PRO то, что под капотом у агента 🤖

Вчера написал, что весь этот шум вокруг ИИ в конечном итоге сводится к нескольким вызовам API. Давайте проверим.

Возьмем обычную задачу: Проанализируй задачу TASK-123 в JIRA

Если запустить это через Codex или Claude Code, мы просто напишем задачу и через какое-то время получим готовый результат (ну или нет).

Что там происходило в фоне, можно вообще не знать. Но давайте не будем брать готового агента. Попробуем собрать своего, используя только API.

И будем идти прямо по шагам. Запрос. Ответ. Следующий запрос. И так далее. Начинаем с самого простого.

Отправляем модели POST /v1/responses: { “model”: “gpt-5.6-luna”, “input”: [ { “role”: “user”, “content”: [ { “type”: “input_text”, “text”: “Проанализируй задачу TASK-123 в JIRA” } ] } ], “tools”: [] }

На этом моменте ничего особенного не происходит. Мы просто отправили модели текст.

➖“model” говорит, какую модель использовать. ➖“input” содержит нашу задачу.

И всё.

Модель при этом не может зайти в Jira. У неё нет ни логина, ни доступа к API Jira, вообще ничего.

Поэтому вполне ожидаемый ответ: Пришлите содержимое задачи TASK-123.

Нам же нужно научить модель не просто отвечать на вопросы, а просить нашу программу выполнить какие-то действия. Что для этого нужно добавить в запрос?

Вот это и посмотрим в следующем посте.

А дальше уже доберемся до tool calls, MCP, Skills и в итоге соберем весь этот «агентский» конструктор своими руками, чтобы понимать как эта “черная коробка” работает на самом деле.

✌️ ПРО СА| 🆕НСА 2.0

________________ В этом посте были ссылки, но мы их удалили по правилам Сетки