Vercel упростил ИИ-агента, удалив 80% инструментов: точность выросла до 100%

Когда команда Vercel решила удалить 80% инструментов своего внутреннего ИИ-агента d0, они ожидали ухудшения, но получили противоположный результат: точность выросла с 80% до 100%, а скорость ответов увеличилась. Этот парадоксальный эксперимент показал, что избыточная сложность часто вредит производи

Как Vercel пришла к кардинальному упрощению

Разработчики Vercel потратили месяцы на создание сложного текстового SQL-агента с множеством специализированных инструментов, тщательным инжинирингом промптов и управлением контекстом. Агент работал, но с оговорками: он был хрупким, медленным и требовал постоянного обслуживания. Точность выполнения задач составляла около 80%, что не устраивало команду. Тогда инженеры решили кардинально изменить подход — они удалили 80% инструментов и оставили агенту единственную возможность: выполнять произвольные bash-команды. Такой подход они назвали «файловой системой агента».

Claude получил прямой доступ к файлам и начал самостоятельно разбираться с задачами, используя стандартные утилиты grep, cat и ls. Результат превзошёл ожидания: точность выросла до 100%, количество шагов и токенов сократилось, а скорость ответов увеличилась. Всё это — за счёт отказа от избыточной сложности.

Почему удаление инструментов повысило точность?

На первый взгляд, удаление инструментов должно ухудшить работу агента — ведь у него меньше возможностей. Однако на практике оказалось, что множество инструментов создавало избыточную сложность и путаницу. Агент тратил время на выбор подходящего инструмента, а иногда ошибался в его применении. С одним инструментом — bash — агенту не нужно принимать решение, что использовать; он просто выполняет команды в среде. Кроме того, bash даёт неограниченные возможности: grep для поиска по файлам, cat для чтения, ls для навигации. Агент может комбинировать их и использовать пайпы для сложной обработки данных. Это позволяет ему гибко подходить к каждой задаче, не будучи ограниченным заранее определёнными сценариями.

Технические детали: как работает файловый агент

Файловый агент Vercel построен на базе Claude и имеет доступ к файловой системе проекта. Его единственный инструмент — выполнение произвольных bash-команд. При получении запроса агент анализирует структуру файлов, используя ls, затем читает нужные файлы с помощью cat или ищет паттерны через grep. Он может выполнять последовательности команд, объединяя их пайпами, и таким образом самостоятельно строить цепочки обработки данных. Такой подход позволяет агенту адаптироваться к любой структуре проекта без необходимости перепрограммирования.

Ключевое преимущество — агент не ограничен предопределёнными действиями. Если раньше для каждого типа запроса требовался отдельный инструмент, то теперь агент сам решает, какие команды выполнить. Это делает его устойчивым к изменениям в структуре данных и новым типам запросов. Кроме того, отпала необходимость в сложном инжиниринге промптов: агенту достаточно объяснить цель, и он сам найдёт способ её достичь, используя стандартные утилиты. В результате снизилось количество шагов и затраченных токенов, что привело к ускорению работы и уменьшению расходов на API.

Предыстория и контекст тренда на упрощение

Тренд на упрощение ИИ-агентов набирает обороты в индустрии. Многие компании обнаруживают, что чрезмерно сложные архитектуры с десятками специализированных инструментов часто приводят к обратному эффекту: агенты становятся медлительными, склонными к ошибкам и сложными в поддержке. Vercel — не первая компания, которая пришла к выводу, что меньше может означать больше. В последнее время появляется всё больше примеров, когда разработчики отказываются от избыточного промпт-инжиниринга и сложных цепочек вызовов в пользу простых, но гибких решений. В случае с d0 ключевым фактором успеха стало предоставление агенту доступа к реальной среде выполнения. Вместо того чтобы моделировать возможные сценарии, агент может напрямую взаимодействовать с файлами и командной строкой, что даёт ему возможность адаптироваться к неожиданным ситуациям.

Этот подход перекликается с концепцией «агентов, работающих с инструментами» (tool-use agents), где модель использует внешние инструменты для выполнения действий. Однако Vercel пошла дальше, сократив количество инструментов до минимума. Идея в том, чтобы дать агенту максимально общий и мощный инструмент — bash — и позволить ему самому решать, как его применить. Это напоминает философию Unix: «делай одну вещь и делай её хорошо». В данном случае одна вещь — выполнение команд, а остальное агент додумывает сам.

Кого затронет и как

Этот кейс в первую очередь интересен разработчикам, которые создают ИИ-агентов для работы с кодом, базами данных или файловыми системами. Он демонстрирует, что иногда лучше отказаться от сложных архитектур в пользу простых, но мощных инструментов. Для бизнеса, использующего ИИ-агентов, это означает потенциальную экономию на вычислительных ресурсах и повышение качества результатов. Пользователи Vercel, возможно, увидят улучшения в работе платформы, если подобные агенты будут внедрены в продуктовые сценарии.

В российском контексте этот пример может быть полезен стартапам и IT-компаниям, которые разрабатывают собственных ИИ-ассистентов. Часто разработчики стремятся усложнить систему, добавляя множество инструментов, но опыт Vercel показывает, что минималистичный подход может быть эффективнее. Это особенно актуально для компаний с ограниченными ресурсами, где важно быстро получить работающее решение.

Что будет дальше

Vercel планирует дальше развивать концепцию файлового агента и, возможно, внедрить её в свои продукты. Успех эксперимента открывает путь к созданию более автономных агентов, которые могут самостоятельно исследовать и модифицировать код. В долгосрочной перспективе такой подход может привести к появлению ИИ-ассистентов, способных выполнять сложные задачи по разработке и администрированию с минимальным вмешательством человека. Однако остаются вопросы безопасности: предоставление агенту полного доступа к bash-командам несёт риски, особенно в production-среде. Vercel, вероятно, будет внедрять дополнительные механизмы контроля и изоляции.

Итог

Эксперимент Vercel наглядно демонстрирует, что в разработке ИИ-агентов «меньше — значит больше». Удалив 80% инструментов, команда получила более точного, быстрого и экономичного агента. Этот кейс стоит взять на заметку всем, кто занимается созданием ИИ-решений: иногда лучший способ улучшить систему — убрать из неё лишнее.