ИИ-агенты это 712 строк без фреймворков: как один файл заменил LangChain

Практик без глубокого бэкграунда в разработке запустил в продакшн двух ИИ-агентов для небольшой дизайн-студии в Москве. Первый отвечает клиентам ночью в чате на сайте, второй генерирует три концепции интерьера по короткому брифу. Весь проект обошёлся без LangChain, без векторных баз данных, без RAG-фреймворков (RAG, метод, при котором модель сначала ищет релевантные данные в базе, а потом формирует ответ). Разбор основан на публикации автора, который описал каждую развилку и каждые грабли.

Что понадобится?

• Аккаунт Anthropic с доступом к API моделей Claude (в проекте использованы Claude Haiku 4.5 для чата и Claude Sonnet 4.6 для генерации концепций)
• Python 3 и библиотека httpx для HTTP-запросов к API
• FastAPI для создания серверных эндпоинтов (адресов, по которым фронтенд обращается к вашему коду)
• Аккаунт Pexels API для бесплатного подбора фотографий интерьеров
• Хостинг: Railway для бэкенда, любой VPS для статичного фронтенда
• Время: несколько рабочих дней, если вы не профессиональный разработчик

Когда LangChain действительно не нужен?

Автор начинал с типичного представления: ИИ-агенты это обязательно LangChain для оркестрации (управления цепочками вызовов), векторная база для контекста и агент-роутер с инструментами. Так пишут в большинстве руководств.

Но перед тем как тащить фреймворк в проект, он расписал, что именно решает его задачу. Результат оказался отрезвляющим:

• Оркестрация цепочек? В проекте одна цепочка: сообщение пользователя, один запрос к модели, ответ. LangChain тут обёртка вокруг обычного POST-запроса
• RAG для тарифов и услуг? Весь контент студии уместился в 2 500 токенов (токен, единица текста, примерно три четверти слова) системного промпта (системный промпт, скрытая инструкция модели, которую задаёт разработчик). Тарифы обновляются раз в квартал
• Векторная база? Услуг семь штук, сессии по 5 до 10 сообщений, у дизайнера 30 проектов в год. Векторный поиск по такому объёму избыточен
• Агент-роутер с инструментами? Чат не ходит ни в календарь, ни в CRM. Единственный внешний вызов, поиск фото в Pexels, жёстко привязан к структуре ответа

LangChain добавил бы зависимость примерно на 500 МБ, собственный слой абстракций с отдельными багами и версионную нестабильность. Взамен, замену одной строки httpx.post() на chain.invoke().

Автор формулирует границу так: LangChain окупается при трёх и более параллельных цепочках, реальном роутинге между моделями, сложном агенте с несколькими инструментами. Одна цепочка «вопрос, ответ», берите прямой HTTP.

Пошаговая инструкция

1. Определите границы задачи. Запишите, что именно агент должен делать, и ничего сверх. В этом проекте две функции: чат для ответов ночью и генератор концепций по брифу

2. Проверьте, помещается ли контент в системный промпт. Соберите все тарифы, услуги, правила ответов. Если объём до 5 000 до 6 000 токенов, RAG не нужен. В проекте полный промпт с эталонами ответов занял около 5 500 токенов

3. Напишите системный промпт как строгий FAQ-документ, а не творческий текст. Структура: роль, список услуг, тарифы, правила маршрутизации (когда давать контакт, когда объяснять тариф, когда предлагать бриф)

Ты — ассистент студии дизайна интерьера.
Отвечай вежливо, по делу, в спокойном профессиональном тоне.
Без лишних эмодзи. Только на русском.

О СТУДИИ:

- Дизайн интерьера жилых пространств в Москве

УСЛУГИ:

1. Функциональное планирование
2. Дизайн-проект
3. Рабочая документация

ПРАВИЛА:

- Вопрос о записи → дать контакт студии
- Вопрос о цене → объяснить тариф без точных цифр,
  пока клиент не уточнил параметры объекта

1. Создайте FastAPI-приложение с эндпоинтами. В проекте четыре эндпоинта: чат, приём брифа, генерация концепций, поиск фото. Всё в одном файле main.py

2. Разделите модели по задачам. Для быстрых ответов в чате, лёгкая и дешёвая модель (Claude Haiku 4.5). Для генерации развёрнутых концепций, более мощная (Claude Sonnet 4.6)

3. Подключите Pexels API для иллюстраций. Эндпоинт /brief после генерации концепции вызывает Pexels и прикрепляет по четыре фотографии к каждой из трёх концепций

4. Разверните бэкенд на Railway, фронтенд на VPS. Статичный фронт отправляет запросы к FastAPI-серверу

Что с этого вам прямо сейчас?

Авторам Дзена и копирайтерам. Если вы пишете про ИИ-инструменты или ведёте экспертный блог, этот подход демонстрирует ценную тему для контента: не «какой фреймворк модный», а «когда фреймворк вообще не нужен». Разборы развилок с конкретными цифрами (712 строк, 2 500 токенов, 7 услуг) собирают больше доверия, чем обзоры абстрактных возможностей.

Маркетологам и владельцам малого бизнеса. Чат-агент, который отвечает ночью, решает конкретную проблему: клиент не уходит к конкурентам, пока вы спите. Для студий, клиник, сервисных компаний с одним-двумя специалистами это рабочая модель. При этом Claude API доступен из РФ через VPN или через посредника, а из доступных в РФ аналогов стоит посмотреть на YandexGPT и GigaChat, у обоих есть API с системным промптом.

Предпринимателям в РФ и СНГ. Проект уложился в несколько рабочих дней силами одного человека без глубокого опыта разработки. Если ваш бизнес-контент (услуги, тарифы, FAQ) помещается в несколько тысяч токенов, вы можете повторить этот подход без найма команды.

Прямой HTTP-запрос к Claude вместо фреймворка на 500 МБ, это не лайфхак и не бунт против индустрии. Это результат честного вопроса: «Какую именно проблему решает каждый слой в моём стеке?» Если ответ «никакую», слой лишний, сколько бы звёзд ни было у его репозитория на GitHub.