В мире AI-агентов начинается новый этап — разработчики представили открытый стандарт для описания агентских workflow, независимый от платформы и языка исполнения. Звучит как что-то для гиков? На самом деле, это огромный шаг вперёд для всех, кто хочет создавать и внедрять AI-агентов в бизнес-процессы, не завязываясь на конкретную технологию.
Давайте разберёмся, что происходит, почему это важно, и как этим можно воспользоваться на практике.
Что случилось: стандарт для AI-агентов вне зависимости от среды
На Github выложили спецификацию и референс-имплементацию Itsharness — открытого формата, который описывает поведение AI-агентов независимо от среды исполнения (будь то Python, JavaScript, облако, локальный сервер и т.д.).
К проекту подключились команды LangGraph и Mastra. В сообществе Hacker News активно обсуждают плюсы и минусы этой затеи, а запрос на обратную связь — явный сигнал: стандарт хотят сделать рабочим инструментом для всех.
В чём суть?
- Workflow-спецификация: Описываем, как работает агент шаг за шагом, какие задачи он решает, какие данные использует, как принимает решения.
- Агностичность к runtime: Не важно, где и на чём запускается агент — описание одно и то же.
- Многоразовость и совместимость: Один и тот же workflow можно использовать в разных средах и подключать к разным моделям (например, GPT, Claude, open-source LLM).
Почему это важно для AI-криэйторов и маркетологов
1. Быстрее тестировать гипотезы
Раньше: вы завязались на конкретную платформу (например, LangChain), написали кучу кода, а потом выяснили, что для вашего кейса лучше подойдёт другая библиотека или язык.
Теперь: описали workflow один раз — и запускайте где угодно, хоть в облаке, хоть локально, хоть на мобильном устройстве.
Что это даёт: Экономия времени и денег, возможность экспериментировать с разными инструментами и LLM без “брака по расчёту” с одним стэком.
2. Легче масштабировать и интегрировать
Одинаковое описание workflow — значит, вам проще подключать новых исполнителей, собирать команду из разработчиков с разным бэкграундом, а главное — интегрировать AI-агентов в существующие сервисы и бизнес-процессы.
Типичный кейс: Есть чат-бот, который генерирует лиды. Вы описали его workflow по новому стандарту — и теперь можете легко запускать этого бота и в Telegram, и в Slack, и на сайте без переписывания логики.
3. Свобода выбора и “страховка от vendor lock-in”
AI-индустрия меняется молниеносно. Сегодня топ — одно API, завтра — другое. Если ваш workflow описан в независимом стандарте, вы не боитесь, что какая-то платформа обанкротится или поднимет цены. Просто переносите агента на новую инфраструктуру.
Важно: Для маркетологов это означает гибкость: не нужно зависеть от одного подрядчика или технической команды.
4. Обмен и продажа решений
Стандартизация workflow открывает рынок шаблонов и готовых AI-решений. Можно делиться агентами, дорабатывать чужие наработки, не вникая в детали реализации.
Пример: Сделали эффективного AI-ассистента для e-commerce — упаковали workflow по стандарту, продаёте или обмениваетесь на другие решения.
Какие инструменты уже поддерживают этот стандарт?
Пока это ранний этап эксперимента, но LangGraph и Mastra активно включились в работу. Прототипы позволяют запускать агента на разных языках и в разных средах.
- LangGraph — библиотека для построения графов агентских workflow (в первую очередь Python).
- Mastra — открытая платформа для быстрой сборки и интеграции AI-агентов.
Ожидается, что и другие популярные библиотеки и платформы начнут поддерживать новый формат.
Перспективы: как это изменит рынок
- Появятся “маркетплейсы” AI-агентов, где можно покупать и продавать универсальные workflow.
- Упрощается внедрение AI в малый бизнес — больше не нужен штат разработчиков, чтобы интегрировать продвинутого агента.
- Снижается порог входа для AI-криэйторов и маркетологов: можно учиться на шаблонах и быстро запускать MVP.
Если вы хотите глубже разобраться в сборке AI-агентов и их интеграции — посмотрите мои курсы: там разбираем, как строить агентские workflow, какие инструменты использовать и как масштабировать решения.
Что делать прямо сейчас
- Изучите спецификацию Itsharness — пусть на английском, но структура простая и понятная.
- Оцените свои проекты: где в вашей работе можно выделить “workflow агента” и вынести его в независимый стандарт?
- Проверьте совместимость: если вы уже используете LangGraph или Mastra, попробуйте описать один из своих кейсов по новому стандарту.
- Подпишитесь на обсуждения в Hacker News и Github — чтобы быть в курсе развития стандарта и находить единомышленников.
- Планируйте стратегию "без привязки": даже если пока не внедряете, держите в голове возможность быстро менять инструменты без переписывания логики ваших AI-агентов.
По материалам Hacker News



