Агентный искусственный интеллект (ИИ): архитектуры, таксономии и оценка агентов на основе больших языковых моделей

Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents
Rajkumar Buyya, Arunkumar .V, Gangadharan G R
2026-01-18

архитектуры агентовагентный ИИагенты на основе больших языковых моделейпротокол контекста моделиинъекция промпта
Искусственный интеллект переходит от моделей, способных лишь генерировать текст, к агентному ИИ, в котором системы действуют как автономные сущности, способные воспринимать информацию, рассуждать, планировать и выполнять действия. Большие языковые модели (LLM) используются уже не только как пассивные источники знаний, но и как когнитивные контроллеры, объединяющие память, использование инструментов и обратную связь от окружающей среды для достижения долгосрочных целей. Этот переход уже поддерживает автоматизацию сложных рабочих процессов в программной инженерии, научных исследованиях и веб-навигации, однако разнообразие возникающих архитектур — от простых агентов с одним циклом до иерархических мультиагентных систем — затрудняет ориентацию в этой области. В данной статье рассматриваются архитектуры и предлагается унифицированная таксономия, в рамках которой агенты подразделяются на компоненты восприятия, мозга, планирования, действия, использования инструментов и сотрудничества. На основе этого подхода описывается переход от линейных процедур рассуждения к моделям с нативным рассуждением во время вывода, а также переход от фиксированных вызовов API к открытым стандартам, таким как Model Context Protocol (MCP) и Native Computer Use. Кроме того, классифицируются среды, в которых функционируют эти агенты, включая цифровые операционные системы, воплощённую робототехнику и другие специализированные области, а также рассматриваются современные методы оценки. Наконец, выделяются нерешённые проблемы, такие как галлюцинации при выполнении действий, бесконечные циклы и инъекции промптов, и намечаются перспективные направления исследований, ориентированные на создание более устойчивых и надёжных автономных систем.
1
Архитектуры агентов варьируются от простых одноцикловых систем до иерархических мультиагентных систем, что отражает растущее разнообразие и сложность конструкций.
2
Оценивание агентов охватывает цифровые операционные системы, воплощённую робототехнику и специализированные области; ключевые нерешённые риски включают галлюцинации при выполнении действий, бесконечные циклы и prompt injection.
3
Agentic AI расширяет возможности LLM от пассивной генерации текста до автономных систем, способных воспринимать, рассуждать, планировать, действовать, использовать инструменты и достигать долгосрочных целей.
4
Область переходит от линейных процедур рассуждения и фиксированных API-вызовов к моделям рассуждения во время вывода, Model Context Protocol и нативным возможностям взаимодействия с компьютером.
5
В статье предложена единая таксономия агентов, основанная на компонентах восприятия, мозга, планирования, действия, использования инструментов и сотрудничества.

Системы агентного искусственного интеллекта на основе агентов больших языковых моделей

Архитектуры, таксономии, среды функционирования, методы оценки и проблемы надёжности автономных агентов на основе больших языковых моделей

Publication Details
Publication Date
2026-01-18
Journal
Publisher
ISSN
Cited by
37
Access Type
Author Information
Authors
Rajkumar Buyya
Arunkumar .V
Gangadharan G R
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%