Большинство команд уже попробовали AI-кодогенерацию, но следующий шаг сложнее: автономный агент должен не просто написать кусок кода, а понять задачу, спланировать работу, внести изменения, запустить проверки и доказать, что результат действительно готов.

В докладе я расскажу про Umbrella — экспериментальный слой оркестрации над AI-агентами для разработки. Главная идея: агенту нельзя просто выдать весь контекст, все инструменты и ждать хорошего результата. Его работу нужно разделять на управляемые состояния: research, plan, execute, review и verify. В каждом состоянии у агента должны быть свои права, память, инструменты и критерии выхода.

Разберём, зачем агентам нужны фазовые ограничения, долговременная память без “векторной помойки”, watcher для зависаний и преждевременного завершения, а также evidence-first подход, где финальный ответ принимается только вместе с реальными доказательствами: тестами, логами, diff/hash-проверками и воспроизводимыми командами.

Доклад будет полезен тем, кто хочет перейти от “LLM помогает писать код” к “AI-агенту можно дать инженерную задачу и получить проверяемый результат”.