ИИ-агенты на VPS: автономность под контролем

ИИ-агент — это LLM, которой дали инструменты и право действовать самостоятельно: искать, вызывать API, писать файлы, запускать код. Чтобы агент работал круглосуточно и по расписанию, ему нужен постоянно включённый сервер. Разберём, как поднять агента на VPS безопасно.

Чем агент отличается от чат-бота

Чат-бот отвечает и замолкает. Агент действует в цикле: думает, выбирает инструмент, выполняет действие, смотрит результат и решает, что дальше. Так он умеет доводить задачу до конца — собрать отчёт, обойти список ссылок, обновить базу.

Автономность требует, чтобы процесс жил постоянно и мог запускаться по триггеру или расписанию. Для этого нужен собственный сервер: агент на локальном ноутбуке умирает, как только вы закрыли крышку.

В основе почти любого агента лежит паттерн ReAct — reason and act. Модель на каждом шаге рассуждает вслух, выбирает действие, получает наблюдение и снова рассуждает. Этот цикл повторяется, пока задача не решена или не сработал лимит. Понимание этой петли — ключ к тому, чтобы отлаживать агентов, а не гадать, почему они застряли.

Что должно крутиться на сервере

• Рантайм агента — Python-процесс с циклом рассуждения
• Инструменты — поиск, HTTP-клиент, доступ к БД, файловой системе
• Память — векторная база или Redis для контекста между шагами
• Планировщик — cron или очередь задач для запусков

Всё это отлично помещается на скромный VPS, если тяжёлую генерацию выполняет внешний LLM-API. Если модель локальная — ресурсов нужно больше.

Ставим фреймворк агентов

Возьмём LangGraph — современный способ строить агентные циклы поверх LangChain, с явным управлением состоянием.

python3 -m venv ~/agent && source ~/agent/bin/activate
pip install langgraph langchain langchain-openai \
  duckduckgo-search requests

Инструмент — это обычная функция с описанием. Модель сама решает, когда её вызвать.

from langchain_core.tools import tool

@tool
def search(q: str) -> str:
    """Ищет информацию в интернете."""
    from duckduckgo_search import DDGS
    return str(list(DDGS().text(q, max_results=3)))

Собираем агентный цикл

LangGraph связывает модель и инструменты в граф, где агент крутится, пока не выполнит задачу.

from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI

agent = create_react_agent(
    ChatOpenAI(model="gpt-4o-mini"), tools=[search])
r = agent.invoke({"messages": [("user",
    "найди курс USDT и запиши в файл")]})
print(r["messages"][-1].content)

Обязательно ставьте лимит шагов (recursion_limit), иначе зациклившийся агент будет жечь токены и CPU до бесконечности.

Хороший инструмент — это половина успеха агента. Описание функции в докстроке модель читает буквально и по нему решает, когда инструмент вызвать. Пишите описания чётко и с примерами: расплывчатая формулировка приводит к тому, что агент либо не пользуется инструментом, либо дёргает его невпопад.

Безопасность автономности

Агент, который может выполнять код и ходить в сеть, — это риск. Изолируйте его, чтобы ошибка модели не снесла сервер.

• Запускайте агента под отдельным пользователем, не под root
• Опасные инструменты (shell, запись файлов) держите в Docker-песочнице
• Ставьте таймауты и лимиты на количество и стоимость шагов
• Логируйте каждое действие — так видно, что агент реально делал

На MAATRIX вы получаете root-доступ, поэтому легко нарезать пользователей и контейнеры под нужный уровень изоляции, а ежедневные бэкапы вернут систему, если агент что-то напортил.

Отдельно продумайте доступ к секретам. Агенту почти всегда нужны ключи от API и баз, но давать ему всё подряд опасно. Выдавайте минимально необходимый набор прав, храните ключи в переменных окружения, а не в коде, и по возможности используйте отдельные ключи с ограниченными правами специально для агента — тогда даже утечка не обернётся катастрофой.

Запуск по расписанию

Автономный агент часто работает не по запросу, а по таймеру: раз в час собрать новости, ночью обновить базу. Cron — самый простой планировщик:

crontab -e
# каждый час запускать агента
0 * * * * /root/agent/bin/python /root/agent/run.py >> /var/log/agent.log 2>&1

Для длительных задач и параллелизма поверх этого ставят очередь (Celery, RQ). Постоянно включённый VPS — обязательное условие: агент должен просыпаться сам.

Частые вопросы