# Агенты для кода

> ИИ-агенты, которые самостоятельно читают репозиторий, редактируют файлы, запускают команды и тесты — Claude Code, Codex, Cursor, Aider и другие.

Источник: https://llmdocs.ru/wiki/coding-agents/ · обновлено 2026-11-09 · лицензия CC BY-SA 4.0

- **Тип**: ИИ-агент с инструментами файловой системы и терминала
- **Формы**: CLI в терминале, плагин IDE, облачный агент, бот в репозитории
- **Примеры**: Claude Code, OpenAI Codex, Gemini CLI, Cursor, GitHub Copilot agent, Aider, Cline
- **Ключевые инструменты**: чтение и правка файлов, поиск, shell, тесты, git
- **Бенчмарки**: SWE-bench Verified, Terminal-Bench
- **Файлы инструкций**: AGENTS.md, CLAUDE.md
**Агенты для кода** (англ. *coding agents*) — разновидность [ИИ-агентов](https://llmdocs.ru/wiki/ai-agent.md), которые выполняют задачи программирования самостоятельно: изучают структуру репозитория, ищут нужные места, правят файлы, запускают сборку и тесты, читают ошибки и исправляют их, пока задача не будет решена. В отличие от автодополнения, которое предлагает следующую строку, агент получает цель на естественном языке («добавь эндпоинт и тесты к нему», «почему падает CI?») и работает в цикле, используя инструменты. К 2025–2026 годам агенты стали массовым инструментом разработки.[1]

## История

Первая волна ИИ-помощников (GitHub Copilot, 2021) сводилась к автодополнению. В 2023 году появились чаты в редакторе и первые экспериментальные агенты; бенчмарк SWE-bench — исправление реальных задач из GitHub-репозиториев Python-проектов — дал общую мерку.[5] Исследовательский агент SWE-agent (2024) показал, что важен не только интеллект модели, но и удобный для неё интерфейс к компьютеру.[6] В 2025 году вышли терминальные агенты Claude Code, OpenAI Codex CLI и Gemini CLI, агентные режимы появились в Cursor, Windsurf и Copilot, а доля решённых задач SWE-bench Verified у лучших систем превысила 70%.

## Как устроены

Основа — [языковая модель](https://llmdocs.ru/wiki/llm.md), умеющая [вызывать инструменты](https://llmdocs.ru/wiki/tool-use.md), и цикл «подумать → вызвать инструмент → прочитать результат». Типичный набор инструментов:

| Инструмент | Зачем |
|---|---|
| чтение файлов, поиск (`grep`, `glob`) | найти нужный код, не загружая весь репозиторий |
| правка файлов (точечная замена, запись) | изменить код |
| терминал | сборка, тесты, линтеры, [Git](https://llmdocs.ru/wiki/git.md), утилиты |
| веб-поиск и загрузка страниц | документация библиотек |
| подагенты | параллельные или изолированные подзадачи |
| внешние инструменты через [MCP](https://llmdocs.ru/wiki/mcp.md) | трекер задач, базы данных, браузер |

Главное ограничение — [контекстное окно](https://llmdocs.ru/wiki/context-window.md): репозиторий не помещается целиком, поэтому агент сам решает, что прочитать. Длинные сессии сжимаются автоматическим пересказом истории.

## Формы

- **Терминальные** (Claude Code, Codex CLI, Gemini CLI, Aider) — работают в каталоге проекта, легко встраиваются в скрипты и [CI/CD](https://llmdocs.ru/wiki/ci-cd.md).[7]
- **В редакторе** (Cursor, Windsurf, Copilot, Cline) — показывают правки как diff прямо в IDE.
- **Облачные** — агент получает задачу из трекера или [pull request](https://llmdocs.ru/wiki/pull-request.md), работает в изолированной среде и возвращает готовый PR.[3]

## Инструкции проекту

Агенты читают файл с правилами проекта в корне репозитория — `CLAUDE.md`, `AGENTS.md` (открытый формат, поддерживаемый многими инструментами) и аналоги: как собрать и протестировать проект, стиль кода, что нельзя трогать.[4] Это частный случай подготовки [документации для ИИ](https://llmdocs.ru/wiki/docs-for-ai.md).

```markdown
# AGENTS.md
## Сборка и тесты
- `uv run pytest -q` — тесты; перед коммитом должны проходить
- `uv run ruff check --fix` — линтер
## Правила
- Python 3.12, типы обязательны
- Не менять файлы в migrations/ вручную
```

## Практика работы

Рекомендации разработчиков агентов:[2]

- **Давать проверяемую цель.** Агент работает лучше всего, когда может сам убедиться в результате: тесты, линтер, скриншот, ожидаемый вывод.
- **Сначала план.** Для больших задач — попросить исследовать код и предложить план, утвердить его, затем реализовывать.
- **Маленькие шаги и коммиты.** Проще ревьюить и откатывать.
- **Чистый контекст.** Разные задачи — в разных сессиях; длинная история с тупиковыми попытками ухудшает качество.
- **Ревью обязательно.** Агент может написать работающий, но избыточный или небезопасный код, «подогнать» тесты под результат или удалить неудобную проверку.

## Безопасность

Агент выполняет команды с правами пользователя, поэтому инструменты предлагают режимы разрешений (подтверждение каждой команды, разрешённые списки, песочницы и контейнеры). Особый риск — [prompt injection](https://llmdocs.ru/wiki/prompt-injection.md): инструкция, спрятанная в файле, задаче или веб-странице, может заставить агента выполнить вредное действие или отправить секреты наружу. Не стоит давать агенту доступ к продакшен-секретам и запускать его без изоляции на недоверенном коде. Отдельная угроза — [выдуманные](https://llmdocs.ru/wiki/hallucinations.md) имена пакетов, которые злоумышленники регистрируют в реестрах.

## Влияние

Агенты резко ускоряют рутину — шаблонный код, миграции, тесты, исправление очевидных ошибок, работу с незнакомыми кодовыми базами — и позволяют непрограммистам собирать прототипы («вайб-кодинг»). Измерения продуктивности опытных разработчиков на сложных задачах дают противоречивые результаты; сильнее всего выигрыш там, где результат легко проверить.

## См. также

- [ИИ-агент](https://llmdocs.ru/wiki/ai-agent.md)
- [Tool use / function calling](https://llmdocs.ru/wiki/tool-use.md)
- [Model Context Protocol (MCP)](https://llmdocs.ru/wiki/mcp.md)
- [Документация для ИИ: как подготовить](https://llmdocs.ru/wiki/docs-for-ai.md)
- [Безопасность LLM: prompt injection](https://llmdocs.ru/wiki/prompt-injection.md)

## Источники

1. [Anthropic — Claude Code documentation](https://docs.claude.com/en/docs/claude-code/overview)
2. [Anthropic — Claude Code: Best practices for agentic coding](https://www.anthropic.com/engineering/claude-code-best-practices)
3. [OpenAI — Codex](https://developers.openai.com/codex)
4. [AGENTS.md — открытый формат инструкций для агентов](https://agents.md/)
5. [Jimenez et al. — SWE-bench (2023)](https://arxiv.org/abs/2310.06770)
6. [Yang et al. — SWE-agent: Agent-Computer Interfaces (2024)](https://arxiv.org/abs/2405.15793)
7. [Aider — документация](https://aider.chat/docs/)