Агент или workflow: когда усложнять не нужно и сколько это стоит в рублях

Слово «агент» в 2026 году продают на каждом углу: агент для продаж, агент-секретарь, агент-исследователь. При этом инженерная разница между агентом и обычной автоматизацией огромная, и она напрямую определяет, сколько вы будете платить за токены каждый месяц.

У Anthropic есть текст, который стоит прочитать до заказа «агента» — «Building effective agents» (декабрь 2024). Главная мысль там не про технологии, а про дисциплину: начинайте с самого простого решения и усложняйте только тогда, когда простое перестало работать. Разберу, что это значит на практике и в рублях.

Агент и workflow — это разные вещи

Anthropic разделяет два типа систем.

Workflow — это когда модель и инструменты соединены заранее заданными путями в коде. Пришло письмо → модель классифицировала → скрипт разложил по папкам → отправил уведомление. Шаги известны заранее, модель внутри них отвечает за понимание текста, но не за маршрут.

Агент — это когда модель сама решает, какой инструмент вызвать следующим, сколько шагов сделать и когда остановиться. Ей дают набор инструментов и цель, маршрут она строит на ходу.

Отсюда практическая разница: workflow предсказуем и дешёв, агент гибок и дорог. Anthropic формулирует прямо: агентные системы «обменивают задержку и стоимость на лучшее качество выполнения задачи». И добавляет то, что редко цитируют продавцы: для многих задач достаточно одного вызова модели с поиском по документам и парой примеров.

Сколько шагов — столько денег

Разница в цене не в два раза, а на порядок. Считаю на DeepSeek V4 Flash по курсу ЦБ на 29 октября 2026 (80,87 ₽ за доллар), тариф 0,15 $ за миллион входных токенов и 0,60 $ за миллион выходных.

Одна задача в режиме workflow: 3 000 входных токенов (запрос плюс контекст) и 700 выходных. Это 0,00087 доллара — 7 копеек.

Та же задача у агента, который делает 12 шагов, пересылая контекст с каждым: 36 000 входных и 8 400 выходных. Это 0,0104 доллара — 84 копейки, в 12 раз дороже.

На объёмах разница перестаёт быть теоретической: 20 задач в день — 42 ₽ в месяц у workflow и 507 ₽ у агента. В год — 500 ₽ против 6 тысяч. К этому добавляются задержки: 12 последовательных вызовов модели — это уже не «мгновенный ответ», а минуты ожидания.

И это только токены. Агент чаще ошибается на длинных цепочках, а каждая ошибка — повторный проход по всем шагам.

Три задачи: где что нужно

1. Утренняя сводка. Собрать календарь, три письма и три задачи, разложить в одно сообщение. Два-три фиксированных шага, никакой неопределённости. Workflow. Агент здесь только увеличит счёт.

2. Досье на клиента перед встречей. Найти в базе знаний всё про человека и собрать справку. Поиск по документам плюс генерация по шаблону — это один вызов модели с контекстом. Тоже workflow, хотя продавцы назовут это «агентом-исследователем».

3. Разобрать входящий поток заявок. Тут может быть разное число шагов: заявка с сайта, письмо, сообщение в мессенджере; уточнить, проверить дубли, записать в CRM, назначить ответственного. Заранее прописать все ветки можно, но их получается несколько десятков. Вот здесь агент оправдан — и только здесь.

Простое правило: если вы можете нарисовать путь задачи на листе бумаги, это workflow. Если путь зависит от того, что найдётся по ходу, — агент.

Ловушки, о которых предупреждают сами инженеры

В том же тексте Anthropic есть три предупреждения, которые редко доходят до заказчиков.

Фреймворки добавляют сложности. Готовые библиотеки удобны на старте, но создают слой абстракции, за которым не видно, что реально уходит в модель. Отладка превращается в гадание. Для большинства задач хватает прямого вызова API — это несколько строк кода.

Интерфейс инструментов важнее промпта. В работе над своим агентом для SWE-bench инженеры Anthropic потратили больше времени на описание инструментов, чем на сам промпт. Классический пример: модель ошибалась с относительными путями к файлам, после смены на абсолютные — перестала ошибаться вовсе.

Инструменты надо проектировать против ошибок. Простая идея: сделать так, чтобы ошибиться было физически неудобно. Обязательные параметры, узкие форматы, отсутствие «свободных» полей.

Для заказчика это переводится так: платить надо не за «умную модель», а за качественно описанные инструменты и данные. Модель одинаковая у всех.

Как это проверить на своём проекте

1. Нарисуйте путь задачи. Если получается линейная схема с двумя-тремя развилками — вам не нужен агент, нужен скрипт.
2. Посчитайте среднее число шагов. Больше пяти — стоимость растёт линейно, а надёжность падает.
3. Начните с одного вызова модели. Соберите прототип на 30–50 строк: результат часто уже достаточный.
4. Добавляйте шаги по одному, каждый раз проверяя, что качество выросло, а не просто «стало умнее выглядеть».
5. Считайте токены на реальном потоке за неделю. Разница в 12 раз на бумаге = разница в 12 раз в счёте.
6. Не покупайте «платформу для агентов», пока не упёрлись в потолок простого решения. Платформа берёт деньги за гибкость, которую вы, возможно, не используете.

Что важно понимать про сам источник

Текст Anthropic написан в декабре 2024 года, и в начале страницы теперь стоит пометка: значительная часть описанного инструментария с тех пор изменилась. То есть это не инструкция по текущим продуктам, а описание принципов — и принципы не устарели.

Второе: Anthropic продаёт модели и фреймворки, поэтому их совет «начните с простого» звучит даже убедительнее обычного. Компании невыгодно, чтобы вы упрощали, — но инженеры пишут именно это.

Третье: конкретных цифр экономии в тексте нет вообще. Все расчёты выше — мои, на тарифах октября 2026, и при смене модели или тарифа они изменятся.

Что делать

1. Определите, сколько шагов в вашей задаче может быть в худшем случае. До трёх — workflow, больше десяти — агент, между ними — считайте.
2. Посчитайте цену одного запуска до того, как писать код: токены на входе растут с каждым шагом, а не один раз.
3. Опишите инструменты так, чтобы ими было трудно пользоваться неправильно. Это дешевле, чем улучшать промпт.
4. Не платите за платформу, пока простая версия не показала результат.
5. Пересчитайте смету через месяц: если расходы на токены выросли втрое без роста качества, у вас лишние шаги.
6. Держите запасной простой вариант: если агент сломался, задача должна решаться скриптом.

Смотрите также

Почему 95% пилотов ИИ не дают результата — и что отличает остальные 5% Сколько стоит собрать личного ИИ-ассистента в 2026: смета до рубля Что реально даёт ИИ в работе: расчёт по трём сценариям — и один, где он мешает

Источники

1. Anthropic, «Building effective agents», декабрь 2024 (с пометкой об изменениях инструментария) — https://www.anthropic.com/engineering/building-effective-agents
2. Тарифы DeepSeek API, октябрь 2026 — https://deepseek.ai/deepseek-api
3. Курс доллара ЦБ РФ на 29.10.2026 — https://www.cbr.ru/currency_base/daily/
4. LangChain, State of AI Agents (обзор практик памяти и контроля) — https://www.langchain.com/stateofaiagents