Многократные попытки для производственных ИИ-агентов

Многоуровневые попытки повтора для производственных ИИ-агентов: отсрочка вызовов больших языковых моделей, восстановление после ошибок инструментов, контрольные точки и надежные рабочие процессы, чтобы нестабильные API и сбои не прерывали выполнение задач.

Издатель: REACTAPP.TOPДобавлено на сайт 26 сент. 2026 г.10 мин чтения2377 слов

Источники: Building Retries in Agents: How to Build AI Agents That Survive Failures

Попытки повторного выполнения агента, выдерживающие реальные сбои

Игровой агент с двумя инструментами и циклом while кажется надежным до первого ограничения скорости, нестабильного API или сбоя в процессе выполнения плана. В продакшене агентам требуется многоуровневая устойчивость — а не один блок try/except вокруг LLM.

Сбои не одинаковы

Классифицируйте сбои перед повторной попыткой:

Временные ошибки LLM/API (429, 503, превышение времени ожидания)
Ошибки инструментов, которые модель может исправить (неверные аргументы, отсутствующие поля)
Логические тупики (неверный план), требующие перепланирования
Сбои процессов/инфраструктуры, приводящие к потере данных в памяти

Слепые попытки повторного выполнения для неверных типов сбоев тратят деньги и усугубляют проблемы.

Уровень 1 — Повторная попытка вызова LLM

Запросы на завершение работы, являющиеся идемпотентными, используют экспоненциальное замедление с добавлением случайных задержек:

from tenacity import retry, stop_after_attempt, wait_exponential, retry_if_exception_type
import anthropic

llm_retry = retry(
    stop=stop_after_attempt(2),           # 2 total attempts (1 retry)
    wait=wait_exponential(multiplier=2, min=4, max=60),
    retry=retry_if_exception_type((
        anthropic.RateLimitError,          # 429
        anthropic.APITimeoutError,         # Timeout
        anthropic.APIConnectionError,      # Network errors
        anthropic.InternalServerError,     # 500s (often transient)
    )),
)

@llm_retry
async def call_llm(messages, tools):
    response = client.messages.create(
        model="claude-sonnet-4-5-20250929",
        messages=messages,
        tools=tools,
    )
    return response

Ограничьте количество попыток; отображайте информированную ошибку при исчерпании лимита.

Уровень 2 — Позвольте модели обрабатывать ошибки инструментов

Возвращайте сбои инструментов в виде наблюдений, а не полных сбоев системы, чтобы агент мог скорректировать свои действия:

# Inside the agentic loop
for block in response.content:
    if block.type == "tool_use":
        try:
            result = run_tool(block.name, block.input)
            tool_results.append({
                "type": "tool_result",
                "tool_use_id": block.id,
                "content": json.dumps(result),
            })
        except Exception as e:
            tool_results.append({
                "type": "tool_result",
                "tool_use_id": block.id,
                "content": f"Error: {str(e)}",
                "is_error": True,
            })

Циклы в стиле Claude Code рассматривают stderr/stdout как контекст для следующей мысли.

@agent.tool
async def process_document(ctx, file_path: str) -> dict:
    """Process a document through the enrichment pipeline."""
    try:
        result = await run_enrichment(file_path)

        if result.status == "error":
            raise RuntimeError(f"Processing failed: {result.error}")

        return {
            "status": "success",
            "records_processed": result.count,
            "output_path": result.output_path,
        }
    except Exception as e:
        return {
            "status": "error",
            "error": str(e),
            "traceback": traceback.format_exc(),
        }

Уровень 3 — устойчивость на уровне агента

Постепенная сохранение состояния

Сохраняйте шаги плана, результаты работы инструментов и фрагменты диалога, чтобы после перезапуска можно было продолжить работу без повторения уже выполненных действий:

async def execute_with_resilience(agent, prompt, deps, max_retries=3):
    """Execute agent with checkpoint-based retry."""
    message_history = []

    for attempt in range(max_retries):
        try:
            result = await agent.run(
                prompt,
                deps=deps,
                message_history=message_history,  # Resume from last checkpoint
            )
            return result

        except (RateLimitError, APITimeoutError, APIConnectionError) as e:
            if attempt == max_retries - 1:
                raise  # Final attempt failed

            # Checkpoint: save what we have so far
            # How you access partial messages depends on your framework.
            # PydanticAI exposes all_messages() on the result; other frameworks
            # may store it differently. The key is: grab whatever history exists.
            if hasattr(e, '_partial_messages'):
                message_history = e._partial_messages

            # Also save context that tools have accumulated
            save_checkpoint({
                "message_history": message_history,
                "context_fields": deps.get_context_snapshot(),
            })

            wait_time = min(2 ** attempt * 5, 60)
            logger.warning(
                f"Agent run failed (attempt {attempt + 1}/{max_retries}), "
                f"retrying in {wait_time}s with {len(message_history)} messages"
            )
            await asyncio.sleep(wait_time)

Особенно важно сохранять состояние после успешного выполнения действий инструментов.

Уровень 4 — сбои инфраструктуры и Temporal

Надежные рабочие процессы особенно полезны, когда шаги должны сохраняться даже при сбое процессора:

# After each successful tool call, save a checkpoint
async def on_tool_complete(tool_name, result, current_messages):
    """Called after each tool completes successfully."""
    save_checkpoint({
        "message_history": current_messages,
        "last_completed_tool": tool_name,
        "context_fields": get_current_context(),
    })
    logger.info(f"Checkpoint saved after {tool_name}")

Где помогает Temporal

Длительные процессы утверждения, работа с участием человека, многочасовые цепочки действий инструментов.

Где возникают сложности

Простые чат-агенты могут не нуждаться в движке рабочих процессов; операционные затраты могут превысить риски.

Когда его использовать

Используйте Temporal (или аналогичные решения), когда побочные эффекты должны происходить ровно один раз и длиться дольше срока жизни процесса. Избегайте их для коротких агентов запросов/ответов с недорогими механизмами повторных попыток.

Более легкий производственный паттерн

Многие команды сочетают: повторные попытки работы с LLM + отслеживание ошибок инструментов + точки контроля в Redis/DB + систему надзора, которая возобновляет работу с последнего завершенного шага — без полной оркестрации рабочего процесса с самого начала.

from temporalio.common import RetryPolicy

TOOL_RETRY_POLICY = RetryPolicy(
    maximum_attempts=2,
    initial_interval=timedelta(seconds=5),
    backoff_coefficient=2.0,
)

Чек-лист

SandboxRestrictions.default.with_passthrough_modules(
    "anthropic", "httpx", "httpcore", "os", "anyio",
    "anyio._backends", "anyio._backends._asyncio", "threading",
    "pydantic_ai", "pydantic_ai.agent",
    "pydantic_ai.durable_exec", "pydantic_ai.durable_exec.temporal",
    "pydantic_graph", "pydantic_graph.beta", "fitz",  # ... and more
)

Задержка повторных попыток при временных ошибках LLM
Ошибки инструментов в виде сообщений, а не молчаливого прекращения работы
Создание точек контроля после изменения параметров инструментов
Таймауты и лимиты количества шагов
Ключи идемпотентности при записи данных
Метрики: частота повторных попыток, задержка выполнения шагов, уровень отказов

Что дальше

Добавьте тесты на устойчивость: прерывайте работу процесса во время выполнения инструмента, вводите ошибки 429 и проверяйте поведение при возобновлении работы. Устойчивость — это функция продукта для агентов, а не дополнительный элемент.

Лимит шагов и лимит суммы в долларах за одну попытку; переключатели отключения находятся рядом с регуляторами повторных попыток.

Лимит шагов и максимальная сумма в долларах за одну попытку; переключатели отключения находятся рядом с регуляторами повторных попыток.

← Все статьи Прислать бриф