В 2026 году вопрос актуальности фреймворков для LLM всё ещё открыт. Разбираем, как инструменты прошли путь от простых цепочек до автономных агентов и почему наблюдаемость стала важнее кода.
3 мин
С каждым улучшением больших языковых моделей (LLM) в сообществе разработчиков возникает один и тот же вопрос: «Нужен ли нам всё ещё специальный фреймворк для агентов, или модель справится сама?».
Команда LangChain, оглядываясь на опыт последних трех лет (с 2023 по 2026 год), дает однозначный ответ: фреймворки полезны, но только если они эволюционируют с той же скоростью, что и сами модели. Ключевой сдвиг произошел в понимании роли инструментов: от жесткого кодирования логики индустрия перешла к делегированию решений самой модели, а фокус разработки сместился с написания кода на «наблюдаемость» (observability) и отладку поведения.
Чтобы понять текущее состояние индустрии, нужно посмотреть на три поколения агентных систем, которые мы наблюдали:
Главный аргумент против использования фреймворков всегда заключался в том, что они добавляют лишний слой абстракции, который быстро устаревает. Однако практика показала, что «сидеть и ждать», пока технологии устоятся — проигрышная стратегия. Фреймворки позволяют кодировать лучшие практики, уменьшать количество шаблонного кода и быстрее выводить продукты в продакшн.
Изображение из источника
Интересно, что сама концепция разработки изменилась. В классическом программировании логика приложения задокументирована в коде. В разработке агентов логика документируется в трассировках (traces) — записях того, как модель принимала решения в реальном времени. Поскольку агенты недетерминированы (могут выдавать разный результат на один и тот же вход), отладка и тестирование становятся важнее самого процесса написания кода.
Именно поэтому платформа LangSmith была отделена от открытого кода LangChain. Она поддерживает трассировку и оценку качества работы агентов независимо от того, на чем они написаны — будь то AutoGen, CrewAI, Vercel AI SDK или вообще самописное решение без фреймворков.
Мы видим четкое разделение инструментов на два класса:
Подход «батарейки в комплекте» (batteries-included), реализованный в новых инструментах вроде DeepAgents, указывает на зрелость рынка. Разработчикам больше не нужно собирать агента по винтикам; им нужна готовая, но гибкая структура, способная использовать возросшие когнитивные способности моделей.
Индустрия движется к конвергенции процессов построения и тестирования. Создание агента — это только первый шаг. Основная работа инженера смещается в область «агентной инженерии» (agent engineering), где главными инструментами становятся не IDE для кода, а платформы для анализа трассировок и автоматической оценки качества (evals).
Вероятно, в будущем мы увидим еще большую специализацию фреймворков под конкретные типы задач (например, только для кодинга или только для юридического анализа), но потребность в едином стандарте наблюдения и отладки останется универсальной.
Фреймворки для агентов не исчезли, а эволюционировали от жестких цепочек к автономным средам, где главную роль играет не код, а система наблюдения и отладки.
Ожидание стабилизации AI-рынка — проигрышная стратегия. Эффективнее использовать постоянно меняющиеся фреймворки, чтобы внедрять лучшие практики здесь и сейчас.
