Как создать ИИ-агента: курсы и пошаговый путь на русском

Обновлено 29.09.2026 · Автор: Владислав Попов

ИИ-агент — это нейросеть, которая получает цель и сама доводит задачу до конца: планирует шаги, вызывает инструменты (поиск, файлы, API, браузер), смотрит на результат и продолжает, пока задача не решена. Чтобы создать своего агента, нужно освоить три вещи: как дать модели инструменты (tool use и MCP), как устроен цикл агента и как ограничить его права. Научиться этому можно по официальным курсам Anthropic на русском: от навыков и субагентов в Claude Code без программирования до агентов на Claude API, первые уроки бесплатны.

Этот гид для тех, кто хочет разобраться в ИИ-агентах на практике, а не по презентациям. Ниже: чем агент отличается от чат-бота, из чего он состоит, какой путь выбрать без кода и с кодом, как собрать первого агента по шагам, какие курсы проходить в каком порядке и на чём обычно ошибаются новички.

Чем ИИ-агент отличается от чат-бота

Чат-бот отвечает на сообщение и ждёт следующего. Агент получает задачу и сам решает, какие действия выполнить, в каком порядке и когда остановиться. Разница не в модели, а в том, что вокруг неё: у агента есть инструменты и цикл, в котором он их применяет.

Важный вывод из курса Anthropic «Разработка с Claude API»: если шаги задачи известны заранее, надёжнее сделать workflow, а агента оставить для задач, где без гибкости не обойтись. Пользователю важен результат, который работает каждый раз, а не то, что внутри «настоящий агент».

Из чего состоит агент: цикл, инструменты, память, планирование

Любой агент, от Claude Code до самописного бота поддержки, устроен одинаково. В центре цикл:

1. Модель получает цель, инструкции и список доступных инструментов.
2. Модель решает: ответить сразу или вызвать инструмент с определёнными аргументами.
3. Программа вокруг модели выполняет инструмент и возвращает результат.
4. Модель смотрит на результат и решает, что дальше: ещё один вызов, другой инструмент или финальный ответ.
5. Цикл повторяется, пока задача не решена или не сработал лимит шагов.

• Инструменты (tools). Функции с описанием и схемой аргументов: поиск, чтение файлов, запросы к API, браузер. Модель не выполняет их сама, а просит программу вызвать. Сила агента в том, что даже простые инструменты он комбинирует неожиданными способами: из «текущей даты», «прибавить дни» и «поставить напоминание» получается «напомни в следующую среду».
• Подключение инструментов через MCP. Чтобы не писать каждую интеграцию заново, готовые наборы инструментов подключают через MCP-серверы. Подробно в гиде MCP-сервер: что это.
• Память. Краткосрочная — это контекстное окно: история разговора и результаты инструментов. Долговременная — файлы, заметки, база знаний, которые агент читает и обновляет между сессиями.
• Планирование. Модель сама разбивает задачу на шаги. Качество плана растёт, если попросить сначала составить план, а потом выполнять, и если дать чёткие критерии готовности.
• Навыки и субагенты. Навык (Agent Skill) — папка с инструкциями и скриптами, которую агент подгружает, когда задача подходит. Субагент — отдельный агент со своим контекстом, которому главный поручает подзадачу и получает от него короткий итог.

Путь без кода и путь с кодом

Создать агента можно, не написав ни строчки кода, но возможности будут ограничены готовой платформой. С кодом вы управляете всем: инструментами, циклом, логированием и правами.

Совет: начните без кода, даже если вы программист. На Claude Code проще всего увидеть, как агент планирует, вызывает инструменты и ошибается, а навыки и субагенты там настраиваются обычными текстовыми файлами.

Первый агент: пошаговый путь

Вариант 1. Без кода: агент на Claude Code

1. Выберите повторяющуюся задачу с понятным результатом: разбор входящих файлов, еженедельный отчёт из таблиц, ревью кода по чек-листу. Задача «сделай мне бизнес» для первого агента не подходит.
2. Опишите процедуру навыком. Навык — это папка с файлом SKILL.md: в заголовке имя и описание (по описанию агент решает, когда навык нужен), ниже инструкции. Личные навыки лежат в ~/.claude/skills, навыки проекта в .claude/skills в корне репозитория и достаются всем, кто его клонирует. Агент подгружает только имя и описание, а полный текст читает, когда навык подходит к запросу.
3. Вынесите тяжёлые подзадачи в субагентов. Командой /agents создаётся субагент со своим системным промптом, набором разрешённых инструментов и моделью. Например, «ревьюер» без права редактировать файлы. Он работает в отдельном контексте и возвращает главному агенту только итог, поэтому основной разговор не засоряется.
4. Подключите нужные сервисы через MCP: файлы, GitHub, браузер, трекер. Только те, что нужны задаче.
5. Прогоните задачу 5-10 раз на разных входных данных и правьте инструкции там, где агент ошибается.

Вариант 2. С кодом: агент на Claude API

1. Разберитесь с API: ключ, запрос, роли сообщений, выбор модели. Всё это есть в первых уроках курса «Разработка с Claude API».
2. Сделайте один инструмент. Опишите функцию JSON-схемой, передайте её в запросе, обработайте ответ модели с запросом на вызов (tool_use) и верните результат (tool_result).
3. Оберните это в цикл: пока модель просит инструменты, выполняйте их и отправляйте результаты обратно. Добавьте лимит шагов.
4. Добавьте ещё 2-3 инструмента и посмотрите, как модель их комбинирует.
5. Подключите MCP-сервер вместо самописной интеграции там, где он уже есть.
6. Логируйте каждый шаг и соберите набор тестовых задач, чтобы проверять агента после каждого изменения промпта.

Упрощённый каркас цикла на Python, чтобы было видно, насколько он небольшой:

messages = [{"role": "user", "content": task}]
for step in range(10):  # лимит шагов
    reply = client.messages.create(model=MODEL, max_tokens=2000,
                                   tools=TOOLS, messages=messages)
    messages.append({"role": "assistant", "content": reply.content})
    if reply.stop_reason != "tool_use":
        break  # модель дала финальный ответ
    results = []
    for block in reply.content:
        if block.type == "tool_use":
            output = run_tool(block.name, block.input)
            results.append({"type": "tool_result",
                            "tool_use_id": block.id, "content": output})
    messages.append({"role": "user", "content": results})

Всё остальное в реальном агенте — это качество инструментов, инструкций, проверок и ограничений вокруг этого цикла.

Курсы по ИИ-агентам: что проходить и в каком порядке

Все курсы ниже — официальные программы Anthropic, OpenAI и Google в переводе на русском. Уровень указан по каталогу AI University.

Маршрут без кода: «Навыки агентов» → «Введение в субагенты» → «Claude Code в действии» → «Введение в MCP» по верхам. Для рабочих задач вне программирования добавьте курс «Введение в Claude Cowork» (12 уроков, базовый уровень).

Маршрут разработчика: «Работа с инструментами Claude» → «Разработка с Claude API» (блоки про tool use, MCP, workflows и агенты) → «Введение в MCP» → разделы OpenAI Cookbook и Gemini, чтобы увидеть те же идеи на других платформах.

Типичные ошибки при создании агентов

• Агент там, где хватит цепочки. Если шаги известны, workflow будет точнее, дешевле и проще в тестировании.
• Слишком много инструментов. Тридцать похожих инструментов путают модель. Лучше несколько понятных с чёткими описаниями.
• Плохие описания инструментов. Модель выбирает инструмент по описанию. Пишите, когда его использовать, какие аргументы и что он вернёт.
• Нет лимита шагов и бюджета. Агент без ограничений может ходить по кругу и тратить токены.
• Нет проверки результата. Добавьте тесты, линтер, сверку с источником или второго агента-ревьюера. Агент, который не может проверить себя, уверенно сдаёт ошибки.
• Весь контекст в одном окне. Длинные исследования забивают контекст. Выносите их в субагентов, которые возвращают короткий итог.
• Нет набора тестовых задач. Без него невозможно понять, стало ли лучше после правки промпта.

Сколько стоит агент и какие риски

Стоимость. Агент тратит заметно больше токенов, чем чат: каждый шаг цикла заново отправляет модели историю, описания инструментов и результаты вызовов. Длинные задачи и многоагентные схемы умножают расход. Снижают его лимит шагов, короткие результаты инструментов, кеширование промптов и более быстрые модели для простых подзадач. Цены моделей меняются, актуальные смотрите на сайте провайдера.

Риски.

• Права. Агент может сделать всё, что позволяют его инструменты. Давайте минимум: чтение вместо записи, отдельный токен, песочница.
• Prompt injection. Страница, письмо или документ могут содержать инструкцию для агента. Не сочетайте в одном агенте чтение недоверенного контента и отправку данных наружу без подтверждения человека.
• Необратимые действия. Удаление, оплата, отправка писем клиентам — только с подтверждением человека. В Claude Code для этого есть система разрешений и хуки.
• Ошибки в фактах. Агент уверенно пишет отчёт и там, где ошибся на третьем шаге. Проверяйте важные выводы по источнику.

Доступность из России и цена обучения

Claude официально недоступен в России, инструкций по обходу ограничений мы не даём. Курсы при этом открываются из России без VPN, а принципы агентов (цикл, инструменты, MCP, проверка) одинаковы для разных моделей. Первые уроки каждого курса бесплатны без регистрации. Полный доступ к курсам Anthropic стоит 1490 ₽ разово, ко всем курсам платформы 4900 ₽, без подписки.

Что дальше: бесплатные уроки по агентам

1. Основы работы с инструментами — как модель вызывает функции, основа любого агента.
2. Что такое навыки — как один раз научить агента процедуре.
3. Что такое субагенты — отдельный контекст для подзадач и встроенные субагенты Claude Code.
4. Что такое ассистент для программирования — как агент в Claude Code работает с инструментами.
5. Кодирующий агент на GPT-5.1 и OpenAI Agents SDK — тот же подход на платформе OpenAI, с инструментами shell, web_search и MCP.

Ещё один бесплатный урок для тех, кто работает с Google: Агенты и автоматический вызов функций на примере Barista Bot. Подборка бесплатных курсов от разных компаний — в гиде Бесплатные курсы по ИИ на русском.

Владислав Попов
PhD (University of York), основатель Стадики и AI University. Отбирает и переводит на русский официальные курсы Anthropic, OpenAI и Google.