AMD решила, что хватит играть по чужим правилам. Пока все пилят софт под NVIDIA CUDA, в Саннивейле тихо родился Gaia — open-source фреймворк для ИИ-агентов, заточенный под собственные процессоры Ryzen AI. Не просто очередная обёртка над LangChain, а зверь, который умеет выжимать соки из NPU (XDNA) прямо на ноутбуке. Никаких облаков, никаких скрытых счетов за API — только твой Ryzen и локальный LLM.

В этой статье я разберу, как поднять Gaia на свежем Ryzen AI 300-й серии (или старшем Ryzen 7040/8040), покажу реальные сценарии и объясню, зачем тебе это, если ты уже видел наш обзор Ryzen AI Max+ 395.

Что за зверь Gaia и почему он не похож на других

Gaia — это не очередной SDK для вызова нейросетей. Это полноценный раннер агентов с собственным языком описания плейбуков (YAML), встроенным маршрутизатором запросов и поддержкой аппаратного ускорения AMD XDNA. В отличие от LangChain или CrewAI, которые просто абстрагируют вызовы моделей, Gaia умеет распределять задачи между CPU, iGPU и NPU, не требуя от разработчика ручного управления тензорами.

Ключевая фишка: Gaia использует встроенный в Ryzen AI блок XDNA (NPU) для инференса small language models (SLM), оставляя CPU для логики агента. Это даёт прирост производительности до 40% по сравнению с чистым CPU-режимом.

1Архитектура «три в одном»

Gaia SDK (C++/Python) — низкоуровневый API для интеграции Gaia в свои приложения. Позволяет писать агентов на Python с асинхронным раннером.
Lemonade Server — проприетарный движок AMD для запуска LLM/SLM на XDNA. Работает поверх ONNX Runtime и HIP. Он же отвечает за квантизацию моделей под NPU (INT4, INT8).
Playbooks — YAML-файлы описывают цепочки вызовов, условия, инструменты (tool-use) и мультиагентные коммуникации. Можно создать агента, который сначала ищет в локальной базе знаний, потом генерирует ответ, а затем сохраняет результат в Obsidian.

В теории это работает так: ты пишешь плейбук, Gaia компилирует его в граф, Lemonade Server подхватывает инференс, а NPU молотит токены. На практике... да, всё работает, но с парой нюансов.

Сравнение с альтернативами: кто больше?

Параметр	Gaia	LangChain	OpenAI Agents SDK
Главный бонус	Аппаратное ускорение XDNA	Огромная экосистема	Простота для облачных агентов
Поддержка AMD NPU	Нативная	Только через кастомный бэкенд	Нет
Локальный запуск	Да, без сюрпризов	Да, но без NPU	Нет (только cloud)
Язык конфигов	YAML	Python код	Python код
Производительность	Выше за счет NPU	Умеренная	Зависит от API

Сравнение чуть лукавое. LangChain — это швейцарский нож, а Gaia — специализированный скальпель под AMD. Если у тебя нет Ryzen AI, смысла в Gaia нет. Но если ноутбук с Ryzen AI у тебя в рюкзаке, ты можешь запустить автономного агента, который работает в автономном режиме, не расходуя батарею впустую (в отличие от тех же решений на CUDA, где вентиляторы воют как реактивный двигатель).

Установка: от GitHub до запуска первого агента

Предполагаю, что у тебя уже установлен Python 3.11+ и Git. Если нет — иди учи матчасть. Всё остальное подтянется.

1Клонируем репозиторий и ставим зависимости

git clone https://github.com/amd/Gaia.git
cd Gaia
python -m venv venv
source venv/bin/activate  # или venv\Scripts\activate на Windows
pip install -r requirements.txt

На этом этапе ты, скорее всего, получишь ошибку, если у тебя не установлен AMD ROCm for Windows или AMD XDNA Driver версии не ниже 1.2.0 (на момент статьи актуальна 1.4.0). Без них Lemonade Server не увидит NPU.

Не советую ставить ROCm через стандартный установщик — лучше скачай драйвер с официального сайта AMD для своей модели Ryzen AI. Иначе Lemonade будет падать с ошибкой "No XDNA device found".

2Настройка Lemonade Server

cd lemonade
python setup.py install
lemonade serve --model phi-3-mini-int4-amd   # запускает сервер с квантизованной Phi-3

После запуска сервер будет слушать порт 8000. Теперь можно запускать пример плейбука.

3Запуск агента из плейбука

cd ../playbooks
python ../src/gaia_runner.py run agent_example.yaml

Если всё прошло штатно, увидишь, как агент отвечает членораздельно. Если нет — читай логи в ~/.gaia/logs.

Пример: агент-ассистент для локального кодинга

Я не люблю абстрактные примеры. Давай создадим плейбук для агента, который помогает писать код на Python: читает текущий файл, генерирует тесты и запускает их через терминал.

# agent_coder.yaml
name: "Coder Assistant"
model: "phi-3-mini-int4-amd"  # lemonade model ID
tools:
  - name: read_file
    description: "Read content of a file"
    function: "tools.file.read"
  - name: run_command
    description: "Run shell command and return output"
    function: "tools.shell.run"
steps:
  - tool: read_file
    params:
      path: "{{input}}"
    output: "file_content"
  - prompt: |
      Based on the code below, write unit tests using pytest.
      Code:
      {{file_content}}
    output: "tests"
  - tool: run_command
    params:
      command: "echo '{{tests}}' > test_temp.py && pytest test_temp.py -v"
    output: "test_result"
  - prompt: |
      The tests output:
      {{test_result}}
      Summarize the result to the user.

Запуск: python ../src/gaia_runner.py run agent_coder.yaml --input /path/to/script.py. Агент считает файл, стенерит тесты, выполнит их и покажет результат.

Звучит логично, но есть нюанс: модели на NPU (особенно SLM) часто тупят при работе с длинным контекстом. Для серьёзных проектов лучше поднять Gemma 4 через ROCm — про это мы уже писали. Но для быстрых однотипных задач та же Phi-3 справляется отлично.

Кому это вообще нужно

Владельцам ноутбуков Ryzen AI 300 series (Strix Point) — у вас под капотом XDNA2, который может выдать до 50 TOPS. Не пользоваться этим — преступление.
Разработчикам, которые хотят локальных агентов — без облачных провайдеров, без риска утечки данных через API. Gaia даёт весь инструментарий.
Тем, кто строит автономные «AI-фабрики» — мы показывали как собрать 9 агентов на одной видеокарте, но если у вас нет дискретки, связка Gaia + Ryzen AI — ваш вариант.
Параноикам приватности — все данные остаются на устройстве, никакой телеметрии.

Но предупреждаю сразу: если вы фанат Windows 11 с кучей визуальных эффектов — Gaia будет тормозить из-за конфликтов драйверов. Идеальное окружение — Ubuntu 24.04 LTS или Fedora 40. На Linux Lemonade работает стабильнее, да и NPU видится без танцев с бубном.

💡

Совет: для максимальной производительности отключи CPU power saving в BIOS и поставь план питания «Высокая производительность». NPU любит голодным не быть.

Чего не хватает (и почему это нормально)

Gaia — проект молодой. На июнь 2026 в нём нет нормальной интеграции с внешними API (например, для веб-поиска). Придётся дописывать свой tool, как мы делали в статье про Open WebUI. Нет встроенного RAG — только через кастомные скрипты. Но AMD активно контрибьютит в репозиторий, и, судя по Issues, к осени 2026 нас ждёт Gaia 2.0 с мульти-агентными коммуникациями из коробки.

Если вам нужно прямо сейчас собрать команду агентов под AMD — гляньте наш мануал по Kilo Code и Devstral на трёх 3090. Там про много GPU, но принципы те же. Gaia для тех, кто выбирает мобильность, а не гигаватты.

Подписаться на канал

Как запустить Gaia — фреймворк AMD для ИИ-агентов на Ryzen AI: установка и примеры