Агенту не всегда нужен большой фреймворк. Иногда достаточно модели, bash, среды выполнения и понятной истории сообщений.
Внутри всё устроено очень просто: агент получает задачу, предлагает команду, выполняет ее, добавляет вывод в историю и повторяет цикл до финального ответа. Основной инструмент - shell, без сложного tool-calling слоя.
Авторы заявляют больше 74% на SWE-bench Verified с Gemini 3 Pro. Для такого маленького agent harness это хороший сигнал: часть сложности уходит из фреймворков в модели и простую обвязку.
Также это влияет и на расход токенов, минимум лишнего контекста.
В X как раз обсуждали, какой сейчас стандарт для агентов. Общий настрой такой: единого стандарта нет. Многие уходят от тяжелых фреймворков к тонким кастомным циклам:
model call, tool permissions, state, evals, logs, retries.LangGraph всё еще используют для сложных workflow, LangSmith - для трассировки и evals. Но всё чаще советуют прямые SDK, Vercel AI SDK, Google ADK, Pydantic AI, Mastra, Claude SDK или готовые harness вроде Pi/OpenCode.
Чат | CloseRouter