🎯 О чём этот конспект: Разбор архитектуры и философии AMP — инновационного AI-агента для разработки, который отказывается от стандартного выбора моделей в пользу иерархии специализированных под-агентов (Finder, Oracle, Kraken). Видео раскрывает, почему MCP-серверы могут мешать контексту и как правильно разделять задачи между «быстрым» и «умным» агентами.

👤 Кому будет полезно: Вайбкодерам, AI-инженерам и разработчикам, которые хотят выйти за пределы возможностей Cursor и понять, как работают автономные системы кодинга следующего поколения.

✨ Что получите: Понимание архитектуры современных AI-агентов, методику сохранения контекстного окна через делегирование задач и доступ к инструментам, которые используют топовые инженеры индустрии (например, Митчелл Хашимото).

1. Отказ от MCP в пользу кастомных инструментов

Контекст: Сейчас индустрия движется в сторону универсального протокола MCP (Model Context Protocol). Однако создатели AMP считают это тупиком для глубокой автоматизации. Проблема в том, что создатели MCP-серверов не знают специфики вашего агента, что приводит к размытым описаниям инструментов и «засорению» контекстного окна ненужными данными. Для качественного кодинга агенту нужны инструменты, заточенные под конкретные циклы обратной связи (feedback loops).

Выгода: Максимальная точность действий агента и отсутствие галлюцинаций из-за избыточного контекста.

Как применить:

• Шаг 1: Анализ циклов — Определите повторяющиеся действия (поиск файлов, чтение документации, правка тестов).
• Шаг 2: Создание специфичных описаний — Вместо использования общих инструментов, давайте AI инструменты с жестко ограниченной областью ответственности.
• Шаг 3: Минимизация контекста — Не загружайте в промпт все доступные инструменты сразу. Используйте только те, что критически важны для текущего шага.

Результат: Агент перестает путаться в доступных функциях и точнее выполняет сложные правки.

2. Иерархия под-агентов: Finder, Oracle и Kraken

Контекст: Обычные агенты тратят контекстное окно на поиск информации, и когда дело доходит до написания кода, места для «мыслей» не остается. AMP решает это через систему под-агентов (аналог подпрограмм в коде). Каждый под-агент работает в своем изолированном контекстном окне и возвращает основному агенту только готовый результат.

Выгода: Экономия токенов основного окна и возможность решать задачи, требующие глубокого анализа, без потери скорости.

Как применить (структура под-агентов):

• Finder (Поисковик): Использует быструю и дешевую модель для сканирования кодовой базы и поиска релевантных файлов.
• Oracle (Оракул): Включается только для сложного дебаггинга или планирования. Это «медленная» модель (например, o1 или Gemini 1.5 Pro), которая думает несколько минут.
• Librarian (Библиотекарь): Отвечает за поиск внешней информации в документации и фреймворках.
• Kraken (Кракен): Экспериментальный агент для масштабных рефакторингов (codemods), работающий сразу со множеством файлов.

Результат: Вы можете поручать AI задачи уровня «перепиши всю логику аутентификации», не боясь, что он «забудет» начало задачи через 5 минут.

3. Разделение на Smart и Rush агентов

Контекст: Выбор модели пользователем (как в Cursor) — это когнитивная нагрузка. AMP предлагает два режима, оптимизированных под разные паттерны работы: асинхронный (Smart) и интерактивный (Rush).

Выгода: Оптимизация стоимости и скорости разработки без потери качества.

Как применить:

• Режим Smart: Используйте для крупных фич. Запустили задачу -> ушли пить кофе -> вернулись к готовому PR. Здесь используются тяжелые модели и все под-агенты.
• Режим Rush: Используйте для мелких правок «в моменте». Это максимально быстрый цикл «промпт — правка — проверка».
• Инструмент: AMP CLI или плагин для VS Code/Cursor.

Результат: Вы не тратите дорогие токены мощных моделей на исправление опечаток, но имеете доступ к «высшему разуму» для архитектурных задач.

4. Культура Code Review в эпоху AI

Контекст: Главное узкое место вайбкодера сегодня — это не написание кода, а его проверка. Читать огромные диффы от AI тяжело. AMP внедряет специализированный интерфейс для ревью, который «проводит экскурсию» по изменениям.

Выгода: Сокращение времени на проверку кода в 2-3 раза и предотвращение появления «спагетти-кода».

Как применить:

• Шаг 1: Использование Tour of Changes — В интерфейсе AMP выберите функцию гида по изменениям.
• Шаг 2: Редактируемые диффы — Не принимайте код целиком, если не согласны с деталью. Исправляйте прямо в окне сравнения.
• Шаг 3: Шаринг тредов — Делитесь ссылками на удачные цепочки промптов с командой для обучения.

Результат: Вы сохраняете полный контроль над качеством проекта, работая в режиме дирижера, а не кодера.

FAQ

В: Чем AMP отличается от Cursor или Windsurf?

О: В отличие от Cursor, который является форком VS Code с AI-функциями, AMP — это прежде всего мощный CLI-агент с собственной архитектурой под-агентов. Он не просто предлагает автодополнение, а автономно выполняет циклы «поиск-анализ-правка-проверка», используя разные модели для разных подзадач.

В: Можно ли использовать AMP со своим редактором (Neovim, Emacs)?

О: Да, AMP ориентирован на терминал (TUI) и подключается к любому редактору (Neovim, JetBrains, VS Code) через протоколы диагностики для сбора ошибок и контекста прямо из вашей IDE.

В: Зачем нужны «объявления» (Ads) в терминале AMP?

О: Это экспериментальный способ снизить стоимость использования дорогих моделей для пользователей. Разработчики спонсируют инференс (вычисления) через ненавязчивые баннеры инструментов для девелоперов, делая мощных агентов доступными даже студентам.

В: Как агент Oracle помогает в работе?

О: Если основной агент заходит в тупик (doom loop), вы вызываете Oracle. Он отключает спешку, использует более мощные алгоритмы рассуждения и может анализировать проблему несколько минут, прежде чем выдать решение, которое обычно ускользает от быстрых моделей.

В: Какую модель AMP использует как основную?

О: Разработчики постоянно тестируют фронтирные модели. На момент выступления основной «умной» моделью стала Gemini 3 (экспериментальные версии), так как она показала лучшие результаты в тестах на сложные агентские задачи.

Конспект создан на основе видео «AMP: An Opinionated Frontier Agent» канала AI Engineer. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=gvIAkmZUEZY