Агенты опережают контроль: проблема управления в эпоху A2A

Суть

Технологии взаимодействия между искусственными интеллектами (Agent-to-Agent, или A2A) достигли уровня, когда техническая интеграция перестала быть проблемой. Однако это породило новый, более сложный вызов: разрыв в управлении (governance gap). Компании внедряют системы, где агенты могут общаться друг с другом, передавать контекст и выполнять задачи без участия человека. Проблема в том, что скорость и легкость этих подключений опережают способность организаций контролировать, кто, как и почему принимает решения. Мы научили машины договариваться, но забыли прописать для них правила поведения.

Контекст

Раньше интеграция систем была сложным инженерным проектом. Чтобы соединить одну программу с другой, требовались API, документация и ручная настройка. Эта сложность служила естественным тормозом: пока инженеры настраивали связи, менеджеры успевали оценить риски.

Сейчас формируется новый стек технологий:

• MCP (Model Context Protocol): Позволяет агентам использовать локальные инструменты и данные.
• ACP (Agent Communication Protocol): Стандартизирует передачу памяти, целей и истории между агентами.
• A2A (Agent-to-Agent): Отвечает за знакомство агентов и переговоры.

Этот стек превращает сложные интеграции в простую настройку конфигурации. Но вместе с устранением технического трения исчезли и естественные барьеры безопасности.

Детали

Автор статьи, Шрешта Шьямсундар, выделяет несколько специфических проблем, возникающих в этой новой реальности:

• Размывание ответственности. Если агент техподдержки автоматически передает задачу агенту логистики партнера, а тот — агенту склада, цепочка действий становится непрозрачной. Кто виноват, если в 2 часа ночи был одобрен ошибочный платеж на 50 000 долларов?
• Дрейф политик (Policy Drift). Агенты разных компаний могут технически прекрасно взаимодействовать через A2A, но их бизнес-логика может противоречить друг другу (например, жесткая политика возврата против лояльной).
• Избыточная передача контекста. Расширяя схему данных для улучшения персонализации, разработчики могут случайно передать чувствительные данные (например, настроение пользователя или историю покупок) всем сторонним агентам в цепочке.
• Ловушка детерминизма. В отличие от жестких API, агенты недетерминированы. Обновление базовой модели (например, с GPT-4 на GPT-4.5) может изменить логику принятия решений агентом, даже если формальный контракт взаимодействия остался прежним. Это создает «призрачные поломки», которые не видны в обычных системах мониторинга.

Анализ

Мы переходим от управления API к управлению автономностью. В эпоху API человек инициировал действие. В эпоху A2A агенты сами находят друг друга и договариваются. Это означает, что традиционные методы безопасности, основанные на контроле доступа к эндпоинтам, устаревают.

Риск заключается не в единичном катастрофическом сбое, а в серии мелких, трудноотслеживаемых решений, которые в сумме приводят к неверному бизнес-результату. Дашборды могут гореть зеленым (системы работают, ошибок нет), но компания будет терять деньги или репутацию из-за неверно принятых агентами обязательств.

Перспектива

Решение проблемы лежит не только в плоскости технологий, но и в организационных изменениях. Необходим слой «Агентного договора» (Agent Treaty) — своего рода конституции для ИИ.

Что предстоит сделать индустрии:

1. Определить ограничения на уровне договора. Не просто разрешать соединение, а строго прописывать, какие данные можно передавать и какие решения требуют обязательного участия человека.
2. Версионировать поведение. Любое изменение модели должно рассматриваться как выпуск новой версии продукта, требующий пересмотра правил взаимодействия.
3. Внедрить сквозную трассируемость. Нам нужны инструменты, которые отслеживают не просто скорость ответа, а намерение и политику, в рамках которой действовал агент.

Инженерам придется мыслить категориями теории игр и взаимодействия политик, а не просто интеграции SDK. А специалистам по рискам предстоит научиться аудировать обязательства, заключенные между машинами.