Архивный авторский материал перенесён без переписывания. Внешние утверждения отдельно не перепроверялись и относятся к дате публикации.
Terminal Agents Suffice - контрпозиция
Индустрия строит AI-агентов всё сложнее. Память, планирование, мульти-агенты, MCP, оркестрация. Каждый месяц новый фреймворк.
Учёные из Stony Brook задали неудобный вопрос: а нужно ли это вообще?
Взяли простейшего агента. Терминал + LLM + файловая система. Без планирования. Без памяти. Без мульти-агентных фреймворков. Голый bash.
Прогнали через реальные enterprise-задачи: API-интеграции, работа с платформами, автоматизация.
Результат: простой терминальный агент работает на уровне сложных архитектур. А местами лучше.
80% overhead в агентных фреймворках оказался бесполезной сложностью. Не даёт прироста. Жрёт бюджет и время на настройку.
Для бизнеса это значит три вещи.
Дорогие “AI-платформы” это конечно хорошо, но почему не попробовать запрототипировать и вынести опыт на том что есть?. Claude или GPT + терминал решают те же задачи. Команда для настройки мульти-агентной системы не нужна. И простая система чинится за час, а не за неделю.
Тот же принцип показал Medvi: $401M выручки, 2 человека, ChatGPT + Claude. Простые инструменты + правильное применение бьют корпоративную армию с enterprise-стеком.
Одна из ключевых гипотез которую я тестирую: убери лишнее, и система станет лучше.
Что делать:
Прежде чем строить мульти-агентную архитектуру, попробуй Claude + терминал. Серьёзно Простое решение работает на 80%? Не усложняй ради оставшихся 20% Сложность должна быть обоснована данными, а не презентацией вендора
arXiv: 2604.00073, Bechard et al. “Terminal Agents Suffice for Enterprise Automation”
Источники и след
- 01 Оригинал в канале Under the Hood Происхождение / Telegram / сообщение 124