Урок 6 из 8

Агенты и инструменты

Когда маршрут заранее неизвестен — модель выбирает его сама

⏱ ≈ 9 минут · один короткий пример кода

Пайплайн против агента

Пайплайн — фиксированный маршрут: данные всегда идут по нарисованной вами схеме. Но бывают задачи, где маршрут заранее не известен. «Сравни мои продажи за май и июнь и объясни разницу» — тут нужно сходить в базу дважды, посчитать, возможно уточнить. Какие шаги и сколько раз — зависит от вопроса.

Агент — это цикл, в котором языковая модель сама решает: каким инструментом воспользоваться, что сделать с результатом, нужен ли ещё шаг или пора отвечать.

Аналогия

Пайплайн — сотрудник со строгим регламентом: шаг 1, шаг 2, шаг 3. Агент — толковый ассистент, которому вы дали задачу и связку ключей от кабинетов (инструментов). Каким ключом и сколько раз воспользоваться — решает он.

Как это устроено в Haystack

В Haystack есть готовый компонент Agent — весь цикл «подумать → вызвать инструмент → осмыслить результат → повторить или ответить» уже реализован внутри:

agent = Agent(
    chat_generator=OpenAIChatGenerator(model="gpt-4o-mini"),
    tools=[retriever_tool, sales_api_tool],
    system_prompt="Ты ассистент онлайн-школы. Отвечай по базе знаний.",
)
result = agent.run([ChatMessage.from_user("Что входит в тариф Про?")])

Три ингредиента: модель-«мозг», список инструментов и системный промпт с правилами поведения.

Что может быть инструментом

Функция Python — например, «посчитать стоимость тарифа»;
Целый пайплайн (PipelineTool) — весь ваш RAG-конвейер из урока 4 становится одним инструментом «поискать в базе школы»;
Внешний API — CRM, платёжка, GetCourse;
MCP-сервер — стандарт подключения инструментов, тот же, что у Claude;
Другой агент — так собираются мультиагентные системы: агент-координатор раздаёт задачи агентам-специалистам.

Что нового у агентов в Haystack 3.0

В версии 3.0 (июль 2026) агенты стали центром фреймворка, и появилось то, чего раньше не хватало для серьёзного продакшна:

Хуки (hooks) — «контрольные точки» в цикле агента: перед вызовом модели, перед и после инструмента. На них вешают ограничители: проверку правил, стоп-краны, запрос подтверждения;
Подтверждение человеком — готовый ConfirmationHook: перед чувствительным действием (оплата, письмо клиенту) агент останавливается и ждёт вашего «да»;
Контроль бюджета — лимиты на токены: предупредить или жёстко остановить агента до того, как он потратит лишнее;
Память и навыки (skills) — агент помнит контекст и подгружает инструкции-навыки по мере надобности, не раздувая промпт;
Готовые агенты — преднастроенные Deep Research Agent и Advanced RAG Agent: берёте готовый и донастраиваете под себя;
Прозрачность — у агента видно число шагов, расход токенов и вызовы инструментов прямо из коробки.

Когда агент, а когда пайплайн

Выбирайте пайплайн	Выбирайте агента
Маршрут известен заранее и повторяем	Маршрут зависит от вопроса пользователя
Важна предсказуемость и цена (фиксированное число вызовов модели)	Нужна гибкость, допустимы лишние вызовы модели
«Ответь по базе знаний» — классический RAG	«Разберись, сходи куда нужно, посчитай и доложи»

Запомнить

Правило зрелых команд: начинайте с пайплайна. Агент — мощнее, но дороже и менее предсказуем. Берите его, когда фиксированный маршрут действительно перестаёт справляться. И это не «или-или»: агент может быть шагом пайплайна, а пайплайн — инструментом агента.

Проверьте себя

1. Чем агент принципиально отличается от пайплайна?

2. Бот школы должен всегда делать одно и то же: найти фрагменты в базе и ответить по ним. Что взять?

3. Можно ли отдать агенту весь RAG-конвейер как один инструмент?

🎉 Урок пройден! Вы знаете все строительные блоки Haystack. Дальше — главный бизнес-вопрос: когда его выбирать.

💬 Что-то непонятно? Спросите Клода — например, «какие инструменты дать агенту поддержки моей школы?»