IBM открыла CUGA: что такое ИИ-агент, который собирается в одном файле

IBM опубликовала CUGA (Configurable Generalist Agent), открытую библиотеку для Python, которая позволяет собрать работающего ИИ-агента в одном файле, и выложила два десятка готовых примеров, чтобы доказать, что это реально.

Что такое ИИ-агент в данном случае? Это программа, которая сама планирует цепочку действий, вызывает нужные инструменты, отслеживает промежуточные результаты и корректирует план, если что-то пошло не так. Обычно на сборку такой «обвязки» уходит неделя, прежде чем агент начнёт делать хоть что-то полезное. CUGA снимает эту работу.

Что берёт на себя CUGA?

Источник описывает библиотеку как «harness» (обвязку, каркас), а не фреймворк. Разница принципиальная: вы не учите новую архитектуру, а конфигурируете готовую.

• Планирование и самокоррекция. Агент сначала составляет план, потом выполняет шаги. Если на каком-то шаге результат неверный, встроенный механизм рефлексии (reflection step) ловит ошибку и перестраивает план, а не продолжает вслепую.
• Управление состоянием на длинных задачах. На задаче из 20 шагов обычные агенты теряют промежуточные результаты и начинают их «додумывать». CUGA хранит переменные между шагами.
• Сменные инструменты без переписывания кода. OpenAPI, MCP (Model Context Protocol, стандарт подключения внешних сервисов к модели) и функции LangChain подключаются одинаково.
• Три режима баланса «цена и скорость». Fast, Balanced и Accurate переключаются через конфигурацию, а не через код.
• Смена модели одной переменной окружения. OpenAI, Anthropic, watsonx, Ollama и другие провайдеры подключаются через одну настройку. Готовые демо-приложения работают на модели gpt-oss-120b, а не на самой дорогой «фронтирной» модели.
• Делегирование между агентами через протокол A2A и встроенный RAG (поиск по документам) на базе Docling.

По данным IBM, CUGA занимала первое место в бенчмарках AppWorld (с июля 2025 по февраль 2026) и WebArena (с февраля по сентябрь 2025). Именно механика планирования и рефлексии, а не размер модели, по утверждению разработчиков, позволяет меньшей модели с открытыми весами (open weights, когда параметры модели доступны для скачивания) показывать результат, для которого обычно нужна более крупная закрытая модель.

Как выглядит код на практике?

Каждое из 24 демо-приложений укладывается в один файл на FastAPI (популярный Python-фреймворк для веб-приложений). Пример с «советником по архитектуре IBM Cloud» занимает четыре аргумента:

• Модель, через фабрику, которая не привязана к конкретному провайдеру.
• Список инструментов: часть подключается из MCP-серверов (например, веб-поиск одной строкой load_tools(["web"])), часть пишется вручную как обычная Python-функция.
• Системный промпт (special_instructions), где описано, что агент должен делать.
• Папка для хранения состояния и политик.

Промпт агента задаёт правила поведения: сначала проверь каталог, потом рекомендуй. Документирование функции (docstring) служит инструкцией для агента, когда именно вызывать этот инструмент. Разработчик пишет одну функцию, которая специфична для его задачи, а всё остальное берёт из готовых MCP-серверов.

Как попробовать?

1. Установите библиотеку командой pip install cuga.
2. Задайте переменные окружения для выбора провайдера и модели (LLM_PROVIDER и LLM_MODEL).
3. Откройте галерею готовых приложений cuga-apps и скопируйте ближайший к вашей задаче пример.
4. Замените список инструментов и системный промпт на свои.

Есть ли аналоги в России?

Прямого российского аналога CUGA с открытым кодом источник не называет. Для контекста:

Для российского разработчика ключевое преимущество в том, что CUGA ставится локально и работает с Ollama, то есть не требует доступа к зарубежным API, которые могут быть ограничены.

Частые вопросы

Нужно ли платить за использование CUGA?

Нет. Библиотека распространяется с открытым кодом и устанавливается бесплатно через pip install cuga. Платить нужно только за модель, если вы используете коммерческий API (OpenAI, Anthropic). При работе через Ollama с локальной моделью затраты нулевые.

Обязательно ли знать Python, чтобы собрать агента?

Да. CUGA рассчитана на разработчиков, владеющих Python и знакомых с FastAPI. Для авторов без опыта программирования библиотека в текущем виде не подходит, но готовые демо-приложения можно использовать как отправную точку с минимальными правками.

Чем CUGA отличается от LangChain и других фреймворков?

IBM позиционирует CUGA не как фреймворк, а как «обвязку» (harness): вместо изучения новой архитектуры вы задаёте конфигурацию. Планирование, рефлексия и управление состоянием встроены, а не собираются из компонентов вручную. Инструменты LangChain при этом подключаются к CUGA как один из типов совместимых инструментов.

Для тех, кто давно хотел понять, что такое ИИ-агент на практике, а не в теории, CUGA даёт 24 работающих примера, которые можно разобрать строчка за строчкой, и это, пожалуй, самый наглядный учебник из доступных сегодня.