результаты, в отличие от заранее определённой цепочки. Он отмечает, что в то время как цепочки имеют фиксированный маршрут, агенты имеют набор возможностей и цель, а маршрут формируется динамически. Цикл включает объявление инструментов через API-схему (JSON Schema), запрос модели на вызов инструментов, выполнение их средой выполнения и возврат результатов в контекст. Условия остановки, такие как решение модели о завершении задачи или ограничение числа итераций, важны. PydanticAI выделяется как типобезопасный фреймворк для создания агентов, использующий модели Pydantic для проверки выходных данных, инструменты с аннотациями типов и docstring, внедрение зависимостей через RunContext и валидаторы выходных данных. LangGraph представлен как графовый подход для отслеживаемых рабочих процессов, допускающий утверждение человеком и контрольные точки. smolagents от Hugging Face использует агентов, управляющих кодом, которые пишут код на Python для выполнения. CrewAI предлагает ролевой подход с агентами, имеющими роли, цели и биографии, координируемыми в команде. В статье также упоминается MCP (Model Context Protocol), открытый стандарт от Anthropic для подключения инструментов, описываемый как USB-C для ИИ, обеспечивающий совместимость. Материал направлен на помощь читателям в прохождении собеседований, признавая, что область быстро развивается.