Чей на самом деле ваш ИИ-агент: платформа решает меньше, чем кажется

Когда компания выбирает платформу для корпоративных ИИ-агентов, разговор обычно крутится вокруг рантайма, студии для промптов и готовых коннекторов. Реже звучит вопрос, который на самом деле определяет судьбу проекта на годы вперёд: где именно в этой системе будет жить правило «без одобрения — нет действия», и что останется у компании, если через два года придётся сменить вендора. Ответ на этот вопрос нельзя получить из маркетингового сравнения платформ — его нужно спроектировать заранее, до подписания контракта.

Схема потоков ИИ-агента и точек контроля показывает, почему платформа для ИИ-агентов — не единственный фактор переносимости

Распространённое утверждение и его проблема

Производители агентных платформ обещают «готового enterprise-агента из коробки»: студия для настройки, библиотека коннекторов, встроенные гардрейлы. Подтекст — выбери платформу правильно, и переносимость, безопасность и контроль приложатся автоматически. Это упрощение. Переносимость — не свойство платформы, а свойство архитектуры, которую вы строите поверх платформы. Если границы между слоями проведены небрежно, даже самая «открытая» экосистема незаметно утянет в lock-in бизнес-логику, которая должна была остаться вашей.

Опорная для этого разбора референс-архитектура, которую описывает инженер, последовательно собиравший одного и того же агента для обработки расхождений по счетам на пяти разных платформах, формулирует эту мысль прямо: прежде чем выбирать вендора, нужно нарисовать картинку из пяти слоёв — и только потом смотреть, какая платформа закрывает какие клетки.

Пять слоёв одного запроса

Если читать архитектуру сверху вниз, так же, как движется сам запрос, получается следующая последовательность.

Канал — это место, где работа появляется и где люди реагируют: очередь исключений в AP-отделе, почта, Teams или Slack, инбокс согласующего. Этот слой почти всегда уже существует в компании и целиком зависит от того, какими инструментами коммуникации она пользуется — агент должен встроиться в него, а не заменить.

Агенты — слой, где языковая модель рассуждает, планирует и вызывает инструменты. Здесь у каждой платформы свой рантайм со своим названием, и именно этот слой чаще всего ощущается как «лицо» платформы.

Инструменты — набор чётко описанных функций с одинаковыми входами, выходами и именованными ошибками, которые агент вызывает для выполнения задачи.

Процессные API — бизнес-правила: допуски, проверка дублей, правила проводки и, что важнее всего, проверка одобрения. Это ваш код на той интеграционной платформе, которой компания уже пользуется.

Системы записи — ERP с её счетами, заказами и накладными, мастер поставщиков, движок워크флоу. Они существуют независимо от выбора агентной платформы и должны оставаться скучными и стабильными.

Поверх этих пяти слоёв идут четыре сквозные заботы: gateway с белыми списками инструментов и детекцией персональных данных, идентичность для каждого агента с минимальными привилегиями, наблюдаемость в виде единого трейса через все слои и, отдельно, механизм одобрения человеком.

Что отдать стандарту, что оставить вендору

Главная практическая польза такого разреза — не в красоте схемы, а в том, что он сразу показывает, какие компоненты можно считать переносимым активом компании, а какие неизбежно останутся привязаны к конкретному поставщику.

Слой / зона Что происходит Переносимый элемент Вендорская часть
Канал Приём запроса, уведомление человека Бизнес-процесс и UX взаимодействия Конкретный мессенджер, очередь, инбокс
Агент Рассуждение модели, выбор действия Контракты инструментов, agent card Рантайм, студия, оркестратор конкретной платформы
Инструменты Вызов функций с определёнными входами/выходами Протокол MCP, спецификация инструмента Хостинг и реализация MCP-сервера у вендора
Процессные API Бизнес-правила, проверка одобрения Код правил, approval_id как контракт — (это ваш код, здесь lock-in минимален)
Системы записи ERP, мастер-данные, workflow-движок Сами данные и бизнес-смысл Конкретная ERP-система (но это выбор, сделанный раньше)
Сквозное: Gateway, Identity Allow-листы, минимальные привилегии Политика least privilege, delegation envelope Конкретный механизм идентичности (Entra, IAM, платформенный)
Сквозное: Observability Трейс через все слои Семантика трейсов, OpenTelemetry-конвенции Дашборды и хранилище трейсов конкретного вендора

Из таблицы видно закономерность: инвестиции имеет смысл делать в контракты инструментов, agent cards и конвенции трейсинга как в многоразовые активы, а рантайм, реестр агентов, политики gateway, интеграцию идентичности и инструменты оценки — считать заменяемыми. Это не значит, что их выбор неважен — это значит, что их замена не должна требовать переписывания бизнес-логики.

Где на самом деле стоит точка контроля одобрения

Самая частая инженерная ошибка в этой архитектуре — смешивать запрос на одобрение с его исполнением. Запрос на одобрение проходит через workflow-слой, но принуждение к нему должно происходить в процессном API, а не в промпте и не в рантайме агента. Агент может вызвать функцию запроса одобрения, которая создаёт задачу для человека; когда человек соглашается, workflow возвращает идентификатор одобрения, и только после этого функция проводки или уведомления поставщика сработает. Если агент введён в заблуждение странным счётом, пропустил шаг или просто ошибся, проводка завершится ошибкой «одобрение отсутствует» — и никакой промпт это не изменит, потому что проверка находится не в промпте.

Эта деталь не техническая мелочь — это единственное архитектурное решение, которое делает всё остальное безопасным. Из него прямо следует практическое следствие: модель, агента или даже саму платформу можно поменять, не перепроверяя заново сам контроль, потому что контроль не переехал вместе с ними.

Более широкий взгляд на эту проблему дают разборы zero trust для корпоративных агентов: модель никогда не должна сама решать, авторизована ли она — её вывод является запросом на авторизацию, а не самой авторизацией. Агенту нужна отдельная рабочая идентичность, сессионно ограниченное делегирование от человека, и каждое обращение к инструменту должно проходить через точку принудительного применения политики вне модели. Это ровно та же логика, что и approval_id в процессном API: граница безопасности проходит в коде и в процессе, а не в тексте инструкции для модели.

MCP и A2A — не конкуренты, а разные этажи

Здесь стоит явно развести два стандарта, которые в маркетинговых материалах нередко сваливают в одну корзину. MCP описывает вызов инструмента агентом — это уровень «агент-к-инструменту»: модель обращается к функции с определёнными входами и выходами. A2A решает другую задачу — это уровень «агент-к-агенту»: как один агент обнаруживает другого, аутентифицируется перед ним и делегирует ему работу, включая состояния задачи и передачу контекста.

Разница становится не абстрактной, а практической в сценарии, где запрашивающий действие и подтверждающий его — разные идентичности с разными правами. В разборе отката неудачного деплоя через связку двух агентов это показано пошагово: агент мониторинга с правом только на чтение обнаруживает проблему и запрашивает откат, но не может выполнить его сам; агент-«держатель» полномочий получает подписанную карточку агента запрашивающей стороны, переводит задачу в состояние «требуется проверка», дожидается подтверждения — человеческого или политического — и только затем выполняет откат через собственный MCP-вызов. A2A здесь не заменяет MCP, а работает слоем выше него: A2A управляет рукопожатием между двумя агентами, решающими, должен ли вообще произойти вызов, а MCP управляет самим вызовом, когда он уже авторизован.

Отсюда следует практичный критерий: если в системе пока только один агент общается с человеком-подтверждающим через обычный UI, A2A не добавляет ценности — всё покрывает MCP плюс существующий интерфейс. Протокол агент-к-агенту начинает окупаться в тот момент, когда согласующей стороной становится не человек, а отдельный агент-политика, агент-гейткипер или оркестрирующий агент, делегирующий работу специализированному. Пытаться внедрить A2A заранее, «на всякий случай», — это инфраструктура для проблемы координации, которой ещё не существует.

Как читать всё это в терминах потока запроса

Если собрать слои и точку контроля в одну последовательность, получается следующая картина.

flowchart LR
 A[Канал: очередь, почта, чат] --> B[Агент: рассуждение, выбор действия]
 B --> C[Инструмент через MCP]
 C --> D[Процессный API: бизнес-правила]
 D --> E{Есть approval_id?}
 E -- нет --> F[Запрос одобрения человеку]
 F --> D
 E -- да --> G[Система записи: ERP]

Ключевая деталь схемы — не линейность, а то, что развилка находится не на уровне агента и не на уровне модели, а внутри процессного API, уже после того, как инструмент был вызван.

Что это значит на практике

Ни один из описанных стандартов нельзя считать полностью зрелым и застывшим во всех реализациях: даже у наблюдаемости через OpenTelemetry семантические конвенции для генеративных сценариев — имена спанов вроде вызова агента или выполнения инструмента — пока находятся в статусе разработки, и атрибуты между релизами могут меняться. Это не повод отказываться от стандартов, но повод не строить на них хрупкие дашборды, которые нельзя будет обновить.

Перенос такой архитектуры между платформами с разной моделью идентичности и разными политиками gateway всё равно потребует заметной инженерной работы — смены интеграций, перенастройки наблюдаемости, повторной проверки политик доступа. Но если контракт инструмента описан через MCP, карточка агента — через A2A, а проверка одобрения живёт в процессном API, а не в промпте, перенос агента между платформами становится работой, а не переписыванием с нуля.

Именно в этом и заключается настоящий вопрос, который стоит задать до выбора вендора: не «какая платформа лучше», а «какие границы ответственности я провожу между тем, что останется моим, и тем, что станет платформенным». Платформа, которая выигрывает в сравнительной таблице функций, но размывает эту границу, в итоге привязывает крепче, чем кажется на демонстрации.

Источники

  1. Part 3: A platform-neutral reference architecture for enterprise agents
  2. Zero Trust for Enterprise AI Agents: Identity, Least Privilege, and Tool Boundaries
Поделиться:
Telegram Facebook X VK
Scroll to Top