Мы стартовали обучающий курс по созданию агентных систем. Я решил параллельно выкладывать в канал короткие заметки, чтобы можно было постепенно погружаться в методологию и собирать целостную картину. Начнём с самого базового — разберём, что вообще такое агент в современном представлении и из каких частей он состоит. Анатомия агента Перед нами развернутая архитектура агента, логика работы которого выстраивается слева направо. В самом начале процесса определяется источник запроса, то есть от кого именно агент получает входящую задачу. Инициатором может выступать как живой человек, который пишет свой запрос через чат или графический интерфейс, так и другой агент. Само поведение агента и способы его реагирования задаются управляющими блоками. Основу составляет системный промпт, определяющий личность и базовые инструкции, который усиливается конкретными паттернами поведения (агентный цикл), такими как ReAct, позволяющий модели рассуждать и планировать действия. Дополнительно к этому подключаются специализированные навыки, которые расширяют системный промпт, давая агенту узкопрофильные знания или методики для решения конкретных типов задач. Для эффективного взаимодействия с внешним миром и фактического выполнения работы агент использует ресурсный блок. Сюда входят инструменты (Tools) для доступа к внешним данным или API, память для удержания контекста, помощь субагентов для делегирования задач и, конечно, сама языковая модель (LLM) как вычислительное ядро. Результат всей этой сложной обработки — готовый ответ или действие, которое возвращается обратно пользователю или передается следующему агенту для продолжения работы. Пример в коде: from google.adk.agents import Agent from google.adk.models import Gemini root_agent = Agent( # --- Управляющий слой --- # Имя агента в системе name="root_agent", # Роль агента (используется при делегировании) description="Root orchestrator agent", # System Prompt instruction=( "You are an AI agent. " "Use the ReAct pattern: think step by step, " "decide when to use tools, then produce the final structured answer." ), # --- Ресурсный слой --- # LLM — вычислительное ядро model=Gemini( model="gemini-2.5-flash", ), # Инструменты — способ взаимодействия с внешним миром tools=[get_weather, get_current_time], # Субагенты — делегирование специализированных задач sub_agents=[weather_agent, time_agent] ) #AgentEngineering О чем молчит AI CTO