Наприкінці 2023 року один мій знайомий написав скрипт. Простий Python, 80 рядків. Скрипт щоранку заходив на три сайти з вакансіями, збирав позиції під його профіль, порівнював з його резюме і надсилав у Telegram список із позначками: «добре підходиш», «потрібно підтягнути оце», «не витрачай час».
За місяць він отримав офер. Сам скрипт відпрацював 29 днів і знайшов ту саму вакансію, яку він навряд чи помітив би вручну.
Я тоді подумав: ось це агент. Не в сенсі шпигун. В сенсі — програма, яка діє сама, по ланцюжку, з інструментами в руках. Без того, щоб ти сидів поруч і натискав кнопки.
З тих пір AI-агенти з лабораторної екзотики перетворились на робочий інструмент. Cursor пише код за тебе. Devin закриває задачі в GitHub. Компанії будують на агентах цілі продукти — і наймають людей, які вміють їх створювати.
У цій статті розберемо, як агент влаштований зсередини, і напишемо свого з нуля. Робочий код, зрозумілі пояснення. І наприкінці — дещо важливе про те, чому більшість перших агентів ламаються в найнепідходящий момент.
Чат-бот і AI-агент: у чому різниця
Спочатку про термінологію, бо плутанина тут постійна — і вона реально заважає зрозуміти, що будувати.
Уяви: тобі потрібно знайти три вакансії Python-розробника, перевірити кожну на відповідність твоїм навичкам і написати під кожну окремий супровідний лист.
Ти відкриваєш ChatGPT і пишеш: «Знайди три вакансії Python-розробника у Варшаві». Він скаже, що не має доступу до інтернету. Або, що гірше, щось вигадає. Ти йдеш на сайт, копіюєш вакансію, вставляєш назад у чат, просиш лист. Потім знову. Потім знову. Ти — оператор при чат-боті.
Чат-бот знає і відповідає. Агент отримує задачу — і робить.
AI-агент із тими самими інструментами сам зайде на сайти з вакансіями, знайде підходящі, проаналізує їх і напише три листи. Ти в цей час п'єш каву.
Різниця не в розумності моделі. Різниця в архітектурі.
| Чат-бот | AI-агент | |
| Що отримує | Питання | Задачу |
| Що повертає | Відповідь | Результат дій |
| Інструменти | Немає | Пошук, код, файли, API — все що напишеш |
| Пам'ять | Тільки поточний діалог | Може накопичувати між сесіями |
| Наступний крок | Робить користувач | Вирішує сам агент |
| Приклад | «Поясни що таке Docker» | «Знайди три вакансії DevOps, перевір вимоги, склади план підготовки» |
З чого складається агент: чотири блоки
Будь-який AI-агент — і простий скрипт на 100 рядків, і складна корпоративна система — збирається з однакових частин. Уяви менеджера проєкту в маленькій команді: це допоможе.
LLM — мозок. GPT-4o, Claude, Gemini — не принципово. Це менеджер: він не копає сам, але знає, кому зателефонувати і що попросити. Модель не вміє запускати код або ходити в інтернет — вона вміє лише міркувати і давати інструкції. Всю «магію» робить архітектура навколо неї.
Tools — руки. Інструменти — це функції, які ти пишеш сам. Пошук в інтернеті, запуск коду, читання файлів, відправка листа — це підрядники менеджера: кожен вміє одне, але робить добре. LLM не викликає їх напряму — він каже «хочу викликати функцію X з аргументом Y», твій код це читає і викликає.
Пам'ять — контекст. Агент повинен пам'ятати, що вже зробив, інакше ходитиме по колу — як менеджер без блокнота, який перепитує одне й те саме на кожному дзвінку. У простому варіанті це список повідомлень. У складному — зовнішня векторна база даних.
Петля — оркестратор. Головний цикл: отримали задачу → запитали LLM → LLM сказав викликати інструмент → викликали → результат віддали назад → LLM вирішив що далі. Повторюється, поки задача не виконана.
Все. Більше нічого немає. З цих чотирьох блоків будується і скрипт на 80 рядків, який знайшов моєму знайомому роботу, і Devin.
Пишемо агента: робочий код
Беремо Python — найдоступніша мова для цієї задачі. Одна бібліотека:
pip install openaiAPI-ключ OpenAI — на platform.openai.com. Є стартовий кредит.
Наш агент вміє дві речі: шукати інформацію і рахувати. Це звучить скромно — але саме з таких примітивів будуються серйозні системи.
Крок 1. Описуємо інструменти
Інструменти передаються моделі як JSON-схеми. LLM читає описи і розуміє, що вміє робити. Зверни увагу на поле description — це не коментар для тебе, це інструкція для моделі. Чим точніше опишеш — тим розумнішим буде вибір інструменту.
from openai import OpenAI
import json
client = OpenAI(api_key="YOUR_API_KEY")
tools = [
{
"type": "function",
"function": {
"name": "search_web",
"description": "Шукає актуальну інформацію в інтернеті. Використовуй коли потрібні свіжі дані, яких може не бути у навчальній вибірці.",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "Пошуковий запит українською або англійською"
}
},
"required": ["query"]
}
}
},
{
"type": "function",
"function": {
"name": "calculate",
"description": "Обчислює математичний вираз. Використовуй для точних розрахунків — LLM погано рахує в умі.",
"parameters": {
"type": "object",
"properties": {
"expression": {
"type": "string",
"description": "Математичний вираз, наприклад: '112000 * 1.3'"
}
},
"required": ["expression"]
}
}
}
]Крок 2. Пишемо функції-інструменти
def search_web(query: str) -> str:
# У реальному агенті тут — запит до Tavily API або SerpAPI.
# Для прикладу — заглушка з реальними даними.
results = {
"python developer salary 2026": "Медіанна зарплата Python-розробника у США — $112 000. Діапазон $98k–$188k.",
"go developer salary": "Go-розробники у США заробляють $120k–$175k. Високий попит у cloud і DevOps.",
}
for key in results:
if key.lower() in query.lower():
return results[key]
return f"За запитом '{query}': дані отримано, інформація актуальна на 2026 рік."
def calculate(expression: str) -> str:
try:
# У продакшні використовуй ast.literal_eval або бібліотеку numexpr
result = eval(expression)
return f"Результат обчислення {expression} = {result}"
except Exception as e:
return f"Помилка: {e}"Крок 3. Петля агента
Ось серце всього — цикл, який перетворює скрипт на агента:
def run_agent(user_task: str):
print(f"\n Задача: {user_task}")
print("─" * 50)
messages = [
{
"role": "system",
"content": (
"Ти корисний AI-агент. У тебе є інструменти: пошук і калькулятор. "
"Використовуй пошук для актуальних даних. Використовуй калькулятор для точних обчислень. "
"Відповідай тільки після того, як отримав усі потрібні дані."
)
},
{"role": "user", "content": user_task}
]
step = 1
while True:
response = client.chat.completions.create(
model="gpt-4o",
messages=messages,
tools=tools,
tool_choice="auto" # LLM сам вирішує: викликати інструмент або відповісти
)
message = response.choices[0].message
# LLM хоче викликати інструмент
if message.tool_calls:
messages.append(message)
for tool_call in message.tool_calls:
fn_name = tool_call.function.name
fn_args = json.loads(tool_call.function.arguments)
print(f"\n Крок {step}: викликаю {fn_name}")
print(f" Аргументи: {fn_args}")
if fn_name == "search_web":
result = search_web(**fn_args)
elif fn_name == "calculate":
result = calculate(**fn_args)
else:
result = f"Інструмент '{fn_name}' не знайдено"
print(f" Результат: {result}")
step += 1
# Повертаємо результат назад у LLM
messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": result
})
# LLM готовий дати фінальну відповідь
else:
print(f"\n Відповідь агента:\n{message.content}")
return message.content
# Запускаємо
run_agent("Скільки на рік коштуватиме найняти Python-розробника, якщо платити медіанну зарплату з урахуванням усіх податків?")Що відбувається при запуску
Задача: Скільки на рік коштуватиме найняти Python-розробника?
──────────────────────────────────────────────────
Крок 1: викликаю search_web
Аргументи: {'query': 'python developer salary 2026'}
Результат: Медіанна зарплата Python-розробника — $112 000.
Крок 2: викликаю calculate
Аргументи: {'expression': '112000 * 1.3'}
Результат: Результат обчислення 112000 * 1.3 = 145600.0
Відповідь агента:
Медіанна зарплата Python-розробника у США — $112 000 на рік.
З урахуванням податків і внесків (~30%) реальна вартість для
роботодавця складе близько $145 600 на рік.Агент сам вирішив: спочатку потрібні дані — пошук. Потім потрібно порахувати — калькулятор. Ми не говорили йому робити саме це. Він вирішив самостійно.
Ось за що люди захоплюються агентами. Не за те, що вони розумні — за те, що вони діють.
Чому це працює: механіка function calling
Найчастіше питання після першого запуску: «Зачекай, а як LLM взагалі викликає функцію? Він що, запускає Python?»
Ні. Ось що відбувається насправді.
Коли модель вирішує, що потрібен інструмент, вона повертає не текст, а структурований JSON:
{
"name": "search_web",
"arguments": "{\"query\": \"python developer salary 2026\"}"
}Твій код читає цей JSON, викликає потрібну Python-функцію, бере результат і відправляє назад у модель як нове повідомлення. Модель продовжує думати вже з цією інформацією.
LLM не знає, як працює пошук. Він знає тільки опис інструменту — і вирішує, чи потрібен він у даній ситуації.
Це принципово важливо зрозуміти: ти контролюєш інструменти, LLM контролює логіку. Хочеш навчити агента відправляти листи — напиши функцію send_email і додай її до списку. Хочеш, щоб агент міг працювати з базою даних — напиши query_database. Можливості обмежені тільки тим, що вміє Python.
Часті граблі — читай до того, як запустиш
Це найважливіший розділ статті. Всі помилки нижче — класичні, кожен перший на них наступає. Краще наступити зараз, читаючи текст, ніж о другій ночі, дивлячись у консоль.
Нескінченна петля. Якщо інструмент постійно повертає сміття або помилку, агент буде викликати його знову і знову — і витрачати гроші на кожен запит до API. Додай ліміт кроків прямо в петлю:
if step > 10:
print("Досягнуто ліміт кроків")
breakЦе не хак, це обов'язковий захист.
Галюцинації аргументів. LLM може передати у функцію аргумент не того типу або з друкарською помилкою. Функція calculate отримає рядок «сто двадцять» замість «120» і впаде. Завжди валідуй вхідні дані й огортай функції в try/except.
Немає tool_call_id. Коли повертаєш результат інструменту, tool_call_id обов'язковий — інакше модель не зрозуміє, відповідь на який саме виклик ти повернув. Це найчастіша помилка у новачків, вона не кидається в очі в трейсбеку, і дебажити її неприємно.
Дорогі петлі. Кожен крок — це запит до API, а кожен запит коштує грошей. Агент, який робить 30 кроків заради простої задачі — це діра в бюджеті. Чим точніше і конкретніше description у інструменту, тим рідше модель викликає зайве.
Поганий system prompt. Агент — це не просто код, це ще й інструкція в system. Якщо написати «ти корисний асистент» — отримаєш непередбачувану поведінку. Пиши конкретно: що агент має робити, коли використовувати кожен інструмент, в якому форматі відповідати.
Куди рости далі
Базовий агент готовий. Це не іграшка — це робоча архітектура, від якої будуються серйозні продукти.
Реальні інструменти. Заміни заглушку пошуку на Tavily API або SerpAPI — буквально 10 рядків коду. Додай send_email, read_file, query_database. Той самий скрипт з початку статті — це агент з інструментом пошуку вакансій і інструментом порівняння з резюме. 80 рядків, знайшов роботу.
Довготривала пам'ять. Зараз агент забуває все між запусками — як Гай Пірс у «Пам'ятай». Додай векторну базу (Chroma, Pinecone) — і агент почне накопичувати контекст, пам'ятати минулі розмови, ставати кориснішим з часом.
Кілька агентів. Один агент-оркестратор делегує задачі спеціалізованим: один шукає, інший аналізує, третій пише звіти. Саме так влаштовані Devin, AutoGPT і серйозні корпоративні AI-продукти. Архітектура — та сама, просто масштаб більший.
Складність росте лінійно. Принципи — не змінюються.
Часті запитання
Що таке AI-агент простими словами?
AI-агент — це програма, яка отримує задачу і виконує її самостійно, крок за кроком, використовуючи інструменти: пошук, запуск коду, роботу з файлами та API. На відміну від чат-бота, який просто відповідає на питання, агент діє і повертає результат, а не текст.
Чим AI-агент відрізняється від ChatGPT?
ChatGPT — це чат-бот: він відповідає на питання в рамках діалогу. AI-агент побудований поверх таких самих мовних моделей (GPT-4o, Claude та ін.), але доповнений інструментами і петлею виконання задач. ChatGPT не може сам зайти на сайт, запустити код або відправити лист — агент може.
Якою мовою краще писати AI-агентів?
Python — стандарт де-факто. Бібліотека openai, фреймворки LangChain і LlamaIndex, інструменти для роботи з векторними базами (Chroma, Pinecone) — все це нативно під Python. Для продакшн-систем з високим навантаженням використовують Go або TypeScript, але для старту й прототипів Python — очевидний вибір.
Що таке function calling в OpenAI API?
Механізм, який дозволяє LLM «викликати» зовнішні функції. Насправді модель не запускає код — вона повертає структурований JSON з назвою функції та аргументами. Твій код читає цей JSON, викликає потрібну функцію і повертає результат назад у модель. Саме на цьому механізмі будуються всі AI-агенти з інструментами.
Скільки коштує запустити AI-агента через OpenAI API?
Залежить від моделі і кількості кроків. GPT-4o: ~$2.50 за 1 млн вхідних токенів, ~$10 за 1 млн вихідних. Простий агент на 3–5 кроків обходиться в частки цента за запит. Дорого стає тільки при погано написаних петлях, які роблять десятки зайвих викликів — саме тому важливо ставити ліміт кроків.
Які фреймворки використовують для створення AI-агентів?
Найпопулярніші: LangChain (універсальний, велика екосистема), LlamaIndex (фокус на роботі з даними та RAG), AutoGen від Microsoft (мультиагентні системи), CrewAI (агенти з ролями). Для простих задач фреймворк не потрібен — достатньо openai SDK, як у цій статті.
Хочеш розібратися в Python глибше — написати не тільки агентів, а й нормальний бекенд, працювати з API і базами даних, зрозуміти все, що у агентів під капотом — на JavaRush є курс з Python: практика з першого дня, тисячі задач, спробувати можна безкоштовно.
ПЕРЕЙДІТЬ В ПОВНУ ВЕРСІЮ