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.