Агент — это модель в цикле: спросить, подействовать инструментом, прочитать результат, снова решить.
Как это работает
Anthropic различает два подхода. Workflow — это “systems where LLMs and tools are orchestrated through predefined code paths” (перевод: «системы, где LLM и инструменты оркестрируются по заранее заданным путям в коде»). Агенты — системы, где “LLMs dynamically direct their own processes and tool usage” (перевод: «LLM динамически управляют собственными процессами и использованием инструментов»).
OpenAI Agents SDK документирует сам цикл. Раннер вызывает модель. Если ответ итоговый, запуск заканчивается. Если в нём есть вызовы инструментов, раннер выполняет их, добавляет результаты и снова вызывает модель. Параметр max_turns ограничивает цикл и выбрасывает MaxTurnsExceeded при превышении.
Пример: агенту для программирования, которого попросили починить падающий тест, может понадобиться четыре шага — запустить тесты, прочитать файл, отредактировать его и дать итоговый ответ («исправил ошибку с часовым поясом, тесты проходят»):
Turn 1 model -> tool call: run_tests()
Turn 2 model -> tool call: read_file("src/dates.py")
Turn 3 model -> tool call: edit_file("src/dates.py", ...)
Turn 4 model -> final answer: "Fixed the timezone bug; tests pass."
Каждый шаг — отдельный запрос к API. Если системный промпт и определения инструментов занимают 5000 токенов, они отправляются 4 раза: это 20 000 входных токенов ещё до учёта истории и результатов инструментов.
Инструменты могут быть вашими собственными функциями или приходить с MCP-серверов, через которые один агент подключается к файловым системам, базам данных и SaaS-API по общему протоколу.
Почему это важно
- Стоимость растёт с числом шагов. Каждый шаг — новый запрос, который заново отправляет диалог. Статья о бюджете токенов агента разбирает, куда уходят эти токены. Вход из кэша снижает счёт за повторяющийся префикс.
- Контекст заполняется. Долгие запуски упираются в контекстное окно, а качество падает ещё до того, как окно заполнено. См. управление контекстом у долгоиграющих агентов.
- Ошибки накапливаются. Anthropic отмечает, что автономность влечёт “higher costs, and the potential for compounding errors” (перевод: «более высокие расходы и риск накопления ошибок»). Добавьте условия остановки, ограничители (guardrails) и подтверждение человеком для действий, которые меняют данные или тратят деньги.
- Параллелизм. Несколько агентов — это несколько одновременных запросов. Сколько их может выполняться сразу, определяет лимит параллельных запросов у провайдера. Статья о стоимости мультиагентных систем сравнивает для этого случая оплату за токены и фиксированную цену.
В BroadNet Inference
BroadNet можно вызывать из любого фреймворка для агентов, который принимает OpenAI-совместимый базовый URL; настройка показана в руководстве по OpenAI Agents SDK. Документация BroadNet указывает вызов инструментов для GLM 5.3 и Qwen3.8 27B. Для ключа с оплатой по факту документация BroadNet задаёт 30 запросов в минуту и 4 одновременно.
Тарифы с фиксированной ценой (Full Moon, Orbit, Meteor) покрывают DeepSeek V4.1 Flash без учёта токенов. Одна сессия обрабатывает один запрос за раз — так же, как работает один агент, поэтому покупайте по сессии на каждого агента, которого запускаете параллельно. Документация BroadNet не указывает вызов инструментов для DeepSeek V4.1 Flash, поэтому проверьте вызовы инструментов вашего агента на этой модели, прежде чем полагаться на тариф; документированный вызов инструментов — это GLM 5.3 или Qwen3.8 27B с оплатой по факту.