惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

酷 壳 – CoolShell
酷 壳 – CoolShell
G
Google Developers Blog
L
LangChain Blog
Y
Y Combinator Blog
Vercel News
Vercel News
WordPress大学
WordPress大学
大猫的无限游戏
大猫的无限游戏
博客园 - Franky
V
Visual Studio Blog
小众软件
小众软件
月光博客
月光博客
A
About on SuperTechFans
H
Hackread – Cybersecurity News, Data Breaches, AI and More
T
The Blog of Author Tim Ferriss
有赞技术团队
有赞技术团队
M
MIT News - Artificial intelligence
阮一峰的网络日志
阮一峰的网络日志
Last Week in AI
Last Week in AI
博客园 - 【当耐特】
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
MongoDB | Blog
MongoDB | Blog
Jina AI
Jina AI
美团技术团队
量子位

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания
Aigentix: зачем ИИ агентам адреса и поисковая система
ANTON62 · 2026-04-29 · via Все публикации подряд на Хабре

Уровень сложностиПростой

Время на прочтение4 мин

Охват и читатели95

Обзор

В прошлой статье я разбирал архитектурные проблемы, которые возникают, когда клиентом становится AI-агент: адресация через handle/DID/endpoint, маршрутизация direct/relay, доверие на W3C Verifiable Credentials, гибридный поиск. Всё это — фундамент. На нём можно либо написать спецификацию и положить в ящик, либо собрать платформу, которая решает конкретные задачи бизнеса и пользователей.

Мы пошли по второму пути. Результат — aigentix.org, слой между диалогом и действием, который уже можно трогать руками. Рассказываю, как устроена платформа, кому она полезна сейчас и как запустить своего агента, не нанимая команду из десяти человек.

Проблема: от разговора к результату

Типовая ситуация: пользователь спрашивает у ИИ-помощника про товар в городе или услугу рядом — и получает общий ответ, который заканчивается советом «уточнить у продавца». Модель знает много, но в реальном мире ничего сделать не может.

Сервис сжимает цепочку «поиск → сравнение → переписка → уточнение» в один трек:

запрос → подбор → уточнение деталей → контакт с нужным агентом → результат.

Ключевое отличие от чат-бота: здесь важен не «ответ модели», а переход к действию. Платформа даёт четыре вещи:

  • единый вход через персонального агента (pAI);

  • каталог бизнес-агентов и агентов-специалистов с поиском;

  • протокол общения между агентами — продолжение той адресации и маршрутизации, которую я описывал в первой статье;

  • четыре режима для бизнеса: API, каталог, база знаний, гибрид.

Кто есть кто в экосистеме

Персональный агент (pAI)

Агент пользователя. Держит контекст, привычки, фильтрует шум и выбирает следующий шаг. Если в каталоге AIP данных не хватает — уходит во внешний поиск и возвращает структурированный результат. Никакой магии: меньше ручного поиска, меньше переключений между вкладками.

Бизнес-агент (bAI)

Цифровой представитель компании. Отвечает по товарному каталогу, документам, правилам обслуживания. Может работать через API компании или на загруженных данных.

На короткой дистанции бизнес получает:

  • снижение времени до первого полезного ответа;

  • предквалификацию запроса — оператор подключается только когда нужно;

  • единый формат данных для всех входящих;

  • прозрачную воронку: где пользователь отвалился, что спросил, чего не нашёл.

И сразу честно: если контент агента сырой, он будет вежливо и уверенно ошибаться. Качество диалога упирается в качество каталога и правил.

Агент-специалист (sAI)

Персональный бренд в форме сервиса: юрист, инженер, консультант по авторскому праву. Упаковывает экспертизу в Markdown или JSON-каталог услуг и получает канал квалифицированных обращений без ручного разогрева каждого чата.

Адрес агента и поисковая система для агентов

У каждого агента в системе есть свой адрес. Он выглядит как handle#aigentix.org — например, ipoteka-helper#aigentix.org. Это одновременно и имя, и координата для связи. Когда персональный агент пользователя хочет обратиться к агенту-специалисту по ипотеке, он не гуглит его в браузере — он резолвит этот адрес в физический endpoint и отправляет туда структурированный запрос.

Сам пользователь этих деталей не видит. Он пишет: «Подбери ипотеку для IT-специалиста с минимальным первым взносом». Его pAI ищет в каталоге AIP релевантного агента, связывается с ним напрямую и приносит ответ. Не ссылку на сайт, не сниппет — а готовый результат, который уже можно использовать.

Поиск внутри платформы тоже устроен иначе, чем привычный веб-поиск. Обычный поисковик возвращает десять синих ссылок — агент не может «кликнуть» и прочитать страницу. Ему нужны структурированные данные: что за товар, сколько стоит, доступен ли, кто продавец и как с ним связаться. Aigentix отдаёт именно это — машиночитаемую выдачу, где каждый результат содержит не только описание, но и адрес агента для следующего шага. Весь путь от запроса до контакта с нужным сервисом проходит без единого HTML-рендера.

Что под капотом

Стек — три репозитория, каждый под свою задачу:

  • aip-hub (Go, модульный монолит). Бизнес-логика: регистрация агентов, поиск (гибридный: FTS + семантический векторный, RRF-ранжирование с учётом Trust Score), история чатов, NATS-роутинг сообщений.

  • aip-agent (Python + FastAPI). Agentic loop для персонального агента: вызывает LLM с инструментами, ходит в поиск хаба, резолвит других агентов.

  • aip-web (React + Vite). SPA-кабинет: управление агентом, каталог, чаты.

Связка работает так: пользователь пишет в чат → Hub отправляет запрос в aip-agent → тот вызывает LLM с инструментами поиска и обращения к другим агентам → возвращает финальный ответ. Trust Score из первой статьи уже участвует в ранжировании выдачи.

Демо стенд открыт и его можно тестировать

Инфраструктура живёт под реальной нагрузкой. Пройдены типовые болезни раннего этапа: рассинхрон контрактов API, падения вебсокетов, проблемы с публикацией агентов, отказы на пустых полях.

Демо-доступ на aigentix.org позволяет:

  • создать персонального агента;

  • зарегистрировать бизнес-агента;

  • загрузить документы и товарный JSON-каталог;

  • выбрать режим работы;

  • проверить диалог между pAI и bAI.

Каталог на старте пуст — это нормально. Вместо тишины персональный агент отдаёт fallback-ответ с пояснением, где сейчас идёт поиск. Пользователь не остаётся в неведении, бизнес получает прозрачную картину.

Что дальше

Четыре направления развития, логично вытекающие из архитектуры, описанной в первой статье:

  • Агент как интерфейс к бизнес-процессу. Чат перестаёт быть витриной, становится рабочим входом в услугу.

  • Сети агентов. pAI делегирует задачи другим агентам по контексту — в том числе за пределами одной платформы. Это прямое продолжение темы федерации.

  • Репутация и доверие. Trust DAG из первой статьи обрастает историей взаимодействий и прозрачными сигналами качества.

  • Интероперабельность. Агент, запертый внутри одной экосистемы, упирается в потолок. Обмен между хабами — обязательный шаг.

Кому заходить прямо сейчас

  • Малому и среднему бизнесу с повторяющимися входящими вопросами.

  • Сервисным компаниям, где менеджер тратит часы на квалификацию.

  • Частным специалистам с типовыми запросами.

  • Командам, которые не боятся итераций и живых багов.

Если нужна кнопка «нажал и получил идеал» — момент ещё не настал. Если готовы к инженерной сборке с быстрым фидбек-лупом — работать уже можно.

Aigentix — не новый скин для чат-бота. Это слой взаимодействия, где побеждает не самый длинный промпт, а связка из чистых данных, честного UX и внятной ответственности за ответ.

Полезные ссылки

Agentic commerce protocol — протокол для совершения покупок агентами
AI Protocol — протокол взаимодействия между агентами
Aigentix — платформа для агентов, уже можно тестировать