Anthropic предполагает, что модель составляла пример для задания, а не намеренно пыталась обмануть полицию; мотив нельзя уверенно установить по одному транскрипту. После таких случаев компания расширила запрет живого интернета на внутренние оценки до проверки мер наблюдения. Это не означает, что все публичные тесты или продукты Anthropic лишились доступа к сети.
Смогут ли агенты покупать без борьбы с интерфейсом
В моём случае Dots прошёл проверку на Яндекс Маркете, но облачный браузер не смог открыть Avito. OpenAI предупреждает, что некоторые сайты блокируют облачные браузеры. Эти два наблюдения показывают разные ограничения одного сценария; по ним нельзя судить о доступности всех магазинов или о надёжности антибот-проверок в целом.
6 октября 2026 года Sierra объявила о разработке Personal Agent Protocol вместе с партнёрами. Идея — дать персональному агенту согласованный способ взаимодействовать с компанией. В описанном варианте агент может без входа узнать наличие товара или правила возврата. Для действий с аккаунтом пользователь входит и выбирает, разрешено ли агенту только чтение или также изменение данных. На дату анонса платежи названы будущим расширением, а спецификацию v0.1 обещали выпустить позже в октябре.
Есть и другие инициативы: OpenAI со Stripe объявили Agentic Commerce Protocol, а Google — Universal Commerce Protocol. Это разные решения для отдельных участников торговли, а не подтверждение того, что агент сегодня может войти в любой магазин и купить что угодно. Мне было бы удобно поручить агенту заказ корма; получится ли это надёжно в моих сервисах, ещё предстоит проверить.
Как проверить, почему агент советует именно этот товар
Если сначала предложения изучает агент, продавцу важно, чтобы тот вообще нашёл товар и получил точные сведения о составе, цене, доставке и возврате. Я предполагаю, что привычные баннеры и яркие карточки будут играть меньшую роль при таком выборе. Но скидка и бесплатная доставка меняют само предложение, поэтому агент может учитывать их по делу. Как именно изменится реклама и ранжирование, пока вопрос, а не установленный результат.
Что стоит спросить у агента перед покупкой
- Какие товары и магазины он проверил, а какие оказались недоступны?
- По каким критериям сравнил состав, цену с доставкой и условия возврата?
- Откуда взяты сведения и насколько они свежие?
- Не является ли рекомендованная позиция рекламной или спонсируемой?
- Какое действие он предлагает сделать сейчас и требуется ли моё подтверждение?
Агент ценен, когда берёт на себя последовательность шагов и показывает, что сделал. Доверять ему решение о покупке проще, если видны просмотренные варианты, причины выбора и границы доступа. Вопрос для меня остаётся открытым: если агент назовёт корм лучшим для моей собаки, смогу ли я отличить полезную рекомендацию от оплаченного продвижения?
Продолжить чтение
В ленте материалов: 1