llmdocsсправочник разработчика

Агенты для кода

Материал из llmdocs — справочник разработчика
Портал: LLM, агенты, MCP
Агенты для кода
ТипИИ-агент с инструментами файловой системы и терминала
ФормыCLI в терминале, плагин IDE, облачный агент, бот в репозитории
ПримерыClaude Code, OpenAI Codex, Gemini CLI, Cursor, GitHub Copilot agent, Aider, Cline
Ключевые инструментычтение и правка файлов, поиск, shell, тесты, git
БенчмаркиSWE-bench Verified, Terminal-Bench
Файлы инструкцийAGENTS.md, CLAUDE.md

Агенты для кода (англ. coding agents) — разновидность ИИ-агентов, 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, умеющая вызывать инструменты, 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, утилиты
веб-поиск и загрузка страниц документация библиотек
подагенты параллельные или изолированные подзадачи
внешние инструменты через MCP трекер задач, базы данных, браузер

Главное ограничение — контекстное окно: 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.[7]
  • В редакторе (Cursor, Windsurf, Copilot, Cline) — показывают правки как diff прямо в IDE.
  • Облачные — агент получает задачу из трекера или pull request, 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.

# 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: 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 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

Источники

  1. Anthropic — Claude Code documentation
  2. Anthropic — Claude Code: Best practices for agentic coding
  3. OpenAI — Codex
  4. AGENTS.md — открытый формат инструкций для агентов
  5. Jimenez et al. — SWE-bench (2023)
  6. Yang et al. — SWE-agent: Agent-Computer Interfaces (2024)
  7. Aider — документация
Категории: