Co to jest agent AI?

Jedno pytanie, które odróżnia agenta od chatbota

Kto decyduje, co dzieje się dalej?

W chatbocie nikt. Wysyłasz wiadomość, model generuje jedną odpowiedź i tura się kończy. Jeśli odpowiedź wymaga uzupełnienia, piszesz je ty. Model nigdy nie działa w świecie, jedynie pisze tekst.

W agencie decyduje model. Mając cel, wybiera działanie, na przykład przeszukanie sieci, uruchomienie fragmentu kodu, otwarcie strony lub edycję pliku, otrzymuje wynik jako tekst, odczytuje go i wybiera kolejne działanie. Kontynuuje, aż uzna cel za osiągnięty albo zatrzyma go limit kroków. Model jest sterownikiem pętli.

Przewodnik inżynierski Anthropic "Building effective agents", opublikowany w grudniu 2024 roku, wyznacza tę samą granicę: workflow to systemy, w których model działa wewnątrz kodu narzucającego ścieżkę, a agenci to systemy, w których model sam kieruje swoim procesem i użyciem narzędzi. Ten przewodnik nie owija w bawełnę tego, co budować w pierwszej kolejności, i odpowiedzią jest workflow.

Chatbot, workflow, agent: ten sam model, trzy różne pętle

Wszystkie trzy mogą działać na tym samym modelu językowym. Różni się to, co go otacza.

Kolumna workflow to miejsce, w którym żyje większość użytecznej automatyzacji. Potok, który streszcza dokument, potem wyodrębnia daty, a potem szkicuje odpowiedź, to trzy wywołania modelu w ustalonej kolejności. Jest niezawodny, bo ścieżkę wyznaczył programista. To nie jest agent, cokolwiek mówi strona docelowa produktu, a nazywanie go tak zaciera prawdziwy kompromis: ustalona ścieżka jest przewidywalna i tania, ścieżka wybierana przez model jest elastyczna i żadna z tych dwóch rzeczy.

Jak wygląda pętla, krok po kroku

Konkretny przebieg. Cel: "Sprawdź, czy nasz konkurent zmienił cennik w tym miesiącu, i napisz mi dwuakapitowe podsumowanie".

1. Model odczytuje cel i decyduje o pierwszym działaniu: wyszukiwanie w sieci strony z cennikiem konkurenta.
2. Narzędzie wyszukiwania zwraca listę wyników jako tekst. Model ją odczytuje i wybiera jeden wynik do otwarcia.
3. Narzędzie przeglądarki zwraca stronę. Model wyodrębnia aktualne ceny.
4. Model uznaje, że potrzebuje starych cen, wyszukuje zarchiwizowaną kopię i ją otwiera.
5. Porównuje obie wersje, uznaje, że ma wystarczająco danych, i pisze podsumowanie.

Pięć kroków, cztery wywołania narzędzi, sześć wywołań modelu. Każdy krok to pełna odpowiedź modelu, z całą dotychczasową historią jako danymi wejściowymi. Ten ostatni szczegół napędza koszty: przy piątym kroku model odczytuje na nowo cztery strony wyników wyszukiwania i tekstu stron przy każdym wywołaniu. Czym są tokeny w AI wyjaśnia, dlaczego dane wejściowe rosnące z każdą turą są tym kosztownym kształtem.

I każdy krok to miejsce, w którym można popełnić błąd. Jeśli wyszukiwanie w kroku 1 zwróci niewłaściwą firmę, kroki od 2 do 5 z pewnością siebie podsumują niewłaściwy cennik. Pętla kumuluje błędy tak samo, jak kumuluje postęp. Limit kroków i punkt kontrolny człowieka przed wysłaniem czegokolwiek nie są opcjonalne.

Ile kosztuje przebieg agenta w porównaniu z jedną odpowiedzią

Arytmetyka jest prosta, a ludzie ją pomijają. Jedna standardowa odpowiedź, 1000 tokenów wejściowych i 500 wyjściowych, ma cenę cennikową dla każdego modelu w indeksie kosztów modeli AI, ze stawkami OpenRouter pobranymi 2026-08-20. Przebieg agenta na 20 kroków to co najmniej 20 takich odpowiedzi, a w praktyce więcej, bo dane wejściowe rosną z każdym krokiem.

Dwadzieścia kroków na Claude Sonnet 5 to $0.14 przy stawce minimalnej, wobec $0.007 za jedną odpowiedź; na Claude Opus 5 to $0.35, a uruchamiane co godzinę daje to około $250 miesięcznie, jeszcze przed mnożnikiem rosnących danych wejściowych. W kredytach Whizi ta sama arytmetyka odczytuje się z drabinki Auto powyżej: 100 kredytów to 100 szybkich pytań na modelu domowym albo 5 tur rozumowania na GPT-5.6 Sol, więc pętla na 20 kroków na szczeblu rozumowania to 400 kredytów, około jedna szósta miesiąca Pro na 2500 kredytów, a ta sama pętla na modelu domowym to 20. Dlatego właściwy projekt kieruje kroki planowania do silnego modelu, a rutynowe kroki do taniego, i dlatego przestrzeń robocza z wieloma modelami jest naturalnym domem dla pracy agentów, a nie subskrypcja jednego modelu.

Które produkty naprawdę są agentami

Asystenci kodowania, którzy edytują pliki i uruchamiają testy to agenci w ścisłym sensie: mając zgłoszenie błędu, czytają kod, wprowadzają zmianę, uruchamiają zestaw testów, czytają błąd i próbują ponownie. Pętla jest prawdziwa, a model nią steruje.

Tryby Deep Research w ChatGPT, Gemini i Perplexity to agenci: wyszukują, czytają, wyszukują ponownie na podstawie tego, co znalazły, i kończą, gdy uznają temat za wyczerpany. Liczba kroków różni się w zależności od pytania, i to jest tu znak rozpoznawczy.

Większość "agentów" w menu produktów to persony lub workflow. Wiersz w wyborze modelu opisany jako agent podatkowy albo mentor do nauki to zwykle ustalony prompt systemowy plus jedno lub dwa narzędzia. Sekcja Agents Whizi jest w tej sprawie szczera: wiersz kanadyjskiego CPA to preset, który wymusza wyszukiwanie w sieci przy każdej turze, ograniczone do siedmiu wyszukiwań, z większym budżetem tokenów: 55 000 wejściowych i 40 000 wyjściowych. To persona z podłączonym narzędziem i większym budżetem, i jest użyteczna właśnie dlatego, że ścieżka jest ustalona. To nie jest pętla, którą steruje model, a przewodnik po routingu Auto wyjaśnia, co faktycznie wybiera model za każdą wiadomością.

Słownictwo dryfuje w stronę nazywania wszystkiego agentem. Pytanie, jakie warto zadać o produkt, to to na początku tej strony: kto decyduje o kolejnym kroku? Jeśli odpowiedź brzmi "skrypt" albo "nikt", kupujesz workflow lub chatbota, i to może być dokładnie to, czego potrzebujesz.

Kiedy agent jest właściwym narzędziem, a kiedy nie

Agent zarabia na swój koszt tam, gdzie ścieżki nie da się znać z góry: badania, w których drugie wyszukiwanie zależy od pierwszego wyniku, debugowanie, w którym poprawka zależy od wyniku testu, przeglądanie sieci, w którym kolejne kliknięcie zależy od strony. Elastyczność jest tu produktem.

Agent jest złym narzędziem, gdy ścieżka jest znana. Streszczanie, wyodrębnianie, tłumaczenie, przeformatowanie, klasyfikowanie: to jedno wywołanie albo ustalona sekwencja wywołań, a opakowanie ich w pętlę dodaje koszt, opóźnienie i nowy sposób na porażkę bez dodawania możliwości. Rada z przewodnika Anthropic pozostaje aktualna: zacznij od pojedynczego wywołania, przejdź do workflow, gdy jedno wywołanie nie wystarcza, i sięgnij po agenta tylko wtedy, gdy workflow wciąż potrzebuje rozgałęzienia, którego nie da się przewidzieć.

Reguła decyzyjna: jeśli możesz narysować kroki na tablicy przed rozpoczęciem, nie buduj agenta.