Агентный кодинг: что это и чем он отличается от автодополнения

Агентный кодинг это способ работы, при котором ИИ получает задачу целиком и сам доводит её до результата: читает нужные файлы, вносит правки, запускает тесты и по их выводу исправляет собственные ошибки. Человек ставит цель и проверяет итог. Ниже разберём, чем это отличается от подсказок в редакторе, из каких частей состоит агент, какие инструменты бывают и во сколько обходится час его работы по API.

Три поколения помощи в коде

Удобно различать три уровня.

1. Автодополнение. Редактор предлагает продолжение строки или блока. Модель видит соседний код, решение за вами, каждое принятие подсказки это одно действие человека.
2. Чат. Вы описываете задачу, модель отвечает фрагментом кода, вы копируете его в проект и сами запускаете. Контекст в основном тот, что вы вставили в окно.
3. Агент. Модель получает доступ к инструментам: чтение и поиск по файлам, правка, терминал. Она сама решает, что открыть, и сама смотрит результат запуска.

Разница не в «умности» модели, а в замкнутой обратной связи. В первых двух случаях обратная связь идёт через вас, в третьем модель получает её напрямую: тест упал, значит, правка неверна.

Агентный кодинг: что это за цикл внутри

Любой агент построен вокруг одного и того же цикла:

1. Модель получает задачу и список инструментов (читать файл, искать по проекту, править файл, выполнить команду).
2. Она отвечает не текстом, а запросом на вызов инструмента.
3. Программа-обвязка (её называют harness) выполняет вызов и возвращает результат в диалог.
4. Шаги 2–3 повторяются, пока модель не решит, что задача выполнена, или пока вы её не остановите.

Из этого следуют два практических вывода. Во-первых, качество результата зависит не только от модели, но и от обвязки: как она ищет по проекту, что разрешает выполнять, как сжимает историю. Об этом подробнее в статье что такое агентный harness↗. Во-вторых, на каждом шаге модели отправляется вся накопленная переписка, и это определяет стоимость.

Какие инструменты есть

Все они работают по описанному циклу и различаются местом, где живут.

• Терминальные агенты: Claude Code, opencode, Codex CLI, Aider и другие. Работают рядом с редактором, удобны на сервере по ssh. Подключение Claude Code к шлюзу описано в документации↗.
• Расширения для редактора: Cline, Kilo Code и подобные (Roo Code, по заявлению его разработчиков, закрыт 15 мая 2026 года). Правки видны прямо в файлах. Обзор: расширения VS Code для работы с ИИ↗.
• Редакторы со встроенным агентом: например, Cursor.

Большинство из них принимают любой совместимый API, поэтому модель можно выбирать отдельно от инструмента. Это вопрос настройки: адрес и ключ.

Что агент делает хорошо и где нужен контроль

Задачи, где обратная связь формализуется командой, подходят лучше всего: исправить падающий тест, добавить эндпоинт по образцу существующих, обновить зависимость и починить сборку, написать тесты к функции, перенести модуль. У всех этих задач есть проверка, которую агент может запустить сам.

Контроль нужен там, где проверки нет или она неполная: архитектурные решения, безопасность, миграции данных, всё, что затрагивает продакшн. Практические правила:

• работайте в отдельной ветке git и читайте дифф до коммита;
• давайте агенту право запускать тесты и читать файлы, а опасные команды подтверждайте вручную;
• не отдавайте агенту доступ к боевым секретам и серверам;
• формулируйте задачу вместе со способом проверки.

Близкий по духу подход, где человек доверяет агенту больше и почти не читает код, называют вайб-кодингом; для рабочих проектов он рискованнее.

Сколько стоит час работы агента по API

Оплата идёт за токены, поэтому считаем просто. Допущения (условные, для расчёта): агент делает один запрос в минуту, то есть 60 запросов в час; в среднем на запрос уходит 50 000 токенов входа (накопленная переписка и файлы) и 1 000 токенов выхода. Итого за час: 3 млн токенов входа и 0,06 млн выхода.

Формула без кэша: вход (млн) × цена входа + выход (млн) × цена выхода. Цены Zukko на 18 октября 2026, $ за 1M токенов:

Это оценка без кэша. Агентные сессии сильно выигрывают от кэша промптов: в Anthropic-формате (Claude Code, Anthropic SDK) шлюз видит чтение и запись кэша и тарифицирует их отдельно. Для claude-sonnet-5-5 примем, что 90% входа читается из кэша, а остальные 10% записываются в кэш: 2,7 × 0,05 + 0,3 × 0,5 + 0,06 × 2 = 0,135 + 0,15 + 0,12 = $0,405 в час. У GPT-моделей виден только факт чтения из кэша, у остальных зависит от поставщика; подробности в статье расчёт стоимости агента с кэшем↗.

Реальная цифра будет другой, потому что она зависит от размера проекта и привычек агента. Дешёвая модель может потребовать больше шагов, а дорогая справиться за меньшее число; сила моделей по индексу Artificial Analysis в нашем каталоге: Opus 5.5 — 58, Sonnet 5.5 — 48, GPT-6.1 Sol — 52, DeepSeek V4.1 Flash — 39. Проверьте на своих задачах, а не по таблице. Актуальные цены: GET https://api.zukko.pro/v1/models.

С чего начать

Выберите один инструмент и одну маленькую задачу с проверкой. Подключите ключ из кабинета↗, поставьте ключу дневной лимит в долларах и после первой сессии посмотрите расход в разделе «Использование». Доступ из России идёт через шлюз, оплата: СБП, карта MasterCard или криптовалюта.

Частые вопросы

Агентный кодинг заменяет разработчика?

Нет. Агент выполняет задачи с ясной проверкой, но постановка цели, архитектурные решения и ответственность за результат остаются за человеком. Хорошая аналогия: быстрый стажёр, чью работу вы читаете в ревью.

Чем агент отличается от обычного чата с моделью?

Доступом к инструментам и замкнутым циклом. Чат отвечает текстом, а агент сам открывает файлы, правит их и запускает команды, видя результат.

Почему агент дороже чата?

Потому что делает много запросов за одну задачу, и каждый несёт накопленный контекст. Помогает кэш, короткие сессии и точные указания, какие файлы смотреть.

Нужна ли особая модель?

Нужна модель, которая надёжно вызывает инструменты. Заранее мы не утверждаем, какая справится лучше; сравните две-три модели из каталога на одной и той же задаче.