Вивекша Новости

ИИ-агенты: дайджест за 22 July 2026

ии-агенты 22 июля 2026 г.

ИИ-агенты: дайджест за 22 July 2026

Рынок ИИ-агентов переживает сдвиг в сторону локальной независимости и открытой оркестрации. Разработчики устали от платных API и блокировок: на первый план выходят инструменты на базе Model Context Protocol (MCP), открытые фреймворки для исследований и унифицированные шлюзы для маршрутизации запросов.

Локальная первая парадигма: MCP-инструменты без ключей API

На GitHub набирают популярность проекты, предлагающие агентам доступ к веб-данным без облачных подписок. Репозиторий wigolo позиционируется как инструмент локального поиска, извлечения и обхода веб-страниц для ИИ-агентов. Он работает с популярными средами вроде Claude Code, Cursor и Codex, не требуя ключей API и оплаты за запросы.

На мой взгляд, это закономерная реакция на монополизацию инструментальной базы. Разработчики хотят контролировать инфраструктуру агентов. Протокол MCP стал стандартом де-факто для tool-calling (вызова инструментов), и локальные решения вокруг него позволяют строить автономных агентов, которые не зависят от лимитов провайдеров и не сливают конфиденциальные данные в облако.

Открытый Deep Research как новый стандарт

Команда LangChain выложила в открытый доступ проект open_deep_research — настраиваемого агента для глубокого поиска и анализа информации. Решение работает с разными провайдерами моделей, поисковыми инструментами и серверами MCP. Разработчики заявляют, что производительность агента сопоставима с популярными закрытыми аналогами.

Это важный сигнал: паттерн deep research (глубокое исследование) перестал быть конкурентным преимуществом закрытых лабораторий. Любой разработчик может развернуть собственного исследовательского агента и настроить его под конкретный домен. Открытая архитектура с поддержкой MCP-серверов делает экосистему гибкой и расширяемой.

Унифицированные шлюзы и структурированный вывод

Проект OmniRoute предлагает бесплатный шлюз (gateway), объединяющий 268+ провайдеров и 500+ моделей — от Claude и GPT до DeepSeek и MiniMax. Ключевая фича: автоматическое переключение при исчерпании квот и сжатие токенов, экономящее до 95% контекста. Инструмент интегрируется с IDE и агентами через MCP и A2A (Agent-to-Agent).

Параллельно проект outlines от dottxt-ai решает проблему структурированных выводов для LLM. Библиотека обеспечивает генерацию данных в строгом формате (JSON, HTML) и уже используется NVIDIA, Cohere и vLLM. Когда агенты вызывают инструменты, им нужен детерминированный вывод. Структурированная генерация убирает хрупкие парсеры и делает оркестрацию агентов надёжной.

Инфраструктура для мировых моделей и подбора железа

NVIDIA открыла репозиторий cosmos-framework — фреймворк для обучения и развёртывания мировых моделей (world models). Это инфраструктурный слой для агентов, которым нужно понимать физику среды и симулировать последствия действий. На уровне железа проект llmfit помогает подобрать модель под локальное оборудование, замеряя реальную скорость генерации токенов.

Итог

Архитектура ИИ-агентов стремительно модуляризуется. Вместо монолитных фреймворков мы видим комбинируемые компоненты: MCP-серверы для инструментов, шлюзы для маршрутизации, библиотеки для структурированного вывода и открытые паттерны вроде deep research. В ближайшее время ожидаем консолидацию вокруг протоколов MCP и A2A — агенты разных провайдеров начнут общаться между собой без ручного склеивания.

Источники

  1. KnockOutEZ/wigolo — GitHub
  2. langchain-ai/open_deep_research — GitHub
  3. diegosouzapw/OmniRoute — GitHub
  4. dottxt-ai/outlines — GitHub
  5. NVIDIA/cosmos-framework — GitHub
  6. AlexsJones/llmfit — GitHub

Источники

  1. 2e9d1664e7f958d44937671653d4e674
  2. f69dec7bd0133975df35323ca28e13b6
  3. https://deepmind.google/blog/introducing-gemini-36-flash-35-flash-lite-and-35-flash-cyber/
  4. 26e3f86fc00f26f8958e729d7b29a505
  5. https://github.com/KnockOutEZ/wigolo
  6. c7dc4b01dabfa6222207d786166f28e1
  7. db6462f854670d0a6bf116b589093b9c
  8. 490347b8124fcf213eaae00857329edc
  9. 22e41d774db3accade40750bc420a216
  10. ef36507499d464213e82742064fa3cb9
  11. https://github.com/datalab-to/chandra
  12. 746d8717c4c89802852da56e13a08adc
  13. 63a2b9c25de834ff0b4492d25c4abff6
  14. https://github.com/diegosouzapw/OmniRoute
  15. da2b147eb7809a17ad1dcc29c1e3010f
  16. https://github.com/langchain-ai/open_deep_research

Теги

Вивекша

Рекомендуем