Harness, Loop или Graph: архитектура AI-агентов Claude в 2026

Архитектура AI-агентов Claude строится на трёх базовых паттернах — harness (обвязка вокруг моделиСама «начинка» нейросети: обученная программа, которая генерирует ответы.), loop (агент сам решает, что делать дальше) и graph (жёсткий сценарий с узлами и переходами) — и от выбора между ними зависит, будет ли агент работать стабильно или развалится на первой нестандартной заявке.

Что вообще такое harness, loop и graph

Термины разлетелись из инженерной статьи про agent engineering и быстро стали жаргоном в комьюнити тех, кто строит агентов на Claude. Путаница в том, что это не три конкурента, а три разных слоя.

Harness — обвязка, в которой модель живёт: доступ к инструментам, файловой системе, памяти между шагами, ограничения по правам. Сам Claude Code — это готовый harness: он даёт модели терминал, файлы проекта и историю диалога, а дальше модель уже сама решает, что с этим делать.

Loop — паттерн управления внутри harness. Модель получает задачу, сама выбирает инструмент, смотрит на результат, решает, что делать дальше, и повторяет цикл, пока не считает задачу выполненной. Никто заранее не прописывает шаги — агентНейросеть, которой разрешили не только писать текст, но и делать действия: открывать файлы, ходить в сервисы, запускать команды. строит маршрут на ходу.

Graph — противоположный подход. Разработчик заранее рисует узлы и переходы: «получили заявку» → «классифицировали» → «проверили на срочность» → «сформировали ответ» → «отдали на проверку человеку». Модель принимает решения внутри узла, но не может перепрыгнуть через шаг или придумать собственный маршрут.

Loop: агент сам решает, что делать дальше

Loop — самый быстрый способ получить рабочий прототип. Модель получает системный промптТекст задачи, который вы пишете нейросети, — от него зависит, что она вам вернёт. с описанием задачи и доступных инструментов, дальше сама разбирается.

Ты агент поддержки интернет-магазина. У тебя есть доступ к базе заказов и почте. Получи новое обращение, разберись в проблеме, найди заказ по номеру, предложи решение. Если не уверен — не отвечай клиенту, передай человеку.

Мы в Мастерской собрали такой loop на связке Claude и простой интеграции с почтовым ящиком за один вечер — буквально 15 минут ушло на сам промпт и настройку доступа к тестовой базе заказов. Агент справлялся с типовыми обращениями («где мой заказ», «хочу вернуть товар») без проблем. А вот на пограничных случаях — два заказа с похожими номерами — начал ходить по кругу: запрашивал уточнение, получал его, снова запрашивал то же самое. Классическая беда loop-агента без ограничения на количество итераций.

Loop хорош там, где задача исследовательская и заранее неизвестно, сколько шагов понадобится: разобрать незнакомый документ, найти причину бага, собрать информацию из нескольких источников. Он плохо держит длинные процессы с обязательными проверками — там модель может «забыть» важный шаг, если он не критичен по её собственной логике.

Graph: жёсткий сценарий с узлами и переходами

Graph решает ровно ту проблему, где спотыкается loop, — предсказуемость. Разработчик описывает узлы графа явно, а Claude отвечает только за то, что происходит внутри каждого узла: классифицировать текст, сформулировать ответ, оценить риск.

1. 01Заявка получена
2. 02Классификация
3. 03Проверка на срочность
4. 04Черновик ответа
5. 05Проверка человеком

Разница на практике: в loop-варианте агент сам решал, нужна ли проверка человеком, и иногда решал, что не нужна. В graph-версии узел «проверка человеком» стоит на маршруте всегда — модель не может его пропустить, даже если уверена в своём ответе. Это дороже собирать (нужно продумать все узлы заранее), но результат ведёт себя одинаково от прогона к прогону, а это критично, если на другом конце процесса — реальный клиент или бухгалтерия.

Совет редакции: не пытайтесь сразу строить весь процесс графом — сначала соберите loop-прототип, посмотрите, где агент реально плутает или тратит слишком много шагов, и только эти места оформите в жёсткие узлы. Строить граф с нуля вслепую — долго и почти всегда переделывается.

Как выбрать архитектуру под свою задачу

Три вопроса, которые снимают большую часть споров «loop или graph»:

• Задача исследовательская или процессная? Разобраться в незнакомых данных — loop. Повторяющийся процесс с обязательными шагами — graph.
• Что случится при ошибке агента? Если это черновик, который проверит человек, — loop терпимо. Если ошибка уходит клиенту или в документ без проверки — нужен graph с обязательными точками контроля.
• Сколько раз запустится этот процесс? Разовая задача — не усложняйте, берите loop. Процесс на сотни запусков в день — переплата токенами на loop быстро окупает время, вложенное в graph.

Частые ошибки при переходе от прототипа к рабочей системе

• Нет лимита на шаги. Loop без ограничения на количество итераций иногда зацикливается — это прямые расходы токенов без результата.
• Всё пытаются решить одним агентом. Часто лучше несколько узкоспециализированных узлов графа, чем один универсальный loop-агент с гигантским системным промптом.
• Забывают про harness. Можно сколько угодно продумывать loop и graph, но если у агента нет нормального доступа к нужным данным и инструментам (то есть слабая обвязка), никакая архитектура не спасёт.
• Не логируют шаги. Без истории решений агента невозможно понять, почему он ответил именно так — а без этого чинить архитектуру приходится на ощупь.

Разбор того, что умеет Claude как база для таких систем, — в статье «Что умеет Claude». Про долгую память между сессиями, которая нужна и loop-, и graph-агентам, — в материале «Claude: проекты и память». Если вопрос не в архитектуре, а в том, стоит ли вообще делегировать процесс агенту, — читайте «Делегировать задачи нейросети». А про то, где агенты выходят из-под контроля и как не подставить бизнес, — в разборе «Безопасность ИИ-агентов для бизнеса». Сравнение подхода Claude с агентами других вендоров — в статье «OpenAI выпустил AI-агентов для бизнеса: чем Claude уже силён».

Читайте также

• Нейросети для архитектора в 2026: визуализация, планировки и рабочий процесс
• Безопасность ИИ-агентов для бизнеса в 2026: как не потерять контроль
• Как собрать маркетинг из нейросетей: Claude, агенты и автоматизация
• ИИ-агенты для бизнеса: автоматизация Claude против OpenAI Presence в 2026
• В личном блоге Арины Михалны: Разработка ИИ-агентов в 2026: заказывать или собирать самому

Если harness, loop и graph пять минут назад звучали как язык другой планеты — это нормально, три недели назад мы в Мастерской разбирались в этом ровно так же, с нуля. На курсе «Изучи Claude за вечер» за один вечер проходим путь от первого запроса до сборки своего агента с инструментами, памятью и ограничениями — без Python и диплома по машинному обучению. Цена — от 1490 ₽, дальше сам решишь, куда двигаться: посмотреть программу курса