Managed-агенты: три слоя и три вида лока

Что в ролике
За последние пять месяцев managed-агенты выпустили почти все крупные AI-компании, и выбирать между ними приходится по устройству продукта, а не по рекламе. Автор раскладывает такой агент на три слоя: снизу модель, посередине harness, то есть цикл, который вызывает модель, выбирает инструменты и следит за контекстом, сверху runtime — песочница с ключами, памятью и трассировкой. Главное различие в том, кто владеет двумя верхними слоями: Claude Managed Agents, Gemini managed agents, AgentCore и LangChain managed deep agents дают готовый цикл, а Microsoft Foundry и LangSmith deployment предлагают только runtime, куда вы приносите свой цикл на LangGraph. Экономика объясняет интерес вендоров: по собственной документации Google одно взаимодействие агента Antigravity сжигает от 100 тысяч до 3 миллионов токенов, а Anthropic дополнительно берёт плату за час сессии, так что платить приходится не только за токены, но и за время. Дальше автор разбирает три вида лока: у Anthropic и Google запирает модельный ряд, у облаков модель взаимозаменяема, но память и runtime остаются их, а у LangChain лок операционный — все трассировки и деплой живут в LangSmith. Практический итог сформулирован как пять вопросов: нужно ли состояние, переживающее разрыв соединения, нужна ли серверная песочница для исполнения кода, является ли ваш собственный цикл продуктом, могут ли данные покидать вашу инфраструктуру и требуется ли нулевое хранение данных. Последний пункт вычёркивает managed-агентов для многих корпоративных сценариев, потому что история сессий и состояние песочницы лежат на стороне провайдера. Для полностью локальной работы автор напоминает про Docker-песочницы и обещает в следующих видео протестировать эти решения на практике.
Практика
- Что получишь
- Поймёте, из чего состоит managed-агент и на чём именно вас запирает каждый провайдер, прежде чем подключать его SDK.
- Первый шаг
- Ответьте на пять вопросов автора для своего проекта — начните с того, могут ли ваши данные покидать собственную инфраструктуру.
- Цифры
- —от 100 тысяч до 3 миллионов токенов — столько, по документации Google, сжигает одно взаимодействие агента Antigravity
- —29 сентября — на этот день назначен Dev Day OpenAI, где ожидается своя версия managed-агентов
- —5 месяцев — столько прошло с первых managed-агентов Anthropic до нынешней волны релизов
- —6 компаний — столько игроков автор насчитал в этой гонке, включая пока не выпустившую продукт OpenAI
- Честно
- Пошаговой инструкции нет: весь разбор идёт словами, без экрана, повторять по ролику нечего. Это скорее карта рынка, чем тест — автор сам говорит, что собирается протестировать эти решения в следующих видео. Рекламы и партнёрских ссылок в речи нет.
Если слова незнакомы — 7 терминов
- managed-агентагент, которого провайдер сам запускает и обслуживает в своём облаке
- harnessцикл, который вызывает модель, выбирает инструменты и отдаёт результаты обратно
- runtimeсреда, где этот цикл реально работает: песочница, память, логи
- песочницаизолированное окружение, в котором агент выполняет код
- токенкусочек текста, которым измеряют объём запроса к модели и плату за него
- трассировказапись всех шагов агента, по которой разбирают, почему он так решил
- локпривязка к одному поставщику, из-за которой переход к другому становится дорогим
Связки из этого ролика
5 шт.- Claude Managed Agents + модели Claude (Fable, Opus, Sonnet, Haiku) — лок-ин на модельный ряд Anthropic
- Gemini managed agents + свежий Linux-песочница — свой файл-система, mount своих skills и AGENTS.md
- свой цикл на LangGraph + LangSmith deployment — собственный harness на managed runtime LangChain
- локальная модель + Docker-песочница — полностью локальный аналог managed agents
- managed agents + session store и sandbox на стороне провайдера — несовместимость с zero data retention
Компоненты
18 шт.Формат: разбор · для практикующих · уверенность разметки 0.85 · источник