Что такое AI-агент простыми словами: чем он отличается от чата и от проекта

Чат отвечает, агент действует. На простых примерах разбираем, где заканчивается обычный чат с файлами, где начинается агент и почему он нужен далеко не для каждой задачи.

Слово «агент» за последний год прилипло вообще ко всему. Агент то, агент сё, у всех агенты, заведи себе агента. Звучит так, будто это какая-то особая магия, доступная только тем, кто живёт в терминале и носит толстовку с капюшоном. На деле же агент это та же самая LLM, которая перестаёт быть просто окном для вопросов и становится частью рабочей связки: видит контекст, понимает цель, может вызвать инструмент, сама принимает решение, как выполнить задачу, и, самое важное, сама её и делает. Поэтому агента проще понимать не как отдельную сущность, а как формат работы: меньше «ответь мне», больше «сделай за меня по моим инструкциям».

В статье разберём, что такое чат, что такое проект, что такое агент, и чем они вообще отличаются друг от друга, простым человеческим языком.

Если совсем коротко

Чат отвечает. Агент действует.

Обычный чат это разговор: вы спросили, он ответил, дальше вы сами решаете, что с этим делать. AI-агент это система, в которой модель сама решает, что делать дальше, и делает это сама: планирует шаги, выбирает инструменты, проверяет результат и идёт к цели, пока не упрётся в ограничения или не выполнит задачу. Вы даёте задачу, агент планирует реализацию и выполняет.

Всё остальное в статье это расшифровка вот этой одной разницы. И сразу спойлер: агент нужен далеко не для всех задач, но зато эффектно продаётся в соцсетях через FOMO.

Лестница: от чата до агента

Нагляднее всего объяснить не через определение, а через карту. Большинство «AI-штук» выстраиваются в лестницу, где каждая следующая ступенька добавляет помощнику возможностей. Вот она, снизу вверх:

Ступенька	Что добавляется	Человеческими словами	Пример задачи
Чат	Базовый разговор	Спросил, получил ответ	«Перепиши этот текст покороче»
Проект (папка в чатах, Custom GPT)	Свои инструкции и файлы внутри папки	Помощник «в роли»: ходит внутри папки и быстро подтягивает ваш контекст	Папка «Маркетинг»: бренд-правила и прайс под рукой в каждом чате
Cowork / Codex	Доступ к локальной среде (папка на вашем компьютере)	Может пойти и сделать задачу прямо на компьютере	«Поправь, прочитай или отредактируй файл в моей папке»
Инструмент (tool)	Конкретное действие	Что модель физически умеет	Поискать в вебе, посчитать, прочитать файл
MCP	Стандартный разъём к сервисам	Как помощник дотягивается до внешних сервисов и выполняет действия в ваших приложениях	«Создай встречу на ужин», «запиши заметку в Notion»
Скилл (skill)	Переиспользуемая методика	«Методичка»: папка с файлами и инструкциями, которую модель достаёт сама	Собрать пост по вашему brand voice; написать SEO-статью по шаблону
Плагин (plugin)	Набор скиллов, коннекторов и команд	Готовая роль одним пакетом	Поставить плагин «финансист», и Claude собран под финансы
Агент	Самостоятельность	LLM с контекстом и инструментами: сама планирует шаги и выполняет задачу	«Собери отчёт за месяц»: сам решит, что и в каком порядке делать, и сделает

Не пугайтесь, что ступенек много. Их не нужно заучивать. Дальше я пройдусь по ключевым и покажу разницу на бытовых примерах. И сразу стоит отдельно выделить MCP: я не случайно вынесла его в самостоятельную ступеньку. Почти всё, что помощник делает с вашими внешними сервисами (Notion, Gmail, календарь, CRM), идёт именно через MCP. Так что это не деталь, а несущая стена. Подробнее про MCP в отдельной статье.

Чат: отвечает, но сам ничего не делает

Самый низ лестницы это обычный чат. Вы открыли ChatGPT или Claude в браузере, написали сообщение, получили ответ. Это базовая единица, с которой все знакомы.

Тут важно не свалиться в распространённый миф. Часто говорят: «обычный AI ничего не помнит между чатами и ничего не знает о ваших файлах». Это упрощение, которое уже неправда. Память и доступ к контексту зависят от конкретного продукта и ваших настроек: у современных Claude и ChatGPT есть память между диалогами, её можно включать, выключать и чистить. Так что правильнее так: в самом простом виде чат это разговор, и сам по себе он не лезет в ваши документы и не выполняет действий в ваших сервисах, пока вы это отдельно не подключили.

Чат прекрасно подходит для кучи задач: переписать текст, объяснить непонятное, накидать идей, перевести, разобрать договор. Если задача решается одним вопросом и одним ответом, никакой агент вам не нужен, и это не «отставание», а просто здравый смысл.

Проект или Custom GPT: папка с файлами и инструкциями

Следующая ступенька это рабочее пространство. У Claude оно называется Project, у OpenAI есть Projects и Custom GPTs.

Представьте папку, у которой есть собственные инструкции («отвечай в таком-то тоне», «вот правила нашего бренда») и загруженные файлы (гайдлайны, прайс, база знаний). И этот контекст подгружается в каждый чат внутри папки автоматически. Обычный чат это один блокнот. Проект это полка с тематическими блокнотами, и у каждой полки своя библиотека и свои правила.

Аналогия, которой я пользуюсь: проект это помощник, которого вы один раз ввели в курс дела, и больше не нужно каждый раз заново объяснять, кто вы и чего хотите.

Тут есть нюанс, который любят путать. Project и Custom GPT это родственники, но не одно и то же. Project это ваше личное рабочее пространство с чатами, файлами и инструкциями. Custom GPT это отдельная настроенная сущность со своим именем, базой знаний и опциональными действиями (actions), и его можно расшарить другим людям. Грубо: проект это ваш личный кабинет, а Custom GPT это собранный вами «персонаж», которого можно отдать команде.

Но обратите внимание: и проект, и Custom GPT по-прежнему ждут вашего сообщения. Они умнее голого чата, потому что знают контекст, но сами по своей воле ничего не запускают. Это всё ещё про «ответить», а не про «пойти и сделать».

Из чего собран AI-помощник: голова и три руки

Прежде чем подниматься к агенту, давайте разберём, из чего вообще собирается любой умный помощник. В инженерных текстах это называют красивым словом augmented LLM, то есть «усиленная модель». Я объясняю это как голову и три руки.

• Голова это сама модель. Она понимает язык, рассуждает, формулирует. Но голова без рук это просто очень начитанный собеседник.
• 🔍 Знания (retrieval). Доступ к документам и базам: модель может заглянуть в нужный файл или справочник, а не выдумывать из головы.
• 🔧 Инструменты (tools). То, что модель умеет физически сделать: поискать в интернете, выполнить расчёт, отправить письмо, создать событие в календаре.
• 🧠 Память (memory). То, что помощник помнит между запросами: ваши предпочтения, прошлые решения, контекст работы.

Вот эта конструкция, голова плюс три руки, и есть кирпичик, из которого строится всё остальное. Проект добавляет голове знания. Инструменты дают руки. Память делает помощника не золотой рыбкой. А агент это то, что появляется, когда голове разрешают самой решать, какой рукой и когда воспользоваться.

Инструмент, MCP, скилл, плагин: коротко, чтобы не путаться

Четыре слова, которые постоянно валят в одну кучу. Объясню за минуту, потому что разница простая.

• Инструмент (tool) это что модель умеет делать. Одно конкретное действие: поиск в вебе, выполнить код, прочитать файл, сделать скриншот. Это молоток.
• MCP это стандартный разъём, через который помощник дотягивается до внешних сервисов: вашего Notion, почты, календаря, CRM. Я подробно писала про MCP отдельно, но если совсем коротко: это не «вилка, к которой подключается любой AI», а открытый стандарт, который приложения могут поддерживать, и под капотом он чаще всего просто аккуратно оборачивает обычный API сервиса. MCP стоит отдельно от инструмента именно потому, что это про связь с внешним миром, а не про одно действие.
• Скилл (skill) это методичка, как делать задачу, которую модель сама достаёт с полки, когда задача ей подходит. Молоток это инструмент, а «как собрать полку молотком и шурупами» это скилл. Без молотка методичка бесполезна, без методички молоток есть, но непонятно, что строить.
• Плагин (plugin) это чемоданчик из нескольких скиллов плюс коннекторы, slash-команды и субагенты, собранные в один пакет. Если скилл это одна методичка, то плагин это целый набор методичек и инструментов под одну роль: ставите один плагин, например «финансист» или «дизайнер», и Claude разом получает пачку навыков и подключений под эту работу. То есть плагин это ступенька над скиллом, а не его синоним.

Про плагин отдельно стоит запомнить одну вещь: это продукт-зависимый термин, а не универсальный стандарт. У Anthropic плагин это вот такой пакет навыков, коннекторов и команд. А в другом приложении под тем же словом окажется совсем другое: где-то это просто расширение интерфейса, где-то надстройка над одним сервисом. Так что слышите «плагин», уточняйте, чей именно.

Агент: когда AI сам прокладывает маршрут

Теперь, когда у нас есть голова, руки и разъёмы, можно собрать агента.

Сами Anthropic в статье «Building Effective Agents» описывают агента так: это система, в которой модель сама динамически направляет свои процессы и использование инструментов, сохраняя контроль над тем, как выполняет задачу. По-человечески: вы говорите «вот цель, вот инструменты, дальше решай сам», и маршрут рождается в моменте. Модель посмотрела на результат, подумала, решила, что делать дальше, сделала, снова посмотрела.

Чтобы не записывать в агенты всё подряд, держите пять признаков. Это агент, если он:

1. Сам планирует и работает дальше без вашей пошаговой указки после старта.
2. Использует инструменты в цикле: вызвал, получил результат, решил что дальше, снова вызвал.
3. Опирается на реальную обратную связь из среды (что вернул сервис, что показал файл), а не на догадки.
4. Может притормозить и спросить вас, если упёрся или дело пахнет деньгами.
5. Имеет условия остановки: задача выполнена, лимит шагов исчерпан, нужна помощь.

Пример, чтобы было понятно. «Изучи трёх моих конкурентов, зайди на их сайты, собери в таблицу цены и условия» это агентская задача. Никто заранее не знает, сколько страниц придётся открыть и что на них найдётся. Помощник сам решает, куда кликнуть дальше, и сам понимает, когда таблица готова. Вот OpenAI ровно про это и сделали ChatGPT agent, а у Claude похожую работу с вашими локальными файлами берёт на себя Cowork.

Кстати, про Cowork отдельная оговорка, потому что его часто путают. Cowork это продукт Claude и к ChatGPT никакого отношения не имеет. И это не то же самое, что десктопное приложение: десктоп это просто другой интерфейс к тому же чату, а Cowork это отдельный продукт с агентным циклом и доступом к вашим локальным файлам. Он может пойти и реально что-то сделать на вашем компьютере, а не только поговорить.

Чтобы не держать это всё в голове, вот короткая шпаргалка: где живёт помощник на каждой ступеньке и что он реально умеет.

	Чат	Проект / Custom GPT	Cowork / Codex
Где живёт	Браузер или приложение	Внутри чата, папка в облаке сервиса	Десктоп-приложение или CLI (командная строка)
Видит ваши локальные файлы	❌	❌	✅
Делает многошаговую работу сам	❌	❌	✅
Может работать по расписанию	❌	❌	✅
Когда брать	Быстрый вопрос или текст	Роль и ваш контекст под тему	Пойти и сделать что-то на компьютере

Видно закономерность: чем выше по лестнице, тем больше помощник не просто отвечает, а действует. Чат и проект живут в облаке и ждут вашего сообщения, а Cowork (или Codex) спускается к вам на компьютер и может сам что-то сделать с файлами.

Агент или workflow: что под какую задачу?

Вот это различие я считаю самым важным во всей статье, потому что именно его чаще всего пропускают.

Есть workflow (рабочий процесс). Это когда маршрут прописан заранее, в коде или в n8n (или другом no-code приложении). Шаг первый, шаг второй, шаг третий, развилка по условию. AI внутри может быть одним из шагов («классифицируй обращение», «напиши черновик»), но решает не он, а заранее заданная схема. Это предсказуемо и надёжно.

Есть агент. Это когда маршрут рождается по ходу, и решает сама модель.

	Workflow	Агент
Кто решает, что дальше	Вы заранее, в схеме	Модель в моменте
Маршрут	Прописан до запуска	Рождается по ходу
Предсказуемость	Высокая	Ниже, зато гибко
Когда хорош	Шаги известны и повторяются	Шаги заранее не угадать

И тут главный совет, который дают сами Anthropic и под которым я подписываюсь обеими руками: начинайте с простого. Не надо пихать агента туда, где справится обычный workflow или вообще один запрос. Агент это мощно, но он менее предсказуем и дороже в отладке. Берите самый простой инструмент, который решает задачу, и поднимайтесь по лестнице, только когда упёрлись.

Не всех задач нужен агент: разбираем на примерах

Самое полезное упражнение. Давайте возьмём обычные задачи и выясним, где их выполнять легче всего. Удивительно, но «агент» здесь будет встречаться реже, чем кажется.

• «Перепиши этот пост покрасивее» это обычный чат. Один вопрос, один ответ.
• «Извлеки данные из этого PDF в таблицу» это тоже один запрос, просто посложнее. Не агент.
• «Каждый новый лид с формы пусть падает в CRM» это автоматизация (n8n, Zapier, Make). Шаги известны, AI часто вообще не нужен.
• «Помогай мне вести маркетинг по моему брендбуку» это проект: контекст и роль, но запускаете диалог вы.
• «Собирай мне недельный отчёт по одной и той же методике» это скилл или Cowork: повторяемая процедура.
• «Изучи конкурентов, открой сайты, собери таблицу» вот это уже агент: маршрут заранее не известен.

И отдельная категория, про которую забывают: когда AI вообще не нужен. Если шаги полностью предсказуемы, точность важнее гибкости, а ошибка дорогая, то обычный скрипт или формула надёжнее и дешевле, чем разбираться, почему агент «что-то не то сделал». Я за результат, а не за то, чтобы везде воткнуть модель. Иногда самое умное решение это формула в таблице.

Как у меня работают агенты

Теперь несколько примеров из моей жизни, но не все.

Утренний и вечерний бриф. Самый частый в использовании. Агент на расписании: утром и в 21:00 он сам присылает мне бриф и анти-бриф (бриф смотрит вперёд, анти-бриф назад). У него есть доступ к моему списку задач (Todoist) и Google-календарю. Утром он:

• проверяет все задачи на сегодня и, если что-то сформулировано криво, добавляет контекст или переформулирует, раскладывает проектные задачи на подзадачи (согласовывая со мной);
• раскидывает задачи по папкам и подсказывает, как разумнее разложить день;
• предлагает задачи, которые нужно передать моим другим агентам, помечает, что может взять на себя, а что нет;
• где не уверен, задаёт вопросы и предлагает разбить задачу на подшаги.

Вечером подключается вторая половина. Вечерний агент подхватывает то, что утренний распихал по папкам, сверяет, что из плана реально сделано, и переносит невыполненное.

Финансовый отчёт. Отдельный агент собирает мне месячный финансовый отчёт. Про него я ещё расскажу отдельно, тут повторяться не буду.

SEO-статьи. Агент, который ведёт контент: сам делает анализ спроса, собирает данные, пишет статью и выкладывает её на сайт. Маршрут он каждый раз достраивает сам, какие запросы копать и что войдёт в текст, заранее не прописано.

Instagram-посты. Тут связка из всего, о чём была статья. Агент делает ресёрч темы, упаковывает карусель или Reels в моём фирменном стиле (через отдельный skill), показывает мне текст на согласование, и, когда я одобрила, сам публикует пост в Instagram.

Обратите внимание на последнее: постинг это место, где я оставляю себе кнопку подтверждения. Агент доходит до края, показывает, что собирается сделать, и ждёт моего «да». Это и есть та самая гигиена доступов.

Частые вопросы

Чем агент отличается от автоматизации в n8n или Zapier?

Маршрутом. Автоматизация идёт по заранее заданным шагам: случилось событие, выполнились прописанные действия. Агент сам решает, что делать дальше, глядя на промежуточный результат. Автоматизация предсказуема и отлично работает там, где шаги известны. Агент нужен там, где их заранее не угадать. Часто они уживаются вместе: я и сама подключаю n8n к помощнику. И вот приятный сюрприз: сам workflow можно даже не собирать руками, достаточно попросить агента. У основных no-code платформ (n8n, Make, Zapier) есть свои MCP-серверы, так что агент подключается к ним и собирает вам процесс, который потом крутится сам, уже без агента. У меня так и есть: мой агент заходит в мой n8n и делает любой нужный workflow.

У меня есть Custom GPT под свои задачи. Это уже агент?

Скорее нет. Custom GPT это настроенный помощник с вашим контекстом и, может быть, парой действий, но он по-прежнему ждёт вашего сообщения и отвечает. Это ближе к проекту, чем к агенту. Агентом он становится, когда начинает сам планировать многошаговую работу и крутить инструменты в цикле без вашей пошаговой указки.

Нужно ли уметь программировать, чтобы завести агента?

Чтобы попробовать готовые агентские штуки (ChatGPT agent, Codex от OpenAI, Claude Cowork/Code) на платных тарифах, кода не нужно, это интерфейс. Код начинается, когда вы хотите свои инструменты, свой MCP-сервер под конкретный сервис или своё расписание. Вот тут уже либо разбираться самому, либо звать человека вроде меня.

Агент это безопасно? Он же сам что-то делает.

Ровно поэтому к доступам надо относиться серьёзно. Давайте агенту только то, что нужно для задачи, не раздавайте права «на всякий случай», и обязательно настраивайте подтверждение перед действиями с деньгами, рассылками и важными письмами. Хороший агент сначала показывает, что собирается сделать, и только с вашего «да» делает. Это важно для вашей безопасности.

С чего начать, если хочется попробовать?

Не лезьте сразу на верх лестницы. Начните с проекта: соберите рабочее пространство с вашими файлами и инструкциями под одну тему. Потом подключите готовый коннектор через MCP к сервису, которым уже пользуетесь. И только когда упрётесь в задачу, где шаги заранее не известны, смотрите в сторону агента. Самый простой инструмент, который решает задачу, почти всегда правильный.

---

Если читаете это и думаете «понятно, но к чему мне это приложить», напишите мне в Telegram или оставьте заявку. Расскажите, что за задача, а я честно скажу, что вам на самом деле нужно: чат, проект, простая автоматизация или всё-таки агент. Без «давайте срочно агента», только потому что слово модное.