Создание ИИ-агентов на Python: обзор книги Владимира Дронова по работе с LangChain

Стек и архитектура

Дронов сознательно уходит от западной привязки к OpenAI. Базовый набор выглядит так:

• GigaChat от «Сбера». Freemium-тариф, до 1 млн токенов на старте. Годится как основной провайдер для прототипа.

• YandexGPT. Родная модель с сильным пониманием русского, удобно для пользовательских сценариев.

• HuggingFace. Агрегатор open-source моделей — подключается как привычный SDK.

• Ollama. Локальный запуск LLM, без интернета и без счёта за API. Полезно там, где данные нельзя отдавать наружу.

С точки зрения архитектуры это классический LLM-клиент плюс слой инструментов: поиск, обработка данных, запись в БД. Агент сам решает, какой инструмент вызвать. Для веба это значит, что такой модуль встраивается в существующий Django или FastAPI-бэкенд как отдельный сервис и не привязывает продукт к одному вендору — провайдера можно менять через конфиг.

Что лежит в архиве

Издательский ZIP — это не «фрагменты из книги», а полноценные проекты, готовые к запуску:

```

!sources/ # тексты, PDF, изображения, БД для упражнений

additional/ # примеры сверх книги: обработчик адресов на GigaChat,

# программа ИИ-художника

chapter_folders/ # законченные приложения, часто в двух вариантах:

# папка 2.1-2.11 со всеми модулями и отдельные

# agent.py, tools.py, start.py

```

Большинство примеров стартуют одной командой `python start.py` из нужной папки. Это редкость: в похожих изданиях листинги разнесены по разделам, и собрать рабочий проект — отдельный квест на полдня. Здесь же вы получаете эталонную раскладку, на которую можно опираться в продакшен-коде: разделение на `agent.py`, `tools.py`, точка входа `start.py` — нормальная модульная структура, а не учебная солянка.

Где смотреть внимательно

Отдельно стоит пройти главу 20 — протокол MCP (Model Context Protocol). Это относительно свежая спецификация обмена контекстом между моделью и инструментами, которая быстро становится стандартом де-факто для агентских пайплайнов. В книге MCP разобран в виде двух процессов:

```

# Терминал 1 — MCP-сервер

python http_mcp_server.py

# Терминал 2 — сам агент

python agent.py

```

Если вы уже пишете своих агентов под веб, имеет смысл пройти эту главу и сравнить с тем, как MCP устроен у вас. Если только планируете — повод сразу заложить MCP-совместимый интерфейс в новый сервис, чтобы не переписывать слой интеграций через год.