Каркасы для ИИ-агентов: модульная система плагинов DeepSeek Harness и локальный оркестратор LoopTroop

Разработка автономных систем на базе больших языковых моделей стремительно перерастает фазу разрозненных скриптов и игрушечных чат-ботов. Инженеры, внедряющие ИИ-агентов в реальные кодовые базы, сталкиваются с двумя фундаментальными проблемами. С одной стороны, агенту требуется модульная расширяемая архитектура, позволяющая подключать новые внешние инструменты без переписывания монолитного ядра. С другой стороны, агентный цикл неизбежно страдает от «деградации контекста» (context rot): при многократных попытках исправить падающий тест длинная простыня истории диалога забивается логами ошибок, модель теряет нить рассуждений и уходит в бесконечный цикл галлюцинаций.

В этой подборке представлены два открытых решения, адресованных этим вызовам: модульный агентный рантайм DeepSeek Harness с микроядерной архитектурой плагинов и локальный оркестратор репозиториев LoopTroop, изолирующий эксперименты моделей в деревьях Git Worktree.

Модульный каркас агентов

Фреймворк DeepSeek Harness (dsh), созданный исследовательской лабораторией DeepSeek AI, отказывается от традиционной модели монолитных классов агентов. Архитектура построена на базе компонентной микроядерной системы Cordis, где действует строгий принцип: «всё есть плагин».

Каждая сущность системы — адаптер конкретной языковой модели, реестр доступных инструментов, парсер промптов и менеджер сессий — оформляется в виде изолированного плагина. Модули взаимодействуют через инъекцию зависимостей (Dependency Injection) и слушают события жизненного цикла контекста. Это позволяет компаниям создавать корпоративные наборы инструментов, подключаемые к агенту одной строкой конфигурации:

// src/plugins/calculator.ts — модуль инструмента в архитектуре Cordis / DeepSeek Harness
import { Context, Plugin } from 'cordis';

export interface CalculatorConfig {
  precision: number;
}

export const CalculatorPlugin: Plugin<Context, CalculatorConfig> = {
  name: 'calculator-tool',
  apply(ctx, config) {
    // Регистрация обработчика инструмента в контексте выполнения агента
    ctx.on('tool:execute', async (toolName, args) => {
      if (toolName === 'calculate') {
        const expression = String(args.expression);
        // Безопасное математическое вычисление результата
        const result = Function(`'use strict'; return (${expression})`)();
        return Number(Number(result).toFixed(config.precision ?? 2));
      }
    });
  },
};

Такая структура гарантирует слабую связанность компонентов: добавление нового протокола (например, MCP-сервера или терминального раннера) не требует правок логики планирования агента.

Однако даже самый модульный агент рискует повредить рабочую ветку разработчика или зациклиться на ошибках, если у него нет надежной среды исполнения.

Локальная оркестрация репозиториев

Оркестратор LoopTroop решает прикладную задачу безопасного выполнения кодинг-задач непосредственно в локальных репозиториях:

1. Коллегия моделей (LLM Council): Перед тем как изменить хотя бы одну строчку кода, задача направляется нескольким независимым моделям (например, Claude 3.5 Sonnet и DeepSeek-V3). Модели генерируют конкурирующие планы решения и голосуют за наиболее безопасный алгоритм.
2. Изоляция в Git Worktrees: Каждый этап задачи выполняется в отдельной рабочей копии репозитория Git Worktree. Это гарантирует, что рабочая директория разработчика остается абсолютно чистой, а незаконченные правки агента не смешиваются с текущими изменениями.
3. Циклы Ralph (Ralph Loops): Если запущенный в worktree тест падает, LoopTroop не сбрасывает в контекст модели всю историю чата. Вместо этого формируется лаконичная выжимка ошибки (stack trace), и попытка исправления стартует в чистом контекстном окне, предотвращая накопление шума.

Конфигурация конвейера оркестрации фиксируется в декларативном JSON-манифесте:

// looptroop.config.json — параметры оркестрации задач и верификации кода
{
  "project": "core-backend-service",
  "planning": {
    "council": ["claude-3-5-sonnet", "deepseek-v3"],
    "minConsensusVotes": 2
  },
  "execution": {
    "strategy": "git-worktree",
    "worktreePrefix": ".looptroop-tasks/",
    "verificationCommand": "npm test",
    "maxRalphRetries": 3
  }
}

Будущее автономной разработки строится на строгом разделении ответственности: архитектурная платформа плагинов (DeepSeek Harness) стандартизирует интерфейсы инструментов, а локальный оркестратор с петлями обратной связи (LoopTroop) превращает ответы моделей в проверенные пулл-реквесты, защищая репозиторий от ошибок и галлюцинаций.