Loop engineering в AI 2026 когда агент управляет агентом

Loop engineering — это архитектура, в которой вы больше не пишете агенту промпт за промптом, а собираете систему: она сама находит задачу, отдает ее агенту-оркестратору, тот раздает куски работы субагентам, а отдельный чекер проверяет результат без вас. Термин прогремел в июне 2026 года после поста главы Claude Code в Anthropic Бориса Черни: он признался, что больше не промптит модель напрямую, его работа теперь писать циклы. Ниже разберем по шагам, как именно оркестратор ставит задачи субагентам, из каких примитивов собран цикл, что умеет Dynamic Workflows в новых моделях Claude и почему контроль здесь не абстракция, а конкретная строчка в счете за токены.

Loop engineering заменяет ручной промптинг системой, где агент-оркестратор сам находит работу, передает ее субагентам и проверяет итог отдельным чекером. Термин ввели почти одновременно инженеры Anthropic, OpenAI и Google в июне 2026. В статье: анатомия цикла из шести примитивов, пять уровней зрелости внедрения и разбор, сколько субагентов реально тянет один оркестратор.

Что такое loop engineering простыми словами?

Loop engineering — это проектирование системы, которая сама запускает, проверяет и повторяет работу агента, вместо того чтобы человек вручную писал каждый следующий промпт.

Оркестратор задает цель один раз. Дальше цикл сам находит, что нужно сделать, планирует шаги, передает их агенту-исполнителю, проверяет результат независимым чекером и решает, повторять итерацию или остановиться. Разработчик OpenAI Питер Стайнбергер и глава Claude Code Борис Черни почти одновременно сформулировали одну мысль: хватит промптить агента вручную, нужно строить циклы, которые промптят агента за вас.

Разница с обычным чатом с нейросетью принципиальная. В чате вы задаете вопрос, читаете ответ, находите ошибку и пишете следующий промпт сами. В loop engineering эту роль человека-контролера забирает на себя код. Агент получает не инструкцию, а задачу с условием завершения. Он крутится в цикле, пока результат не пройдет проверку или не кончится лимит попыток.

Для новичка это похоже на разницу между «попроси коллегу сделать один отчет» и «настрой ему регламент, по которому он сам находит отчеты, готовит и присылает только те, что прошли ревью». Второй вариант масштабируется, первый упирается в вас как в бутылочное горлышко.

Чем оркестратор агентов отличается от одного агента?

Один агент решает задачу от начала до конца сам. Оркестратор ставит задачи агенту-агентам, дробит работу на куски и раздает их специализированным субагентам, которые могут запускать собственных под-субагентов.

Anthropic в своем инженерном разборе агентных систем приводит цифру: на сложных многодоменных задачах связка агент-оркестратор с несколькими субагентами обходит одиночного агента почти на 90%. Но у этой прибавки есть цена — такая система сжигает в 10-15 раз больше токенов, а контекст может раздуться до размеров, которые уже не помещаются в одну сессию.

Практически это выглядит так. Один агент — это как один человек, который сам исследует вопрос, пишет черновик и сам его правит. Оркестратор — это уже маленькая команда: агент-исследователь собирает данные, агент-инженер пишет код, агент-QA проверяет, а над всеми стоит оркестратор, который решает, кому какую часть отдать.

Лиза: «Раньше я вручную разбирала 15-20 видео на одну единицу контента. Потом написала скрипт в Google Таблицах: вставляешь ссылки, и он сам делает транскрибацию и разбор по 15 критериям. Было 4 часа, стало 5,5 минуты. Вот такие пироги.»

Это не оркестратор с субагентами в чистом виде, но принцип тот же: система сама находит работу и доводит ее до готового результата, а человек только запускает и забирает итог.

Когда одного агента достаточно

Anthropic прямо советует: прежде чем строить флот субагентов, проверьте, не решает ли задачу один агент с добавленными скиллами. Один агент отлично справляется, когда путь к решению нельзя расписать заранее и модель должна сама нащупывать шаги. Пример из практики Anthropic: клиент Augment Code направил одного агента Claude на кодовую базу и закрыл задачу за 2 недели вместо оценки в 4-8 месяцев от CTO компании.

Как оркестратор ставит задачи субагентам?

Оркестратор разбивает цель на пять стадий: находит работу, планирует шаги, передает их агенту, проверяет чекером и повторяет итерацию, пока результат не пройдет проверку.

Каждый рабочий цикл держится на шести примитивах, и они одинаковые почти во всех инструментах 2026 года, от Claude Code до Codex. Ниже таблица с расшифровкой.

Пять стадий одного прогона

Внутри каждого цикла есть строгий порядок: discover (найти задачу), plan (спланировать шаги), execute (выполнить через агента), verify (проверить чекером, который не является автором решения), iterate (повторить или остановиться). Если результат зеленый, цикл завершается. Если красный, агент получает минимальный фикс и прогон повторяется заново, но с чистым контекстом.

Именно чистый контекст на каждой итерации, а не накопленная история чата, защищает от так называемого context rot — деградации, при которой модель теряет инструкции из начала разговора под грудой собственных прошлых реплик. Прогресс хранится не в памяти агента, а на диске: в файлах, в git, в статус-файле.

Какие инструменты в 2026 году поддерживают субагентов?

Claude Code, Codex, Cursor и Grok независимо друг от друга пришли к одинаковым строительным блокам: субагенты, изолированный контекст, чекер и память между запусками.

Форма цикла стала инструментно-независимой. Разработчики перестают спорить, какой инструмент лучше, и просто проектируют цикл, который работает на любом из них. В Claude Code субагенты живут как markdown-файлы в папке agents: имя, модель, короткое описание задачи. Оркестратор читает эту папку и знает, кому что делегировать.

Cursor в этом смысле берет иначе: там ставка не на рой субагентов, а на длинный контекст и фоновые ветки, которые ревьюер проверяет перед мерджем. Для команды, которая только начинает пробовать loop engineering, разница в подходе важнее разницы в бенчмарках.

Сколько субагентов может запустить один оркестратор?

Dynamic Workflows в новых моделях Claude позволяет одному оркестратору планировать и раздавать работу сотням, а по заявлениям Anthropic — до тысячи параллельных субагентов в одной сессии.

Claude Opus 4.8 получил функцию Dynamic Workflows с поддержкой до 1000 параллельных субагентов в одном вызове. Claude Fable 5, вышедший следом как первая публичная Mythos-модель, дальше усилил именно эту способность: он надежнее держит десятки одновременных субагентов в голове часами и меньше теряет нить, чем любая модель до него.

Практическая разница по цене ощутима. Sonnet 5 стоит $3 за миллион входных токенов и $15 за выходные, Opus 4.8 — $5 и $25, а Fable 5 — уже $10 и $50. Схема, которую реально используют на проде: оркестратор на дорогой топ-модели держит план и проверку, а рутинные субагенты работают на более дешевой модели вроде Sonnet 5 или Haiku 4.5.

По состоянию на июль 2026 экономика такая: дорогая модель тратит токены только на планирование и решения, а массовую работу делают дешевые исполнители. Операторы таких схем сообщают, что счет за токены не растет, а падает по сравнению с одним дорогим агентом, который делает все сам.

Когда loop engineering не нужен?

Если задача укладывается в один понятный домен или бюджет ограничен, цикл с оркестратором и субагентами не окупается, хватит одного агента или последовательного воркфлоу.

Anthropic формулирует решение через три вопроса: сколько контроля нужно, насколько сложна задача, какой бюджет. В регулируемой среде, где важно объяснить каждое решение постфактум, начинайте с одного агента или строгого последовательного воркфлоу. Там же, где решения принимаются массово и параллельно, а перепроверка важнее скорости, оркестратор с субагентами оправдан.

Бюджет решает многое. Мультиагентная система съедает в 10-15 раз больше токенов, чем один агент. Если бюджет ограничен, разумнее сначала добавить агенту скиллы и посмотреть, решает ли это задачу без флота субагентов вообще.

Как не потерять контроль над оркестратором агентов?

Проверяющий никогда не должен быть тем же агентом, который сделал работу. Нужен детерминированный чекер, лимит итераций, изоляция через git worktree и логи, иначе цикл превращается в дорогой хаос без тормозов.

Модель, которая только что написала решение, статистически считает собственный ответ самым вероятным продолжением и потому склонна переоценивать качество своей же работы. Поэтому правило простое и жесткое: тот, кто проверяет, не может быть тем, кто делал. Проверка должна быть детерминированной — тест, который либо проходит, либо нет, а не мнение модели о самой себе.

Есть и обратная ловушка — reward hacking. Если единственная цель агента «сделать тест зеленым», он может пойти по самому дешевому пути и просто ослабить сам тест вместо того чтобы чинить код. Защита в несколько слоев: файлы тестов делаются доступными только для чтения, отдельный судья на другой модели открывает живое приложение и кликает по нему по-настоящему, а не просто читает diff.

Матрица зрелости внедрения

Переход сразу на верхний уровень автоматизации рискован. Anthropic и практики из комьюнити описывают путь через пять ступеней.

Мы в VibeCoderz пока держим контент-агентов на третьем уровне: черновики статей и разбор транскриптов агент готовит сам, но публикацию все равно проверяет человек. На прод-код такую схему без человека в петле пока не рискнем ставить.

Сколько стоит запустить оркестратора с субагентами?

Один цикл на кодинг средней сложности сжигает 50-200 тысяч токенов, а флот с оркестратором и несколькими субагентами способен уйти в диапазон от 500 тысяч до 2 миллионов токенов за прогон.

Цена растет не линейно, а квадратично, если цикл держит всю историю чата и перечитывает ее на каждом шаге. Именно поэтому правильная схема стартует каждую итерацию с чистого контекста: агент читает измененные файлы и статус на диске, а не весь предыдущий разговор.

Практический вывод: закладывайте лимит на итерации и circuit breaker, который останавливает цикл при повторяющейся ошибке. Без этого механизма счет за API растет, даже если конечный результат так и не появился.

Частые вопросы про loop engineering

Чем субагент отличается от обычного вызова функции?

Субагент — это отдельный экземпляр модели со своим контекстным окном, собственными правами доступа и своим системным промптом. Он не просто выполняет код, он рассуждает и может сам решать, какие инструменты использовать для своей части задачи.

Можно ли строить loop engineering без Claude Code?

Да. Паттерн оркестратор-субагент реализован и в OpenAI Agents SDK, и в open-source фреймворках вроде multi-agent orchestrator от AWS Labs. Форма цикла везде похожая, отличаются детали реализации и то, насколько глубоко субагенты умеют делегировать дальше.

Что такое context rot простыми словами?

Это деградация качества ответов модели, когда контекст переполняется старыми репликами и инструкциями. Модель начинает путаться и терять то, что было указано в самом начале диалога. Лечится стартом каждой итерации с чистого контекста и хранением состояния на диске.

Сколько времени нужно, чтобы настроить первый цикл?

Зависит от задачи, но минимальный рабочий цикл с одним чекером и лимитом итераций можно собрать за один вечер, если задача уже сформулирована как измеримая цель с четким критерием готовности.

Опасен ли loop engineering для новичков?

Опасность не в самой технологии, а в запуске без ограничений. Без лимита итераций, изоляции через git worktree и логов цикл может работать часами вникуда и сжечь бюджет. Начинать стоит с закрытого цикла на маленькой задаче.

Нужно ли программировать, чтобы настроить оркестратора?

Базовый уровень доступен и без глубоких знаний кода: агентские markdown-файлы и настройки в Claude Code пишутся на обычном языке. Но чтобы поставить детерминированный чекер и лимиты, полезно понимать хотя бы основы git и CI.

Что означают термины loop engineering?

• Loop engineering — проектирование системы, которая сама запускает, проверяет и повторяет работу AI-агента без ручного промптинга на каждом шаге.
• Оркестратор — главный агент, который получает цель, дробит ее на задачи и раздает субагентам.
• Субагент — специализированный агент с собственным изолированным контекстом, которого оркестратор использует как инструмент.
• Детерминированный чекер (oracle) — проверка, которая дает четкий результат прошел/не прошел, а не мнение модели.
• Context rot — деградация качества ответов модели при переполнении контекста старыми репликами.
• Reward hacking — ситуация, когда агент достигает формальной цели самым дешевым и неправильным способом, например ослабляя тест вместо починки кода.
• Git worktree — изолированная рабочая копия репозитория для параллельной работы разных агентов без конфликтов.
• Dynamic Workflows — функция в моделях Claude, которая позволяет оркестратору планировать и запускать сотни параллельных субагентов в одном вызове.

Стоит ли внедрять loop engineering прямо сейчас?

Внедрять стоит, но поэтапно. Начинайте с одного агента и ручной проверки, потом добавляйте изолированную git worktree, потом детерминированный чекер, и только после этого думайте про флот субагентов и автоматический мердж. Ответственность за результат при этом с разработчика не снимается: он остается тем, кто в конце проверяет, что именно уехало в прод.

Если хотите разобраться, какая архитектура нужна именно вашему продукту, смотрите обзоры инструментов в каталоге AI IDE на VibeCoderz или пишите Максиму напрямую в Telegram — разберем ваш кейс на консультации. Если самому собирать оркестратора пока не с руки, в каталоге ИИ-агентов уже есть готовые нейросотрудники под автоматизацию рутинных задач.

Источники: разбор агентных архитектур Anthropic (anthropic.com/engineering/building-effective-agents), материал о происхождении термина loop engineering (techtimes.com), обзор Dynamic Workflows и субагентов Claude Code (totalum.app/blog/claude-code-subagents-totalum).

Обновлено: июль 2026