Параўнанне кіраваных агентаў: Anthropic, LangGraph і Google ADK
Хто адказвае за пясочніцу, уліковыя даныя і трасы? Параўнанне Anthropic Managed Agents, LangGraph і Google ADK з цэнамі, тыповымі збоямі і хуткай схемай выбару.
Крыніцы: Anthropic Managed Agents vs LangGraph vs Google ADK: Pick One
Здольнае зображэнне: 3 гадзіны ночы. У Sentry з’яўляецца адказка. Бот чытае даныя пра збой, выявляе прычыну — супернаганянне ў кодзе платэжаў, пішаць праваку і стварае запрошэнне да скасавання. Калі інжынер, які працуе па змянам, ачынае Slack о 7 гадзін, там вяліцься запрошэнне да скасавання, якое чакае на перагляд. Ніхто не пісаў разлікі змян і не задаў запіт.
Этот бот — кераваны агент. Раней стварэнне такога агента вымагала шасці інжынероў і часткі часу: спецыяльную сандбокс-сераўерную срэду, хранілню станоў, логіку павторных спроб, сховішча аўтэнтыфікацыйных даных і сістэму логавання. Sentry стварыла свой агент за шасць недзеў з однай командай, і розлік у тым, што ў яё агенце няма болей розумнага модэлю. Цяпер за всім карыць іншыя людзі. Агент берае аналіз коранавай прычыны з Seer — дыягнастычнага AI Sentry — і ператварае яго ў запрошэнне да скасавання з правакамі. 10 кастрычніка 2026 года Anthropic назвала яе першым кліентам, які ўжо вікорыстоўвае гэты агент.
Ёсць трое компаній, які зараз продаюць гэты продукт у масовым масштабе: Anthropic, LangChain і Google. Іхні падходы разлічаюцца ў тым, як распадзяць адпаведальнасць за працу між вамі і ўсіма імі. У наступным разабраны тое, што змянілася, што пропонуе кожна з компаній, дзе воны часта паспялвалі і як выбраць оптымальны варыянт. Аслівны вопыт не ў тым, які фрэймворк найкрашчы, а ў тым, яку частку кантролю над працэсамі ваша команда хочаць маты.
Што означае „управляючы агент“
Пачнімо з слова „агент“. Гэта програмна аплікацыя, якая прыме заведама заданне, выберэ дзеяння, скорыстаецца інструментамі, пераканаецца, як усё йдзе, і зноў прабуе. Чат-бот не ёсць такім.
„Управляема“ аплікацыя означае, што прадаўцы керуе інфраструктурой: захішчаным кантэйнерам, станам сесій, аутантымацыяй, павторнымі спробамі пасля перашкод у сецесіі. Вы задаеце заведамыя і ваказанні для інструментаў. Управляемыя агенты адносяцца да коду агентаў, напісанага вручную, так сама як управляемыя базы дадзенаў адносяцца да самастаянахоўваных базаў дадзенаў Postgres. Вы керуеце схемай і запытамі, а прадаўцы абавяжаныя забезпечваць апаратную частку, архіўаванне, перэхід на альтэрнатыўны рэсурс і монітарынг.
Ёсць такі крокі ў выкананні задачы. Вы падаеце заявку, напрыклад: «Паставіць кантэнт трох працэў у адна-сторанковы кіяс». Прадаўцы запускае захішчаны кантэйнер Linux, а агент працоўвае ў яму, выклікае інструменты і запісвае файлы, а рэзультаты прыходзяць да вас. Які бы вы не закрылі ноутбук, працэўка будзе продаважыцца. Які бы вы не пазбяралі з’ўязак, працэўка будзе продаважыцца. Праўерыўшыся час пазней, вы можаце прыўязацца і продаважыць працэўку з таго моменту, калі яе застаўлі. Кожная дзеянне фіксуецца ў стойкім журнале сесій, падобна да історыі змян чы счытальніка бухгалтэрскіх даных, і гэты журнал ёсць аднаковым джэрэлам інформацыі.
Гэтае ёсць галоўная змяна. Агент больш не працуе ўнутрь вашага процэсу. Гэта працоўнік на стороне сервера, які перазстойвае разыянні з’ўязку, пачатак і завершэнне працы ноутбука, і вам не трэба пісаць код, каб досягнуць такога рэзультата. У гэтым сценарыі ўсё ж няма коду. Вы проста задаеце заведамы, прадаўцы керуе працоўнікам, а рэзультаты застаюцца пасля завершэння вашага з’ўязку.
Чаму гэта мае значэнне зараз
Большасць корпаратыўных агентаў згінуе на стадзіі дэманстрацыі. Ноутбук працуе, відэа выглядае чудова, а потым у рэальных умовах прасяблія такія, якія ніхто не хоча будаваць. Патрэбны сандбоксы, каб агент не мог даць вялікаг уражэння хосту, сховышчы, каб токены не выцякалі, можлівасць зберагчыння дадзеных, каб перапрацоўка не зупіняла працу, павторныя спробы для вызоў інструментаў, якія заканчыліся таймаутам, можлівасць назірання, каб адпаведальны спецыяліст мог з’ясаваць, што адбылося о 2 гадзіны ночы, і паведамленні пра перакрыцча бюджэту, каб застралы цыкл не з’еў 500 долераў, пакуль хтось не з’ясуе гэта.
Нічога з гэтага не ёсць часткай працы з мадэлямі. Што да гэтага, то ўсё — частка працы з платформамі, а большасць команд AI не мае дапаможных інжынераў платформ.
Антрапік ставіць сабе за мету заполніць гэты прыем. У матэрыялах, публікавых у квеце 2026 года, обяцваюць «10 разоў быстрэйша перадача на выпуск». Гэта маркетынгавая тверджэння, а не прамера, але яна вказывае на справжню проблему. Звясткі з прэсы (VentureBeat, таму не цыфры, апаведаныя самай Антрапіком) паказваюць, што годовыя доходы компаніі пераследзілі 30 мільярда долераў, пры чым адпаведна 80% складаюць доходы ад корпаратыўных кліентаў. Продукт Managed Agents рашае проблему, якая спаноўвала затрымкі у гэтых доходах.
Чатыро чаклівых кліентаў запусцілі яго у працэ. Notion інтэгруеўць агентыў для інжынераў і спецялаў з навуковай працэю у свой рабочы простор. Rakuten распадзіла агентыў на групы для продуктаведчасці, прыметкі, маркетынгу і фінансаваў. Sentry выпусціла бота для прэсы. Asana вікорыстала яго, каб прышвырнуць працу над AI Teammates.
Краткае апісанне трох платформ
Яны разніцаецца тым, насколькі працюе прадавец і насколькі — вы. Распрыём Anthropic ёсць найнэўшы, таму яму прыдзелае найбольшая частка аналізу. LangGraph і Google ADK існуюць вялікі час.
Anthropic Managed Agents
Яны былі запусцаны 10 кастрычніка 2026 года і ўпершыню являюцца продуктам з абсалютнаю адзначанаею адзынкай ад прадавца модэляў. Anthropic керуе кантэйнерам выканання, храненнем історыі сесый, сховішчам аутантыкацых дадзенняў, логікай павторных спроб для нявдалых вызоў інструментаў і трэйсінгам. Вы пішаеце толькі два элементы: апісанне задачы і спіс інструментаў.
Адзін запуск выглядае так: вы надаеце запыт тыпу POST з пазначэннем "запусціце агента з гэтымі інструментамі для гэтага заведама". Anthropic стварае новы кантэйнер Linux, які ўтвараецца толькі на пачатку і знікае на заканчанні, таму сесіі ніколі не дзеліцца файлавой сістэмай. Усерэдзіні працюе Claude: ён чытае заведама, выбірае крок, вызывае інструмент, чытае рэзультат і зноў прыме рашэнне. Кожны запіс прыменяецца да логу сесіі, які Anthropic зберагае за вас — гэта ліст, куды можна толькі дадаць новыя запісы. Запісы вяртаюцца да вас праз HTTP, а калі з’ўязок з’яўляецца перэрваным, агент продовжае сваю працу.
Цены для інфраструктуры ў даным случае нестандартныя. Вы плаціце звычную цэну за токены Claude плюс фіксаваныя восем цэнтам за актыўную гадзіну сесіі. Бот, які працюе цэлы час, коштае абоўша 58 долераў у месцы на час працы, не включаючы токены, тады як трывалая праца прыблізна трохі больш за тры хвіліны для обработкі адной заявы падтрымкі коштае меней чым цэнт. Аблікаванне рахунку ведзецца за часом сесіі, а не за часам работы CPU.
Цена такой зручнасці — глыбока інтэграцыя. Сістэма працы створаная для Claude, таму вы не можэце вікорыстаць іншую мадэль без перапісву шара логікі. Выходам ёсць адкрытыя на код Claude Agent SDK — той самы цыкл агента, які можна размясціць у вашай сабе бібліятэкі. У замен вы отрымуеце срэду працы, яку чатыры компаніі запусцілі у працэўны рэжым за шасць тыдзяней пасля запуску. LangChain і Google выпускаюць платформы агентоў вялікі час — адпаведна абоўша 18 месцацев, таму новым ў даным случае ёсць абсалютна кераваная асяроддзе працы ад постачальніка мадэляў.
LangGraph з LangSmith
Гэты комплект — гэта план керування, інструменты, якія працуюць над вашай інфраструктурой і коордынуюць работу агента. Вы ствараеце граф, схему крокаў, якія выконвае агент. LangChain забезпечвае хостынг, фіксацыю крокаў (запіс кожнага кроку) і базу дадзеных для зберагання гэтых запісаў, якія можна шукаць. Бібліятэка графав мае ліцензію MIT, таму вы можэце вольна копіяваць, менаваць чыста самостоятэльна хоставаць яе, што дае рэальную перэноснасць. Залежнасць стварае база дадзеных для зберагання запісаў, таму што запісы можна повнасцю шукаты толькі внутрь LangSmith.
Google ADK з Vertex AI Agent Engine
У гэтым варыянце прытлумляець, што вы ужо працуеце ў Google Cloud. Вы пісаеце прытлумлячыя агенты на Python (Java і TypeScript будуць доступныя да 2026 года) і размешчаеце іх у Agent Engine — адмініструемаймым сераверным сераўісе Google на Cloud Run або Kubernetes. Прытлумлячы агент успадковуе вашы правілы безпекі ў воблаку: правілы сеткавага перыметра, політыку канфігурацыі ключоў шыфравання і настройкі IAM. Калі вашы дакументы, якія павінны падтвердзіць супакоўнасць, ужо апісваюць умовы работы ў Google Cloud, ADK являецца найшырэшым шляхам ад протатыпа да раштучнага інтэлекту, які будзе санкціонаваны вашай командай безпекі.
Што включае Anthropic Managed Agents
Вы опісваеце заведаменне, а Anthropic яго выкананае. Код паказвае, як мало трэба пісаць:
import os
import httpx
from anthropic import Anthropic, APIStatusError
# API surface is beta (managed-agents-2026-04-01); confirm against
# platform.claude.com/docs before shipping.
client = Anthropic(
api_key=os.environ["ANTHROPIC_API_KEY"],
default_headers={"anthropic-beta": "managed-agents-2026-04-01"},
)
# The Managed Agents surface uses two REST endpoints against the beta:
# POST /v1/managed-agents/sessions -> create a session
# POST /v1/managed-agents/sessions/{id}/runs -> start a run on that session
# Use httpx directly until the typed namespace stabilizes in the SDK.
BASE = "https://api.anthropic.com/v1/managed-agents"
session = client.post(
f"{BASE}/sessions",
json={
"model": "claude-opus-4-7",
"tools": ["bash", "code_execution", "web_fetch", "memory"],
"sandbox": {"network": "egress_allowlist", "timeout_hours": 24},
"system": (
"You are a research summarizer. Fetch the top three papers "
"on retrieval-augmented generation from arXiv this week, "
"run eval code, and write a one-page brief."
),
},
).json()
run = client.post(
f"{BASE}/sessions/{session['id']}/runs",
json={"input": "Start the weekly research brief."},
).json()
# Stream run events; wrap to survive transient disconnects.
try:
with client.stream("GET", f"{BASE}/runs/{run['id']}/events") as events:
for event in events.iter_lines():
print(event)
except (httpx.RemoteProtocolError, APIStatusError) as e:
# Persist run['id'] and reattach with GET /runs/{id}/events; the
# session log survives disconnects so the agent is not lost.
raise
Гэта агент для вырабатчыка, напісаны ў калькуляцыях з каля колькасці дзесяткаў ліній коду. Няма маніфеста Kubernetes, няма імаграфа сандбоксу для адтрымання, няма налаштавання checkpointer. Заголовак managed-agents-2026-04-01 дазволяе прыўязацца да таго, што інжынеры Anthropic называюць мета-інструментам, складзеным з трох разлучных частак.
Сесія — гэта лог, у якого можна толькі дадаць новыя даны. Выклікі інструментоў, паведамлення агента і спостэрэнні заўсёды запішываюцца там, ствараючы надзеяны фікс, які можна перэглядаць цэлым. Мета-інструмент — гэта Claude плюс інтэрфейсы інструментоў, цыкл, які чытае даны з сесіі, выбірае наступную дзеянне, выклікае інструмент і запішвае рэзультат. Сандбокс — гэта тымчасовы кантэйнер Linux, які ствараецца для кожнага заведамчыка і зніквае пасля яго завершэння. Крантыдатыры Git і токены MCP OAuth зберагаюцца ў сховішчах, якія знаходзяцца за межамі сандбоксу, тады агент можа даець да яных доступ без неабходнасці ўтрымвання іх у себе.
Зберагчыце сэсіі — гэта функцыя, якую людзі недаюць належнага значэння. Заданне, якое трэба выконваць колькі гадзін, не пачынаецца занова, калі кліент ад’юнкуруецца. Сэсія застаецца на месцы, прыстрой для з’ўязку зноў паўтарае з’яўленне, а агент продолжае работу. Кожны, хто ставіўся да довгага адпрацоўвання заданняя праз ненадзеючы інтэрнэт, цэнаць гэта.
О паводзе з костамі, сума ў $58 на месцы для агента, які працуе 24/7, выглядае менш болючай, калі альтэрнатыва — шасць тыдзёў працы ў спеціяльным сераверском сэрвісе. Чыста па доказах: Notion выдает інжынерных агентоў разам з агентамі для працавальнікаў, якія работаюць з інформацыяй; Rakuten пад’ўязвае агентоў да Slack і Teams у розных дапамогах і отрымае табліцы, слайды і дапыткі; агент Sentry піша код з рашэнням проблемы і ачынае PR, а Asana прызначае платформе заслугі за тое, што яна дазволяе камандзе працаваць над мнагакарыстковым UX у замест на рашэнне тэхнічных проблем пад час выканання заданняў.
З’являецца практычна немагчымасць выйсці: вы не можэце проста заменіць Gemini чым GPT за адну хвіліну, не пакінуўшы даную сістэму. Едыны спосаб выйсці — гэта вікорыстанне Claude Agent SDK, які можа працаваць на AWS Bedrock, Google Vertex AI чым Azure AI Foundry. Калі ваша логіка з самага пачатку напісана на адповідачах SDK, тады выход з кераванай асяроддзя ўскладнюецца перэзбіранням, а не перапісвам коду.
Што прыносіць LangGraph
LangGraph дае вам неабходныя элементы, а вы сабіраеце з іха прылад.
import os
from langgraph.graph import StateGraph, START, END
from langgraph.checkpoint.postgres import PostgresSaver
from typing import TypedDict
class State(TypedDict):
query: str
sources: list
draft: str
approved: bool
def fetch_sources(state: State) -> State:
# implement with your retrieval and LLM layer
return {"sources": retrieve(state["query"])}
def draft_answer(state: State) -> State:
# implement with your retrieval and LLM layer
return {"draft": synthesize(state["sources"])}
def human_review(state: State) -> State:
# interrupt; resumes when approval is posted
return state
graph = StateGraph(State)
graph.add_node("fetch", fetch_sources)
graph.add_node("draft", draft_answer)
graph.add_node("review", human_review)
graph.add_edge(START, "fetch")
graph.add_edge("fetch", "draft")
graph.add_edge("draft", "review")
graph.add_conditional_edges(
"review",
lambda s: "done" if s["approved"] else "draft",
{"done": END, "draft": "draft"},
)
# Never hardcode DSN - pull from env and configure a connection pool in prod.
DSN = os.environ["POSTGRES_DSN"]
app = graph.compile(checkpointer=PostgresSaver.from_conn_string(DSN))
Уявіце LangGraph як рэдактар машын станоў для керавання поведэнцыяю агента. Граф візначае наступны крок і даны, якія перадаюцца. Кожны вузол — гэта звычная функцыя, кожны рэшта — адзначаны, а кожную галузь можна пераглянуць.
У жаўтні 2025 года LangChain перайменаваў платформу LangGraph у LangSmith Deployment. LangSmith зараз служыць болейш чым 300 корпаратыўным кліентам і обробіў болейш чым 15 мільярда траекцый і 100 трыліянаў токенав. Гэты об’ём являецца захоўнікам, адтолькі ўзаемная залежнасць крыўцяецца ў можлівасці абзору, а не у бібліятэкі графаў MIT.
Кліянты выступаюць за можлычнасць кантролю. Адпамячальнік Klarna, створаны на базе LangGraph і LangSmith, адказвае за 85 мільйонаў актываўных корыстувачаў і скараціў час рашэння прыбліжна на 80%. Команда платформы для распрацоўшчыкаў Uber створыла Validator для выяўлення нараканняў і AutoCover для генеравання тэстаў; яны адказваюць за 5 000 інжынераў і, як паведамляецца, зарабляюць 21 000 гадзін працы распрацоўшчыкаў. Агент для програмавання Replit адрабоцуе багата-агентныя працэсы з падтрымкай людзей праз апраўленне установкі пакетаў і стварэння файлоў, а LangChain быў змушаны распрастрыць функцію прыемкі трэсаў, каб могчыць обрабляць трэсы дужа дзейнаўгіх. LinkedIn (AI-рэкрутар) і AppFolio (копілят для керування нерчамі, як паведамляецца, з удвоеным рэвальянтнасцю пры выніканні рашэнняў) уключаныя ў індэкс прыкладаў вядзення працы LangChain, але перад тым, як счытаць іх стабільнымі кліентамі, неабходна пераканацца на ўпорадкованай старонцы кліента.
Выклікаецца певныя законамасці: калі працэйны план мае больш чым тры галузі або пункт людзкай апраўды, команды выбіраюць LangGraph, таму што абстракціі вышэйшага рэвэля ўтаіваюць ціклы, галузі, пункты контролю і можлівасці зберагання дадзеных, якія патрабуюць складныя агенты.
Косты карбуюцца інакш, чым у кераваных срэдах выканання. Існуе безкоштовны ўровень для распрацоўшчыкаў з лімітамі па выкарыстоўванні, а точныя прагі зміняюцца, таму трэба пераканацца на сторонніце з цэнамі LangChain. Незалежна ад таго, дзе ён выконваецца (SaaS, гібрыдны або самастойна размешчаны), расходы на інфраструктуру лягаюць на вас. Карбаванне аутэнтыфікацыйных дакументаў на ўровні SaaS можа разлічвацца ад стандартнага падходу для самастойна размешчанага рашэння, таму трэба пераканацца ў цэму за дапамогою дакументацыі для вашага варыанта. Сам LangChain проста адказвае: абстракціі вышэйшага рэвэля дапамагаюць быстра пачаць работу, гнучкасць ніжэйшага рэвэля дапамагае справляцца з рознымі запітамі у працэўнай асяроддзі, крывая навучэння ёсць стрэлкавай, але команды не пераходзяць на іншыя рашэння. Рэпліт і Убер яўляюцца падтверджэннем гэтага.
Што прыносіць Google ADK
ADK — гэта прымітывы рабочага праймітыва з чыярым падходам, а таксама наследаваная сумэннасць. Вы пішаеце агенты на кодзе, размешчаеце іх у Vertex AI Agent Engine і падтрымліваеце рэгулярную безпеку.
from google.adk.agents import LlmAgent, SequentialAgent, ParallelAgent
from google.adk.tools import built_in_tools, VertexAISearchTool
search_agent = LlmAgent(
name="research",
model="gemini-2.5-pro",
instruction="Retrieve the top 3 papers on RAG from the last 7 days.",
# replace with your Vertex AI Search datastore resource path
tools=[VertexAISearchTool(datastore="projects/.../ragDatastore")],
)
analyze_agent = LlmAgent(
name="analyze",
model="gemini-2.5-pro",
instruction="Summarize findings and extract evaluation methodologies.",
)
# Mandatory: prevent thinking-loop cost bombs before you deploy.
# - In code, cap iterative work by wrapping retry-heavy steps in a
# LoopAgent with a small max_iterations.
# - In Cloud Console: Billing > Budgets & Alerts > set a project-level
# budget alert (e.g., $10/day) with notification channel configured.
pipeline = SequentialAgent(
name="weekly_brief",
sub_agents=[search_agent, analyze_agent],
)
# Deploy to Vertex AI Agent Engine with inherited VPC-SC + CMEK.
# Set billing budget alerts in Cloud Console before deploying to prod.
from vertexai import agent_engines
remote = agent_engines.create(
agent_engine=pipeline,
requirements=["google-adk", "google-cloud-aiplatform"],
display_name="weekly-research-brief",
)
Прымітывы розповідаюць історыю. SequentialAgent віконуе крокі по чэрзі, ParallelAgent — одночасно, а LoopAgent повторуе крок доты, докі не будзе віконана умова. Основній прымітыв графу підтрымуе будзь-які формі, тому доступні чотыры архітэктуры з самого початку. Версія для Python — 1.0.0 і готова до вікорыстання у продакшэні, версія для Java — 0.1.0, а версія для TypeScript очыкуецца до 2026 року.
Віголь не ўтварае канструкцыю. Цэта функцыя даўаецца вам пад час развёртвання пры помочы Agent Engine. VPC Service Controls, якія ўтвараюць меры безпекі сеткі Google, адначынаюць, хто можа дасягнуць чаго. Клучы шыфравання, кімі керуе кліент, дазваляюць вам, а не Google, кераваць процэсам шыфравання дадзейнаў. Айдэнтычнасць агента IAM прыводзіць да таго, што агент стае суб’ектам безпекі з сасобамі прыязджання сваёй політыкі. Хронікі аўдыту падаюць з Cloud Trace і Cloud Logging. ADK таксама містыць падмагчым 100+ готавых канектароў (AlloyDB, BigQuery, NetApp і іншыя) і падтрымлівае протакол Agent-to-Agent ад Google для взаімадзейнасці.
Калі сістэма не працюе, ўскладнення з ней ў мінімуме. Agent Engine берэ 0,00994 долара за гадзіну на vCPU і 0,0105 долара за гадзіну на GiB; токены і вызовы інструментаў урахоўваюцца як окрэмыя статты расходаў, пры тым існуе безкоштовны рывень. Аналіз трэціх сторон паказаў, што ADK з Gemini запускаецца трохі быстрэй, чым LangChain з Gemini. Гэта ў лепшым разе лішэнне напрамоўвання, таму перад тым, як перадаць гэты досвід на заседанні, неабходна самім пераканацца ў эфектывнасці вашай працы.
Чаму важліва спадчына VPC-SC
У ADK яшчо няма выдаўных прыкладаў прыменення на такім масштабе, як у Klarna чы Uber — гэта ўсё шчэ новы учаснік рынку. Програма GEAR ад Google, якая надае 35 месячных крэдытаванняў на навчанне і шляхі до сертыфікацыі, субсідыюе навчанне ADK для корпорацый, падобна да таго, як AWS субсідыювала програму Well-Architected дзесятак гадоў тыму, пры тым прыклады прыменення яшчо ствараюцца.
Тут ADK выграў сёння – гэта межа дотрымання правіл. Компанія, якая ужо мае параметры VPC-SC, політыкі CMEK і прынцыпалів IAM, отрымуе агента ADK, які успадковуе іх усі без додатковоі налаштовкі, што мае вялікую ценнацыю пораўняно з будзь-якай іншаю функцыяй каркасу. Вы купуеце варыант, які пасуе да вашай існуючай сістэмы безпекі. Для команд, якім не потрэбны вімогі VPC-SC, аргументы ўправління слабшаюць, і LangGraph чы розпрацаваныя агенты, верагодна, ўсё більш скорачуюць шлях.
Матрыца власносты
Калі тры платформы ужо розташаваны, ось пораўнанне, якое мае значэння: хто володзіць кожной оператыўной поверхнею ў працэсе віробніцтва. Гэта можна спрацаваць як сітку вахтовых працавнікаў. Две радкі маюць набагато большое значэнне, чым рэшта, і багатыя корпоратыўныя команды часта неправільна оцінююць іх пад час аналізу.
Сэндбоксаванне. Выберыце LangGraph, і сэндбокс стане вашым. Вы ствараеце аб’ект кантэйнера, настраюеце выход у сетка, вяршыце рашэння пра тое, дзе файлавая сістэма будзе тымчасовай, і змянюеце патчы CVE. Anthropic і Google праўяць гэта за замовчаннем. Калі у вашай платформе вялікі застой на рэалізацыю задач ужо чатыры кварталы, сэндбоксаванне як сервіс дапамага заўратыць адзін квартал.
Крэдытныя даны. Managed Agents зберагае токены Git і токены MCP OAuth у сховішчах за межамі сэндбокса. Google ADK выкарыстоўвае ідэнтычнасць агента IAM, таму агент ёсцца суб’ектам з саею політыкай. LangGraph залучае кераванне крэдытнымі даныма да вашай рэалізацыі, хоця версія LangSmith Deployment SaaS включае кераванне з боку службы, і вам трэба падтвердзіць дэталі ў вашай угодзе.
Гэты последні пункт апісвае тонкі радыус уражэння. Калі агент зачынае працу з базамі дадзеных у працоўным рэжыме, а ваш патэрн включае адна спяльная таямніца, LangGraph не дае вам нічага, што могла б абараніць ад нештае.
Косцт выканання мае меншое значэнне, чым кожны з іншых пунктав. Косцт адзорванасці ў часе мае вялікае значэнне, адколі самэ ў рахунку за трэйсы LangSmith і зменяецца загальны косцт LangGraph, пераходзячы з прагнозаванага на неспадзеваны.
Дзе кожны з іх выклікае проблемы
Кожная платформа мае свой характэрны спосаб працавання з адказамі ў рэальным часе. Прыклады, прыведзены ніжэй, взяты з дасведчэнняў віробніка або ад тых, хто ўжо іх выканаў.
Anthropic: стысненне. Гэта тады, калі агент скорачвае історыю сесіі, каб яна пасваялася ў межы кантэксту модэлю. У блоге інжынераў Anthropic чытна пісана, што стысненне прыводзіць да незворачных рашэнняў пра тое, што залішыць, і зазначаецца, што важка дакладна ведаць, якія токены патрэбны ў будучых кроках. На практыцы такое стысненне можа адмаўіць доступ да кантэксту, які агент патрэбуе пазней, і тады запуск збяжае. Першы тэст у будзь-якай ацэнцы — гэта задача, якай патрэбныя даны з першых 20% сесіі пасля 80%-го маркера. Калі ён збяжае без жадных сігналов, значыць, вы знайшлі межу можаўносцей платформы.
Google ADK: цыкл міркувань. У справаздачы Composio опісуецца сітуація, колі за одну заблоковану сесію було сцягнуто 5 доларыв праз постыйні спробі агента вікорыстовуваты неефектывній інструмент, што прызводыло до вітраты хвілін vCPU і накопічэння токенів. Інжэнер Composio зазначае, што дэмонстраціі віглядалі чудово, але у продакшн-версіі більшысць вікліків інструментаў зазналі невдачы, што прызвело до додатковіх вітрат у розміры 5 доларыв. Composio мае комерційній інтэрэс у параўнанні з ADK, тому гэты справаздача слід розглядаты як опіс досвіду окрэмого фахівця. Засобі мінімізаціі проблем включаюць поперэджэння про бюджэт, обмежэння трывалосты сесій і ліміты колькасці вікліків інструментаў з самого початку. Платформа охочэ дозволяе агенту потрапляты у фінансові проблемі.
LangGraph: сітка з кальмінарамі. Аналіз з Latenode паказывае, што больш чым 75% сістэм з кальмінарамі становяцца важкімі для керавання, калі ў яных паўтараецца пяць кальмінараў, і ў яных з’яўляюцца сітуацыі супернікавання, застрэйкі, парадуксальны стан і выкаранне памяці. Цэй аналіз трэба спрыяць як даследжэнне аналітыка, а не як незалежнае даследжэнне, хоць яно падтрымвае тое, што опісвалі Replit і Uber. Проблема не праказываецца ў першым чы трэцім кальмінарэ; яна з’яўляецца ў шостым, калі рэгліі сіткі становяцца незрозумелымі, стан контрольных пунктав стае важкім для аналізу, а контрольныя пункты з удзелам чалавека плутаюцца з асінхроннымі галузямі. Команды, якія выграюць у LangGraph, трывожуць сіткі з меньш чым пяцьма вузламі або інвестуюць многа ў можлівасці абзірнасці. Тыя, якія праграюць, прабуюць стварыць скупчэнне з дзесяць кальмінараў без жадных з гэтых рашэнняў.
Гэтыя спосабы абвалення ёсць архітэктурнымі, а не аператыўнымі, таму крашчая інжынерыя не зможа іх усунуць. Вы выбіраеце платформу, чыяя проблемы здатны вы пераканаць.
Абсарабаванне пасля обеду
Тры запытанні раз’ясняюць большую частку праблемы.
Чы трэба гэта адправіць у гэты квартал? Як так, то Managed Agents ёсць стандартны выбар, калі ў командах няма трэбаванняў VPC-SC, таму што нічога іншаго не скорачае час ад протатыпа да практычнага вікорыстоўвання настолькі ж сільна. Чым раней запісаце логіку агента на базе інтэрфейсаў Claude Agent SDK, тым легча будзе пазьней перайсці на самастойна размешчаны Bedrock або Vertex.
Чы дызайн складаецца з больш чым пяці галузей, або ёму трэбна падтрымка людзей у калькі момантаў? Тады LangGraph, калі толькі у вашай командзе ёсць можлівасці платформы. Klarna, Uber і Replit яўляюцься прыкладамі, а болей высокая крыва навучэння дапамагае выбраць прымітывы, якія не створуюць неспакою у 3 гадзіны ночы.
Чы праца вашага ўжо знаходзіцца на Google Cloud і трэбуюцься VPC Service Controls? Тады ADK з Agent Engine — гэта просты спосаб. Саўстанавленне стандата даецца без доплат, а вартасць зберагання — найніжэйшая сярод трох. Пры ацэнцы врачуйце таксу за працю сістэмы.
У спрошчаным варыянце: для адразы ў гэтым кварталі Managed Agents — гэта найшырэйшы варыянт, LangGraph выклікае патрэбу ў інвестыціях у платформу, а ADK выклікае патрэбу ў внутраніх экспертах з GCP. Для складных архітэктураў з болейш чым пяцью філіямі або процедурамі затверджэння Managed Agents мае абмежэнні, таму што яго падход ёсць фіксаваным, LangGraph ёст канфармованы выбор, а ADK падтрымае большасць фарматаў за дапамогою своіх прымітываў. Калі неабходны GCP з VPC-SC, Managed Agents выклікае дадатковую работу з інтэграцыяй, LangGraph выклікае патрэбу ў стварэнні перыметра, а ADK яго успадковуе натывна. Для заведамацтваў з калькамі разных модэляў Managed Agents падтрымае толькі Claude (для перэноснасці выкарыстоўваеце Agent SDK), тады калі LangGraph ёсць незалежным ад модэляў, а ADK ставіць Gemini на першае месца, пры чым іншыя модэлі доступны праз LiteLLM аб канцэнтры, сумаспадобныя з OpenAI.
AWS Bedrock AgentCore заслуговае на короткая упамінанне як чатырты варыянт. Ён падходзіць для компаній, якіе выконваюць усё на AWS і хочуць адзін слой апрацоўкі дадзеных пад Claude Agent SDK, LangGraph і CrewAI, за цэнай 0,0895 долара за vCPU-гадзіну і 0,00945 долара за GB-гадзіну. Гэта інфраструктура, а не рашэнне на адміністратыўны ўровень, таму яна не включаецца у порэванне.
Прабуйце той самы агент на ўсіх трох
Рэалізуйце аднаго маленькага агента на кожной платформе: ўтыражненне за тыдзень, якое збірае тры няўжоўнія статты з arXiv пра генераванне з падкрэпленнем дадзеных, запускае короткі скрыпт ацэнкі і стварае адзін сторанак. Следзіце, сколькі часу трэба, каб перайсці ад клонавання да функцыональнага запуску, скількі кошта кожны запуск і насколькі быстро можна з’ясаваць, чаму запуск не выйшоў.
Для кераваных агентаў вышэйшы фрагмент ёсць цэлым каркасам: ствараецца адна сесія, адна експерыенція запуску і адны поток падзеяў з апрацоўкай адказаў на перыяды раз'язвання звязку. Заставіце ANTHROPIC_API_KEY, запустыце ўсё адно раз, пасля чаго прымусова перазапустыце кліент і паказваце, што лог сесіі застаўся, праз паўтарны запуск праз GET /runs/{id}/events. З ключам API Claude першы успешны запуск павінен займаць менейш часу.
З LangGraph граф ёсць толькі паловай задачы. Іншая палова — гэта контрольны механізм Postgres плюс месца для размешчэння. Найменшая налада выглядае так:
# 1. Postgres (any managed or docker-run instance)
export POSTGRES_DSN="postgresql://user:pass@host:5432/langgraph"
# 2. Install and run the compiled graph
pip install "langgraph[postgres]" langsmith
python summarizer_graph.py # runs the StateGraph from above
# 3. Deploy (LangSmith Deployment OR self-hosted)
pip install langgraph-cli
langgraph deploy --config langgraph.json # SaaS tier
# or: docker run ghcr.io/langchain-ai/langgraph-api ...
Планавайце паўдзені. Першыя паўгадзіна прыдзеляюцца на налашчэння, а наступныя тры гадзіны — на выбір месца розташавання пункту контролю для адзёв і спосабу перапрыбутку ў разе неудачы адзеля.
Для ADK логіка агента выконвачыцца за дапамогою SequentialAgent, а частка, якая выконвачыцца пад час працы, включае аўтэнтыфікацію праз gcloud і запуск Agent Engine. Мінімальная структура:
# 1. Auth + enable APIs
gcloud auth application-default login
gcloud services enable aiplatform.googleapis.com
# 2. Install and deploy
pip install google-adk google-cloud-aiplatform
python deploy_summarizer.py # runs agent_engines.create(...)
# 3. Governance wiring (inherited, not configured in code)
# - VPC-SC perimeter: Console > Security > VPC Service Controls
# - CMEK: Console > Security > Cryptographic Keys
# - Budget alert: Console > Billing > Budgets & Alerts
Запланавайце тут таксама паловы дзень — гэта будзе пераважна настройка IAM і VPC-SC, што якраз і ўскладніла вашы выбор ADK з самага пачатку.
Запускайце кожны з іх на тыдзень. Пораўняйце рachunkі за LangSmith, плата за гадзіны работы Claude і счыткування Vertex AI Agent Engine, а таксама прачытайце всі тры звясткі пра аберэння. Выберайце тую платформу, якая адпавядае рэальным інжынерскім можлівасцям вашай команды.
Што трэба памятаць
У 2026 году платформы-агенты перайшлі з фазы „чаму б не створыць гэта“ да фазы „якія компромісы нам даведзецца прыймаць гады“. Усі тры пакеты тут маюць рэальных кліянтав, рэальныя цыфры, рэальныя способы аберэння і рэальную цену, і ніхто з яных не ўсёвышэйшы. Яны прызначаны для разных умов эксплуатаціі. Выбор — гэта самаоцэнка вашай платформенскай команды, ступеня адпаведнасці правілам і готовасці до інжынерскай працы, таму выбірайце тую платформу, якая ёсць у вашай команды, а не тую, якой вы хацелі б располагаць.
- Managed Agents дапамагае перайсці з пратотыпу да практычнага выводу за калькі дзён, а не месцацоў, але ён прыяёжджае вас да Claude. Калі трэба выкарыстоўваць калькі поставшчыка модэляў, пішыце код на адпаведнасць з Claude Agent SDK і размясціце яго самі на Bedrock, Vertex AI або Azure AI Foundry.
- Спачатку перапрацаваце працэс тэставання. Створыце задачу, якой патрэбны першыя 20% сесіі пасля 80%-го момента, адколькі сам блог з інжынернымі праблемамі Anthropic адзначае гэты момент як той, калі сесіі тыха прастаюць.
- LangGraph падходзіць, калі ваша архітэктура мае больш чым пяць галоўных направленняў або трэба людзкія падтверджэнняе на калькі ўзлёсаў. Калі вы прагледваліся да вышэйшага фрэймворку, значыць вы ствараеце не тое, таму перайдзіце на графічны модэль прыбліжна да таго часу, калі з’являецца перакананне ў неабходнасці вікорыстоўвання калькі агентаў.