Эра агентной разработки: конец файловой системы и новый подход к инфраструктуре

Суть: смена парадигмы программирования

В индустрии разработки программного обеспечения наметился тектонический сдвиг. Томас Домке, бывший генеральный директор GitHub, запустил новую компанию Entire с посевным раундом инвестиций в $60 миллионов (возглавляемым фондом Felicis). Это необычайно большая сумма для стадии seed, что подчеркивает масштаб амбиций проекта.

Главная ставка Entire заключается в том, что привычная нам модель разработки — файлы с кодом и Pull Request (запросы на слияние) — устаревает. Будущее за взаимодействием через естественный язык: от намерения (intent) сразу к результату (outcome). Это не просто очередной редактор кода, а попытка создать инфраструктурный слой для мира, где код пишут автономные агенты, а не люди.

Контекст: ограничения текущих инструментов

Современные платформы вроде GitHub были созданы для людей. Они оптимизированы под чтение диффов (различий в коде), ручное ревью и управление версиями файлов. Однако автономные AI-агенты работают иначе. Им нужен контекст выполнения, доступ к логам, инструментам и состоянию системы, а не просто статический текст в репозитории.

Первый продукт Entire, названный Checkpoints, фиксирует полный контекст работы агента: транскрипты диалогов, промпты, затронутые файлы, использование токенов и вызовы инструментов. Это делается параллельно с каждым git-коммитом, создавая новый слой метаданных, необходимый для отладки и контроля работы AI.

Детали: гонка инфраструктур

Параллельно с запуском Entire происходят важные изменения у других игроков рынка:

• OpenAI обновила API Responses, добавив функции для длительной работы агентов. Появилась «компрессия на стороне сервера» (позволяет агентам работать часами без переполнения контекстного окна) и контейнеры с сетевым доступом (агенты могут сами устанавливать библиотеки и запускать скрипты).
• OpenClaw (популярный open-source фреймворк для агентов) становится стандартом де-факто для тех, кто хочет строить свои решения. Появляются учебные материалы, показывающие, как собрать архитектуру агента всего за 400 строк кода на Python.
• Happycapy позиционируется как «агентно-ориентированный компьютер» в браузере, предлагая безопасную песочницу для запуска команд агентов без необходимости локальной установки сложного софта.

Анализ: библиотеки уходят в прошлое

Интересную мысль высказывает Андрей Карпаты: программное обеспечение становится более «пластичным». Традиционный подход с установкой огромных библиотек может уйти в прошлое. Вместо этого разработчик (или агент) просто «направляет» модель на документацию или исходный код библиотеки и извлекает ровно ту логику, которая нужна для конкретной задачи.

Как метко замечено в сообществе: «Библиотеки закончились, большие языковые модели — это новый компилятор». Это меняет саму суть зависимости в проектах: вместо жестких связей мы переходим к динамической генерации функциональности по требованию.

Перспектива: проблема доверия и контроля

Появление инструментов вроде Entire и новых возможностей API от OpenAI сигнализирует о том, что мы переходим от фазы «хайпа» к фазе построения надежной производственной среды для агентов. Главным вызовом становится не способность модели написать код, а способность человека контролировать этот процесс.

Если прогноз Мэтта Шумера в его эссе «Something Big is Happening» верен, и мы движемся к модели «описал задачу — ушел на 4 часа — получил готовый софт», то критически важной становится именно инфраструктура проверки и безопасности. Тот, кто создаст лучший «пульт управления» для армии кодирующих агентов, станет новым GitHub этой эпохи.