Мозгу нужно тело, а агенту — тишина: две мысли о том, как работать с AI-агентами

Два коротких поста из команды и сообщества Claude Code, опубликованных с разницей в семь минут, на первый взгляд говорят о разном. Один — об устройстве агента, второй — о том, как человеку с ним работать. Но вместе они складываются в цельную мысль: Claude Agent SDK даёт модели «тело», а человеку остаётся задача не мешать этому телу работать суетой.

Claude Agent SDK: мозг и тело агента

Автор одного из постов, @adocomplete, формулирует метафору предельно просто: мозг без тела только разговаривает, а мозг с телом делает дела. Мозг здесь — это LLM, сама модель. Тело — это harness: инструменты, файлы и цикл, в котором модель работает.

Разница принципиальная. Чат-бот отвечает на вопрос и на этом заканчивает. Агент получает доступ к файловой системе, запускает команды, читает результат, решает, что делать дальше, и повторяет цикл, пока задача не решена. Модель в обоих случаях может быть одной и той же — отличается именно окружение вокруг неё.

Что входит в harness

Из определения следуют три составляющих:

• Инструменты — то, чем агент действует: чтение и правка файлов, shell, поиск, внешние сервисы через MCP.
• Файлы — рабочая память и результат: контекст проекта, заметки, артефакты.
• Цикл — логика «подумал — сделал — проверил», которая превращает единичный ответ в последовательность действий.

Claude Code — это, по сути, готовый harness для программирования. Но задачи бывают разные: разбор почты, исследование, обработка документов, поддержка клиентов. Для них нужно другое тело, и именно его предлагает собрать Agent SDK.

Как собрать агента под свою задачу

Главный практический вывод из поста: не нужно изобретать модель, нужно спроектировать окружение. Пять осмысленных вопросов заменяют сотню строк промпта. Какие инструменты агенту действительно нужны? К каким файлам у него должен быть доступ? Как он поймёт, что задача выполнена? Что ему категорически нельзя делать?

Хороший harness ограничивает не меньше, чем расширяет. Узкий набор понятных инструментов обычно работает надёжнее, чем десятки возможностей «на всякий случай». Это тот же принцип, что и в хорошем интерфейсе: чем меньше лишнего, тем меньше ошибок.

Кому это пригодится в первую очередь? Разработчикам, которые уже упёрлись в рамки готовых инструментов и хотят агента под собственный процесс, а также командам, автоматизирующим рутину, где «просто спросить чат-бота» не работает.

Мультитаскинг с агентами: почему стоит замедлиться

Второй пост, от @trq212, обращён к человеку. Мысль такая: большинству тех, кто параллельно ведёт несколько агентов, пошло бы на пользу притормозить. Большая часть того, чем вы заняты, на самом деле не имеет значения. Вопрос в другом: что у вас P0 и как бы выглядела работа, если бы вы отдали ей всё внимание?

Это неожиданно звучит на фоне общего азарта. Агенты дёшевы в запуске, поэтому соблазн запустить пять задач одновременно велик. Но узким местом остаётся не скорость агента, а внимание человека: ревью результатов, постановка задач, принятие решений. Пять параллельных потоков означают пять переключений контекста и пять поверхностных проверок вместо одной глубокой.

Как применить на практике

1. Определите единственную задачу, которая действительно важна сегодня.
2. Дайте агенту хорошо описанную цель и проверяемый критерий результата.
3. Вдумчиво просмотрите итог, а не пролистайте дифф.
4. Только потом берите следующую задачу.

Параллельность оправдана там, где задачи независимы и их ревью не требует глубокого погружения. Во всём остальном скорость измеряется не числом запущенных агентов, а числом по-настоящему закрытых задач.

Вывод: тело для модели, фокус для человека

Обе мысли сходятся в одной точке. Качество работы с агентами определяется не только мощностью модели, но и тем, что вокруг неё: harness со стороны машины и дисциплина внимания со стороны человека. Первое можно спроектировать через Agent SDK, второе — только решить для себя. Полезный вопрос на сегодня: что у вас P0, и какое тело нужно агенту, чтобы закрыть его целиком?