Six Key Components of a Coding Agent: How Modern AI Systems for Code Writing Work
Anthropic
OpenAI
The article examines the structure of coding agents—systems that wrap an LLM in an application layer (agent wrapper) to efficiently solve software development tasks. The author identifies six main components of such a wrapper: live repository context, prompt formation with caching, tool access and validation, combating context bloat, memory and logging, as well as delegation and nested subagents. It is noted that the wrapper, not just the model, determines the actual performance of the system.
В статье рассматривается устройство кодинг-агентов — инструментов вроде Claude Code или Codex CLI, которые представляют собой обвязку (harness) вокруг большой языковой модели (LLM). По мнению автора, в современных системах именно обвязка, а не сама модель, часто становится ключевым фактором, определяющим практический результат. Он выделяет шесть основных компонентов такой обвязки. Первый — живой контекст репозитория (live repo context): агент заранее собирает информацию о Git-ветке, файлах проекта, README и правилах (AGENTS.md), чтобы не начинать с нуля. Второй — формирование промпта и кеширование (prompt shape and cache reuse): стабильная часть промпта (общие инструкции, описания инструментов, сводка по рабочему пространству) кешируется и переиспользуется, а обновляются только последний запрос пользователя, недавний транскрипт и краткосрочная память. Третий — структурированные инструменты, валидация и разрешения (structured tools, validation and permissions): агент может вызывать только предопределённые инструменты (например, list files, read file, search, run shell command), перед выполнением проходящие проверки на корректность аргументов, допустимость пути и необходимость одобрения пользователем. Четвёртый — минимизация раздувания контекста (context reduction and output management): используются обрезка (clip) и управление историей для предотвращения роста контекста и ухудшения качества ответов. Пятый — транскрипты, память и возможность возобновления сессии (transcripts, memory and resumption): хранятся записи взаимодействий, заметки, поддерживается возможность остановки и продолжения сессии. Шестой — делегирование и ограниченные сабагенты (delegation and bounded subagents): агент может передавать часть работы специализированным подчинённым агентам. Автор подчёркивает, что хорошая обвязка способна значительно повысить эффективность даже обычной (не reasoning) модели, сравняв её с более мощными системами, если те используются без подобной обвязки.
출처: Sebastian Raschka —
원문