Agentic Design Patterns: от цепочки промптов к системе агентов (Рубрика #Books)

Дочитал "Agentic Design Patterns" Антонио Гулли. Брался за неё как за справочник по архитектуре агентов, а в итоге больше всего понравилась последовательность: книга показывает не набор модных фреймворков, а лестницу сложности - от одного управляемого вызова модели до системы, в которой несколько агентов планируют, используют инструменты, помнят состояние и проверяют друг друга.

Всего в книге 21 паттерн, и я бы собрал их в пять ступеней.

1️⃣ Управление потоком: prompt chaining, routing и parallelization

Мы ещё не даём модели большой автономности, а явно решаем, как разбить задачу, куда направить запрос и что можно выполнять параллельно. Для AI4SDLC это уже полезно: например, отдельно анализировать требования, код, тесты и риски, а затем собирать результат.

2️⃣ Aгентность: reflection, использование инструментов и планирование. Система получает петлю обратной связи, может пересмотреть результат, вызвать внешнее действие и разложить цель на шаги. Здесь обычная цепочка впервые начинает напоминать агента.

3️⃣ Состояние и координация: несколько агентов, память, обучение и адаптация, MCP, постановка целей и мониторинг. Сложность переезжает из промпта в архитектуру: кто чем владеет, какой контекст передаётся дальше, где хранится состояние и как понять, что общая задача действительно завершена.

4️⃣ Работа с окружающей реальностью: восстановление после ошибок, человек в контуре и RAG. Агентная система перестаёт быть красивой демкой и встречается с неполными данными, сбоями и решениями, которые нельзя бездумно делегировать модели.

5️⃣Эксплуатация в масштабе: A2A-коммуникация, управление ресурсами, техники рассуждения, guardrails, evals и мониторинг, приоритизация, исследование и поиск новых вариантов. На этом уровне главный вопрос уже не «может ли агент выполнить задачу», а «можем ли мы наблюдать эту работу, ограничить её стоимость и радиус ошибки и вовремя остановить систему».

Примеры написаны на разных «холстах»: LangChain и LangGraph, CrewAI и Google ADK. И это удачный ход. Видно, что паттерн — это архитектурное решение, а фреймворк лишь конкретный способ его выразить.

Конечно, код уже стоит читать с оговоркой. Книга вышла в 2025 году, а в агентных фреймворках за несколько месяцев успевают поменяться API, абстракции и рекомендуемые подходы. Какие-то примеры придётся чинить. Я бы воспринимал их как исполняемые диаграммы, а не как готовый production boilerplate.

Есть и другой парадокс: сегодня многие главы кажутся почти очевидными. Про tool use, память, маршрутизацию, planner/evaluator, human-in-the-loop, MCP, guardrails и evals теперь знают почти все. Но это не значит, что книга устарела. Скорее, индустрия быстро догнала её словарь. Многие уже строят собственные мультиагентные системы — и заново сталкиваются с теми же вопросами о состоянии, ответственности, проверке, наблюдаемости и стоимости.

Для меня главный вывод из книги такой: не надо начинать с команды агентов. Сначала стоит собрать минимальный управляемый цикл — понятная задача, ограниченный набор инструментов, условие остановки и независимая проверка результата. Память, роли и параллелизм добавлять только тогда, когда простая схема действительно стала узким местом. Каждый новый паттерн покупает системе способность, но одновременно приносит новый класс отказов.

Книгу я бы рекомендовал инженерам, архитекторам и техническим руководителям, которым нужна общая карта агентных систем. Если нужен актуальный туториал по конкретной версии LangGraph или ADK, лучше сразу идти в документацию. А вот как язык для разговора об архитектуре агентов книга остаётся очень полезной.

P.S. Я читал книгу преимущественно в дороге, поэтому к концу прочтения она чуток поистрепалась

#Books #AI4SDLC #AI #Agents #Architecture #Engineering