#ai#management#team

Агент в проде: сложнее всего всё вокруг модели

Postman, 40 млн разработчиков и платежи агентов: разбираем, на чём держится агент в продакшене и почему промпт тут не главный.

  • Повод: три разбора AWS об одном и том же
  • Postman: тяжелее всего оказался сам продукт
  • Агент платит: деньги без человека в контуре
  • Общий знаменатель: контроль живёт вне модели

Повод: три разбора AWS об одном и том же

AWS в сентябре 2026 года выпустил три разбора про агентов в продакшене.

Первый рассказывает, как Postman встроил Agent Mode в продукт, которым пользуются 40 миллионов разработчиков.

Второй описывает, как BlockRun и Incarna применяют Amazon Bedrock AgentCore payments, чтобы агенты сами платили за сервисы.

Третий - ежемесячная сводка по Bedrock, AgentCore и Strands, где AWS формулирует свою ставку:

  • у строителя должен быть выбор на каждом уровне
  • то есть модель
  • среда исполнения
  • инструментарий

Все три текста приходят к одному выводу.

Агент в боевой системе держится на интеграции с продуктом и на ограничениях, которые исполняет инфраструктура.

Качество модели и текст промпта играют вторичную роль.

Цифр в источниках немного, выводы прямые

Руководителю, который решает, куда вложить бюджет на AI, они полезнее любого бенчмарка.

Postman: тяжелее всего оказался сам продукт

  1. Команда Postman рассчитывала, что основные трудности придутся на качество модели и дизайн промптов.

  2. По описанию авторов, главные сложности возникли при встраивании агента в зрелый продукт.

  3. За годы в нём накопились допущения, рассчитанные на человека за интерфейсом, широкая поверхность функций и специализированные понятия. Механизм понятен.

  4. Человек видит экран, кнопки и подсказки, а агенту нужны явные операции, описанные структурно.

  5. Если половина логики продукта живёт в голове пользователя и в порядке кликов, агент её почти не читает. Postman охватывает тестирование API, документацию, поиск и реализацию, и каждое из этих направлений команде приходится открывать агенту отдельно. Демо показывает, что умеет модель.

  6. Сервис для 40 миллионов человек должен гарантировать, что агент действует предсказуемо, с понятными правами и на любой части продукта. Эта разница инженерная.

Агент платит: деньги без человека в контуре

Второй разбор посвящён ситуации, которую часто упускают из виду

В ходе задачи агент покупает:

  • вызов модели
  • ответ API
  • доступ к веб-контенту
  • работу другого агента

Покупки мелкие, иногда в доли цента, частые, и происходят внутри цикла работы, когда одобрить их некому. AgentCore payments даёт агентам управляемый способ платить по требованию.

Лимиты расходов исполняет инфраструктура.

Можно попросить модель в промпте не тратить больше заданной суммы, но такая просьба ничего не гарантирует.

Лимит в инфраструктуре работает как предохранитель: перерасход блокируется до того, как деньги ушли. Incarna на этой схеме позволила своим агентам платить сервису BlockRun за инференс, за каждый вызов отдельно.

Для бизнеса это модель pay-per-inference: расход привязан к фактическому использованию, и его можно посчитать на единицу результата.

Общий знаменатель: контроль живёт вне модели

В обоих кейсах решающие элементы лежат за пределами языковой модели: - описание возможностей продукта в виде, понятном агенту; - права и лимиты, которые исполняет инфраструктура; - учёт расходов на каждое действие; - возможность сменить модель без переписывания остального. Последний пункт подтверждает и AWS в сводке: выбор модели, среды исполнения и инструментов должен быть независимым. Это инженерная гигиена.

Модели меняются быстрее, чем продукты вокруг них, и привязка к одной модели со временем превращается в долг.

Оценить, где ИИ даст эффект в вашем процессе

Почта clients@kt.team Telegram @kt_team_it

Как это закрывается технически

  1. Мы в KT.Team строим такие контуры по одной схеме.

  2. Возможности продукта открываются агенту через MCP: каждая операция описана как инструмент с понятным контрактом и правами.

  3. Между агентом и моделями стоит LLM & Security Gateway.

  4. Он ведёт единый учёт токенов и расходов, фильтрует данные, уходящие наружу, и позволяет менять провайдера настройкой: Anthropic Claude, OpenAI, Google Gemini, Sber GigaChat, YandexGPT, Qwen, Llama.

  5. Когда агенту нужны события из учётных систем (1С, Bitrix, Odoo), их доставляют через шину на Apache Kafka или MuleSoft.

  6. Агент работает с живыми данными, а не со снимком недельной давности.

  7. Это и есть AI-native integration: продукт и данные готовят к тому, что с ними станет работать машина.

  8. Результат выглядит простым, когда всё работает.

  9. За этой простотой стоят ревизия интерфейсов, система прав и учёт расходов, а выбор модели занимает в списке работ скромное место.

Что это значит для бюджета

Кто планирует запуск агента, должен заложить в смету три статьи, которые обычно забывают: подготовку продукта и данных к машинному доступу, контур прав и лимитов, учёт стоимости на единицу результата. Без них агент остаётся демо: впечатляет на презентации и не двигает метрику. Проект закрывают, и вместе с ним уходят люди, которые продали его внутри компании. Гипотеза, которую стоит проверить на своих данных: основная часть сроков проекта уйдёт на интеграцию, а подбор модели займёт малую долю.

Postman описывает собственный опыт именно так.

Вердикт

Агент становится сервисом, когда у него есть читаемый продукт, ограничения в инфраструктуре и счёт за каждое действие. Модель при хорошей архитектуре меняется настройкой, а продукт, который агент не понимает, придётся переделывать месяцами. Деньги стоит вкладывать в то, что остаётся после смены модели.

Источники

- Postman и AWS, «How Postman runs Agent Mode for 40 million developers on Amazon Bedrock», AWS Machine Learning Blog: https://aws.amazon.com/blogs/machine-learning/how-postman-runs-agent-mode-for-40-million-developers-on-amazon-bedrock/ - AWS, «Pay-per-inference for AI agents: How BlockRun and Incarna use Amazon Bedrock AgentCore payments»: https://aws.amazon.com/blogs/machine-learning/pay-per-inference-for-ai-agents-how-blockrun-and-incarna-use-amazon-bedrock-agentcore-payments/ - AWS, «ICYMI: What landed for AI builders in September 2026»: https://aws.amazon.com/blogs/machine-learning/icymi-what-landed-for-ai-builders-in-september-2026/

Обсудить статью: Агент в проде: сложнее всего всё вокруг…

Укажите email или телефон, чтобы мы могли вам ответить.

Отправить через:

Нажимая кнопку, вы принимаете оферту и предоставляете согласие на обработку персональных данных.

Похожие кейсы

Все кейсы

Связанные решения

Все решения
ИИ‑мониторинг — автоматический контроль процессов и событийИИ-ассистент по Росреестру: выписки ЕГРН, проверка и мониторингGEO-оптимизация сайта: продвижение в нейросетях и ИИ-поискеИИ-бухгалтер в вашем контуре: цена внедрения и инференса

Статьи по теме

Подборка про ИИ в бизнесе

Видео по теме

Все видео
Shorts Какой “KPI” Amazon определила разработчикам в эпоху ИИ? AIКоманды и наймУправление
Shorts Не успеваешь за ИИ? Развивай коммуникацию и ответственность AI
Shorts ИИ не усиливает слабых! AI

Новости по теме

Все новости