Перейти к содержанию
Публикация AiManual

Проактивные AI-агенты на cron: как устроены always-on агенты и Schedules SDK в Managed Deep Agents

Разбираем, как устроены проактивные AI-агенты, которые запускаются по cron, а не по сообщению: «dreaming», Smart Triage, jitter и Schedules SDK в Managed Deep A

Коротко

Что будет в материале

  1. 01

    Что такое проактивный AI-агент и почему ему нужен cron

  2. 02

    Какие задачи закрывают cron-запуски: четыре сценария проактивности

  3. 03

    Из чего состоит система проактивных агентов: две обязательные части

  4. 04

    Как это реализовано в Managed Deep Agents на LangSmith Deployments

Что такое проактивный AI-агент и почему ему нужен cron

Проактивный AI-агент запускается по расписанию, а не по сообщению человека. Сработал таймер, агент просыпается, проверяет свои цели, память и доступные источники данных, после чего решает, есть ли что сделать или сказать.

Команда LangChain в разборе проактивных always-on агентов формулирует механику без прикрас: почти все заметные проактивные агентные системы работают на одном простом принципе, где агент запускается как cron-задача (How to Build Proactive, Always-On Agents with the Schedules SDK in Managed Deep Agents). Самому принципу больше пятидесяти лет, он пришёл из операционных систем. Новизна в том, что теперь по таймеру стартует LLM с инструментами и памятью.

Отсюда термин ambient из того же материала: агент постоянно присутствует в фоне и проявляется, когда есть повод. Проактивность складывается из трёх вещей. Расписание даёт повод проснуться, промпт задаёт рамку действий, память хранит, что было раньше. Магии нет, есть комбинация.

Дальше по порядку: четыре сценария, которые открывает cron, две обязательные части системы, реализация в Managed Deep Agents на LangSmith Deployments с инструментами set_schedule, list_schedules, delete_schedule и check_in_later, ограничения и критерии выбора.

Чем always-on агент отличается от чат-бота по запросу

Разница видна на уровне триггера. У чат-бота входная точка одна: сообщение человека. Нет сообщения, нет работы. У always-on агента входная точка другая: событие планировщика. Разговоров может не быть неделю, а агент всё равно запускается, читает состояние и решает, нужно ли действие.

ПараметрЧат-бот по запросуAlways-on агент
Триггер запускасообщение пользователяcron-событие
Инициативаотвечает на вопроссам ищет следующий шаг
Памятьконтекст текущей сессиидолговременная память между сессиями
Что получает пользовательответ в диалогенапоминание, сводку, уведомление о важном

Пример разницы на бытовом сценарии. Чат-бот расскажет про дедлайн, если пользователь вспомнил и спросил. Always-on агент поднимет тему сам за день до срока: часовая проверка целей нашла действие, которое стоит сделать.

Почему именно cron, а не очереди событий или вебхуки

Вебхук срабатывает, когда пришло внешнее событие. Для мониторинга входящего потока этого достаточно, для остальных сценариев нет. «Dreaming» (уплотнение памяти) периодичен по своей природе, его не привязать к конкретному письму. Проактивный поиск действий по цели тоже не имеет внешнего триггера: поводом служит сам факт, что прошёл час.

Cron даёт предсказуемую периодичность и не ждёт, пока кто-то снаружи дёрнет систему. Агент сам проверяет, изменилось ли что-то с прошлого запуска. Для задач вида «посмотри, не появилось ли важного» это ровно то, что нужно.

Механизмы не конкурируют. Вебхук уместен как реакция на конкретное письмо, cron как регулярная проверка. Минимально достаточный механизм для проактивности один, и это расписание. События добавляются сверху, когда нужна реакция без задержки.

Какие задачи закрывают cron-запуски: четыре сценария проактивности

Cron-запуски дают четыре группы возможностей: долговременную память, проактивные сообщения по цели, фильтрацию шума и follow-up. Периодичности ниже приведены в разборе LangChain как иллюстрации (раз в день, раз в час, раз в десять минут), а не как рекомендация. Частоту придётся подбирать под стоимость запуска и скорость устаревания информации.

Долговременная память и «dreaming»: как агент уплотняет прошлые диалоги

Агент помнит прошлые разговоры потому, что кто-то регулярно переписывает историю в компактную форму. В разборе LangChain механика описана прямо: фоновая задача конденсирует предыдущие диалоги в более плотный вид памяти, в сообществе это называют «dreaming». Под капотом обычный cron, который запускается, например, раз в день, перечитывает разговоры и дописывает в долговременную память выводы рефлексии (источник).

Уплотнение нужно из-за контекстного окна. Сырые логи длинных диалогов дороги, шумны и не помещаются в контекст целиком. Сжатая память занимает меньше места и содержит выводы, а не стенограмму.

Граница качества проходит по промпту. Агент запоминает то, что считает значимым, а критерий значимого задаёт инструкция. Слабая формулировка даёт память, забитую мелочами и без ключевых договорённостей.

Проактивные сообщения по цели агента

Инициатива появляется там, где есть цель. Механика из разбора: у агента есть представление о том, чего он должен достигать, cron раз в час побуждает его поискать новые действия для продвижения к цели, а найденное показывается пользователю как проактивное сообщение.

У универсального ассистента цель звучит скромно: предугадывать следующий шаг. Отметить приближающийся дедлайн, вернуться к незакрытой теме, показать новость, связанную с работой. У специализированного агента цель задана явно, как у Hone из того же материала.

Без явной цели проактивность вырождается в шум: агент пишет потому, что сработал таймер, а не потому, что появился повод. Как формулировать цель, как её декомпозировать и какие вопросы задавать фоновому агенту, разобрано в материале о переходе от задач к целям (два сдвига в постановке работы).

Smart Triage: фильтрация шума из Slack и почты

Фильтрация строится на частом cron. Раз в десять минут агент просматривает поток событий в Slack, почте и других каналах, а уведомляет только о значимом.

Ценность в решении «беспокоить или нет». Человеку не нужно читать всё, достаточно реакции на то, что требует действия сегодня. Агент берёт на себя первый проход по потоку и отсекает рутину.

Риск симметричный. Частый cron и размытый промпт дают больше уведомлений, чем было до агента. Проверять надо на реальном потоке: если агент пересылает половину сообщений, фильтр не работает, и лечится это промптом, а не повышением частоты.

Follow-up и напоминания: cron внутри диалога

Расписание работает и в разговоре. Пользователь просит вернуться к теме позже, агент ставит запуск на конкретное время и возвращается с сообщением, сохранив контекст. В разборе LangChain раздел про follow-up только начинается и обрывается, поэтому деталей там нет. Механика при этом понятна: отложенный разовый запуск с привязкой к теме разговора.

В Managed Deep Agents под такой сценарий есть отдельный инструмент check_in_later, о нём в разделе про SDK.

Из чего состоит система проактивных агентов: две обязательные части

Для проактивных агентов нужны две части: cron-сервер, который исполняет расписания, и управляемый интерфейс, через который расписания создаются и меняются. Одной части мало.

Сервер без интерфейса заставляет править расписания руками в конфиге и перезапускать деплой. Интерфейс без сервера создаёт расписания, которые некому исполнять. Работает связка.

Cron-сервер: произвольные расписания, промпты и jitter

Требования выходят за пределы «уметь cron». Нужны произвольные расписания, а не только фиксированные интервалы: агенту может понадобиться каждый вторник в 10:00 или первое число месяца.

Промпт привязан к расписанию. Один и тот же агент в утреннем запуске собирает сводку, в вечернем проверяет незакрытые задачи, в еженедельном пересматривает память. Разные расписания несут разные инструкции, иначе все запуски делают одно и то же.

Jitter разбрасывает время старта. Если сотни агентов настроены на 09:00, без разброса получается пик нагрузки на инфраструктуру и на API модели. Jitter размазывает запуски по окну вокруг заданного времени. Смысл расписания он не меняет, зато сглаживает нагрузку.

Управляемый интерфейс: как агент сам создаёт и меняет расписания

Расписания создаёт и меняет сам агент через инструменты, а не человек через конфиг. Это позволяет подстраивать частоту под ситуацию: перед дедлайном проверять почту чаще, после сдачи задачи вернуть обычный режим.

Право менять расписание требует границ. Валидация cron-выражений, лимит на число активных расписаний и на минимальный интервал, журнал запусков, возможность отозвать или отключить расписание. Без ограничений self-scheduling превращается в генератор запусков и счетов.

Как это реализовано в Managed Deep Agents на LangSmith Deployments

В Managed Deep Agents на LangSmith Deployments два пути. Статические расписания описаны в каталоге schedules/ и применяются при деплое. Динамические создаются в рантайме через Schedules SDK, обёрнутый в инструменты агента: set_schedule, list_schedules, delete_schedule и check_in_later.

Общая картина релиза, включая конфигурацию на каждый запуск и реакции в Slack, разобрана в отдельном материале про Managed Deep Agents v0.9 (расписания и конфигурация на каждый запуск).

Оговорка про детали. В опубликованном тексте разбора LangChain каталог schedules/ и перечисленные инструменты дословно не расписаны, поэтому точные параметры вызовов стоит сверять с документацией платформы.

Статические расписания в каталоге schedules/

Расписания лежат в каталоге schedules/ и применяются при деплое. Плюсы: версионируются вместе с кодом, проходят ревью как обычный код, предсказуемы и не зависят от поведения модели.

Минус один и существенный: изменение требует правки файла и передеплоя, агент не подстроится под ситуацию. Подходящие кейсы: регулярный «dreaming» раз в день, ежедневная сводка в фиксированное время, еженедельный отчёт.

Динамические расписания через Schedules SDK

Schedules SDK создаёт и меняет расписания в рантайме. В Managed Deep Agents он обёрнут в инструменты, которые агент вызывает через tool-calling, поэтому расписание можно поставить прямо в разговоре.

ИнструментЧто делаетКогда вызывать
set_scheduleсоздаёт или меняет расписание с нужной периодичностью и промптомзадача повторяется или требует отложенного старта
list_schedulesпоказывает активные расписаниянадо проверить, что уже стоит и не дублируется
delete_scheduleудаляет расписаниезадача закрыта или запуск больше не нужен
check_in_laterвозвращает агента к теме через заданное времяразовое напоминание внутри диалога

Сценарий: пользователь просит «напомни проверить PR завтра утром». Рабочая реакция здесь вызов check_in_later с привязкой к теме разговора. Надежда на то, что модель вспомнит просьбу при следующем запуске, не работает: без записи в расписание повода вернуться не будет.

Что даёт связка: примеры сценариев на практике

Сценарий 1, ассистент с двумя контурами. Ежедневный «dreaming» висит на статическом расписании в schedules/, потому что частота не меняется. Smart Triage каждые десять минут агент ставит сам через set_schedule и сам же снимает через delete_schedule, когда поток событий на выходных падает.

Сценарий 2, оркестрация флота агентов. Один агент ставит расписания другим через set_schedule, проверяет список через list_schedules и убирает лишнее через delete_schedule. Так фоновые задачи получают дежурные агенты, а не человек с конфигом.

Сценарий 3, follow-up через check_in_later. Агент возвращается к открытой теме в оговорённое время, вместо того чтобы полагаться на память разговора.

Граница автономии проходит по типу расписания. Создание и удаление своих рабочих напоминаний можно отдать агенту. Изменение расписаний, которые влияют на других людей или на деньги, лучше оставить за человеком.

Почему это уже не эксперимент: статистика и рыночные примеры

Заявленная авторами разбора статистика: более 70% запусков Managed Deepagent в LangSmith приходятся на запуски по расписанию, а не на сообщения, набранные человеком (оценка доли запусков). Методологию измерения авторы не приводят, поэтому цифру стоит читать как их собственное наблюдение по своей платформе, а не как отраслевой бенчмарк.

Рыночные примеры из того же материала: Muse, Instinct, Dots, Claude Duet, Hone. Это продукты, которые авторы относят к волне проактивных always-on агентов. AI-Manual их не тестировал и не сравнивал, список полезен как ориентир по направлению рынка.

Паттерн переходит из экспериментов в продукты. Зрелость при этом разная: у одних это единственный сценарий с явно заданной целью, у других набор расписаний вокруг универсального ассистента. Для внутренних задач чаще достаточно второго варианта.

Ограничения и подводные камни cron-агентов

  • Стоимость. Каждый запуск это вызов LLM с контекстом и инструментами. Агент, проверяющий почту каждые десять минут, делает 144 запуска в сутки на одного пользователя.
  • Шум уведомлений. Проактивность без точной цели и жёсткого критерия значимости даёт поток сообщений, который человек перестаёт читать.
  • Нагрузка на инфраструктуру. Сотни расписаний на одно и то же время без jitter создают пик и очереди запусков.
  • Деградация памяти. Плохой отбор значимого при «dreaming» ведёт к памяти, полной мелочей, при этом без ключевых договорённостей.
  • Границы автономии. Агент с правом создавать расписания без лимитов и журнала постепенно обрастает запусками, которые никто не заказывал.

Что проверить до первого запуска: лимит на количество активных расписаний, журнал запусков с длительностью и стоимостью, политику удаления расписаний и памяти, отдельный тестовый контур для новых расписаний, правило подтверждения для критичных изменений.

Часть вопросов пока без общих решений. Харрисон Чейз в разборе проактивных агентов перечисляет их как открытые: баланс проактивности и навязчивости, что именно запоминать, удержание целей на длинных горизонтах, асинхронная работа инструментов (обзор открытых проблем контекстной инженерии).

Стоит ли внедрять проактивность: критерии выбора

Проактивность стоит включать не по тренду, а по задаче. Четыре вопроса отсекают большинство лишних сценариев.

  • Есть повторяющаяся задача с понятной периодичностью? Тогда расписание подходит.
  • Есть поток событий, который человек разбирает вручную? Smart Triage окупается на объёме.
  • Готовы платить за регулярные вызовы LLM? Считайте число запусков в сутки и длину контекста, а не цену одного запроса.
  • Нужна ли агенту автономия в расписаниях? Если сценарии стабильны, хватит статического конфига в репозитории.

Развилка по вариантам. Статические расписания в schedules/ закрывают стабильные сценарии и не требуют доверия модели к правке своего же графика. Schedules SDK нужен, когда частота зависит от контекста и меняется в разговоре. Собственный cron-сервер с jitter и интерфейсом оправдан, если нужна независимость от платформы или свои лимиты и аудит. Открытые альтернативы тоже существуют, например Agenta с запуском по расписанию (self-hosted обвязки и расписания), но там свои ограничения по настройке.

Практический старт выглядит скучно: одно статическое расписание, один сценарий, неделя наблюдения. Считайте, сколько сообщений агента оказались полезны. Если большинство, добавляйте динамику и второй сценарий. Если нет, правьте цель и промпт, пока агент не начнёт попадать в повод, а не в расписание.

Подписаться на канал