DeepSeek Super-agent: что такое облачные coding-агенты и какое место он занимает

В инструментах разработчика вошла в обиход новая привычка: оставить где-нибудь задачу — в Issue, упоминании в чате или поле для промпта, — закрыть ноутбук, а потом вернуться к ветке или pull request, который агент подготовил за время вашего отсутствия. GitHub, Cursor, OpenAI, Anthropic, Cognition и xAI теперь предлагают свои версии таких решений под названиями cloud agent, background agent, cloud session или autonomous software engineer. В этой статье мы разберём эту категорию: что именно делают эти продукты, как устроен цикл работы, от чего приходится отказываться и какое место в нём занимает прототип DeepSeek Super-agent с открытым исходным кодом.

Что считать облачным coding-агентом

Термин трактуют широко, поэтому полезно выделить три общие черты всех продуктов этой категории:

• Задача запускается без открытого редактора. Она поступает в виде назначенного Issue, упоминания через @ в Slack или Feishu, промпта в веб-приложении, вызова API или передачи из CLI.
• Среда находится за пределами вашего компьютера. Агент клонирует репозиторий, устанавливает необходимые компоненты и работает в песочнице или рабочей среде, которой управляет поставщик сервиса или ваша организация.
• Результат можно проверить. В конце агент оставляет ветку, diff, черновик PR или комментарий — то, что человек может проверить и использовать.

Это отличает данную категорию от двух соседних. Локальный агент в IDE работает на вашем ноутбуке, пока вы за ним наблюдаете; чат-ассистент отвечает на вопросы, не взаимодействуя с репозиторием. Облачный coding-агент находится посередине: у него есть настоящие инструменты и рабочая копия репозитория, но предполагается, что человек может отойти.

Слово бот описывает ту же идею в формате чата. Вместо назначения Issue вы упоминаете агента в Slack, Teams или Feishu. Меняется способ запуска, а удалённая среда остаётся прежней. Результатом может быть PR, diff или набор готовых файлов.

Карта продуктов

Шесть продуктов в описании их поставщиков:

Grok Bot — самый широкий по возможностям вариант: xAI описывает его как постоянно доступного AI-напарника, которого можно запустить из чата в приложении для компьютера или мобильном приложении либо упомянуть через @bot в X, если аккаунты связаны. Он работает на облачной машине уровня аккаунта, размещённой на Cursor, и имеет доступ к браузеру, хранилищу и командной строке. В документации описаны готовые файлы и черновики, но не рабочий процесс с репозиторием; создание веток и PR не документировано. Это помещает его на бот-сторону спектра.

Важнее таблицы четыре различия:

Где находится точка запуска. GitHub Copilot cloud agent и OpenAI Codex Cloud рассчитаны на задачи, которые уже находятся в GitHub или приложении ChatGPT. Cursor Cloud Agents и Devin больше ориентированы на чаты: точкой входа служит переписка в Slack или Teams. Claude Code cloud sessions позволяют запустить задачу из браузера, с телефона, из приложения для компьютера или командой claude --cloud в терминале; также их можно запускать по расписанию.

Насколько подробно поставщик описывает устройство системы. Claude Code подробно документирует изоляцию: в средах на хостинге Anthropic каждый сеанс работает в изолированной VM, сетевой доступ по умолчанию ограничен, а учётные данные git остаются за пределами песочницы; прокси выполняет аутентификацию от имени сеанса. Организации могут направлять сеансы в собственную среду, но тогда за изоляцию отвечают они сами. На облачные сеансы распространяются ограничения скорости вашего тарифа, отдельной платы за VM нет; для них требуется вход через claude.ai, и они недоступны, если Claude Code настроен на Amazon Bedrock, Agent Platform от Google Cloud или другого стороннего провайдера. Остальные поставщики раскрывают меньше подробностей: публичное описание часто ограничивается словами «песочница» или «VM».

К каким ресурсам агенту разрешён доступ. Одни продукты ограничены одним репозиторием, другие заявляют поддержку работы на уровне организации или с несколькими репозиториями. Это первое, что нужно проверить в контексте собственной инфраструктуры: агент с широкими возможностями, но неподходящими правами доступа к репозиториям, будет либо бесполезным, либо опасным.

Для каких задач он предназначен. Большинство продуктов в списке предназначены для работы с кодом в рамках репозитория. Grok Bot — универсальный облачный напарник: в его документации описаны файлы и черновики, но не рабочий процесс с репозиторием. Воспринимайте термин «облачный агент» как спектр возможностей, а не как один тип продукта.

Как на самом деле работает цикл

Если убрать маркетинговые названия, везде цикл примерно одинаков:

1. Получение задачи. Поступает запрос. Продукт определяет, является ли он реальной задачей, иногда задаёт уточняющий вопрос и ставит сеанс в очередь.
2. Среда. Агент клонирует репозиторий из нужной ветки, запускает скрипт настройки или образ и устанавливает инструменты разработки. Сетевой доступ и секреты настраиваются именно на этом этапе, а не позже.
3. Работа. Агент читает код, редактирует файлы, запускает тесты и команды, иногда открывает браузер. Длительные задачи выполняются, даже когда ваш ноутбук переходит в спящий режим.
4. Результат. Агент отправляет ветку и открывает PR либо оставляет diff и письменное резюме. Некоторые продукты создают черновики PR, поскольку предполагается, что агент остановится до слияния изменений.
5. Проверка. Человек изучает diff, оставляет комментарии и либо выполняет слияние, либо просит внести изменения, либо продолжает работу в локальном сеансе. Некоторые продукты могут также следить за PR и отправлять исправления при сбое CI.

Проблемы обычно возникают на этапах 2 и 5. Если скрипт настройки выполняется слишком долго, агент не может клонировать репозиторий, сетевые правила блокируют реестр пакетов или песочница не видит нужные учётные данные, задача, которая казалась простой, остановится. А «результат, который можно проверить» всё равно должен проверять человек: ни один из этих продуктов не отменяет проверку — они лишь переносят набор текста.

Почему эта волна набирает силу именно сейчас

Для этого должны были совпасть три условия. Модели стали достаточно надёжными, чтобы выполнять длинные циклы работы с инструментами без постоянного контроля. Песочницы и скрипты настройки стали достаточно дешёвыми, чтобы выделять каждой задаче собственную среду. А pull request стал стандартным интерфейсом между агентом и проверяющим, поэтому командам не пришлось придумывать новый процесс ревью.

Есть и аргумент, связанный с вниманием. В сопроводительном эссе о проектировании DeepSeek говорит об этом прямо: объём задач, который можно выполнить за один сеанс, ограничен моделью, а пропускная способность человека при работе над множеством задач ограничена вниманием. Облачный агент снимает с человека управление сеансами, переключение контекста и ожидание. Это утверждение из эссе DeepSeek, а не независимого исследования, но оно объясняет, почему такая категория кажется полезной.

От чего приходится отказываться

Любой размещённый в облаке продукт меняет контроль на удобство:

• Граница доверия. Ваш код, а иногда и учётные данные покидают ваш компьютер. Поставщики по-разному подробно описывают изоляцию, хранение данных и сетевой доступ; изучайте документацию каждого продукта, а не исходите из того, что у всей категории единые правила.
• Изоляция. Управляемая VM предназначена для изоляции агента, но всё равно находится в среде поставщика. «Песочница» может означать что угодно: от защищённой VM до контейнера с широким сетевым доступом.
• Возможности настройки. Облачные агенты позволяют менять параметры, но их исходный код недоступен. Если в вашем рабочем процессе нужен другой способ запуска, другое правило проверки или другая модель, выбор ограничен тем, что предлагает продукт.
• Модель оплаты. Большинство этих продуктов оплачивается по подписке или тарифу с ограничениями на использование; время работы агента не учитывается как отдельная статья расходов, которой вы можете управлять напрямую. Планируйте бюджет по тарифу, а не по токенам.
• Область применения и привязка к поставщику. Поддержка нескольких репозиториев, интеграции с чатами и корпоративные средства управления различаются у разных поставщиков, а перенос рабочего процесса с одного продукта на другой не обходится бесплатно.

Вариант с самостоятельным хостингом: Super-agent от DeepSeek

Релиз DeepSeek интересен тем, что показывает, как выглядит тот же цикл, если плоскость управления остаётся у вас. Репозиторий содержит TypeScript-плагин для DeepSeek Harness (DSH) версии 0.1.0 под лицензией MIT; он опубликован как исследовательский прототип. В README прямо сказано, что версия адаптирована для публикации, не идентична внутренней версии DeepSeek и реализует не все идеи из эссе о проектировании.

В его основе — долгоживущий сеанс Router и отдельный сеанс Worker для каждого тикета. События проходят по цепочке Source → Trigger → Thread → Eval → Mandate → Ticket → Assignment → Executor. Команда разрешает выполнение задач с помощью политики; явные упоминания через @ от допущенных пользователей принимаются, а проактивная работа начинается в режиме observe, который фиксирует, что сделал бы агент, не создавая тикеты. Для каждого тикета создаются собственный сеанс и каталог; команда prepare может создать отдельный git worktree для каждого тикета.

Модель эксплуатации здесь противоположна песочнице поставщика. Система отслеживает один репозиторий на github.com (GitHub Enterprise Server не поддерживается) и, по желанию, Feishu. И Router, и Worker запускаются с пресетами danger-full-access от имени пользователя ОС, управляющего системой; обёртки аккаунтов выбирают учётные данные агента, но не изолируют процесс. В руководстве по развёртыванию рекомендуется выделить отдельную учётную запись ОС, в которой хранятся только учётные данные агента. Состояние хранится в SQLite в каталоге, заданном параметром stateDir. Философия проекта сформулирована как целевой баланс: тратить как можно меньше внимания человека и приносить как можно больше пользы.

В эссе приводятся показатели планирования для синтетической рабочей нагрузки — около 300 сообщений и 20 запросов на выполнение задач, имитация инструментов, пять запусков — с p50/p95 около 12.4 / 15.7 минут против примерно 29.5 минуты p95 у базового варианта с одним сеансом без вызовов субагентов. Это собственные измерения авторов эссе для имитации работы инструментов, а не независимый бенчмарк качества программирования.

Прототип демонстрирует нечто более узкое и полезное, чем запуск продукта: агент для программирования, который запускается по событию и предоставляет результат на проверку в конце, не привязан к облаку одного поставщика. Вы можете сами управлять оркестратором, состоянием и выбором модели. Он также показывает цену такой самостоятельности: вам нужно запускать процесс, защищать учетную запись и учитывать, что в прототипе по умолчанию нет песочницы.

Что выбрать

Остановитесь на облачном агенте с хостингом, если вам нужны нулевые затраты на эксплуатацию, песочница под управлением поставщика, функции для нескольких репозиториев или всей организации, а также запуск из GitHub, Slack, Teams или веб-приложения. Поставщик отвечает за изоляцию и доступность сервиса.

Рассмотрите прототип с самостоятельным хостингом, если код не должен покидать вашу инфраструктуру, вам нужно менять оркестрацию или выбирать модель для каждой роли. Заложите в бюджет отдельную машину или учетную запись ОС и относитесь к коду как к исследовательскому ПО.

Практичный вариант: используйте облачных агентов для рутинной работы с репозиториями, а агента с самостоятельным хостингом — только для репозиториев, где важна граница данных. Этап проверки в обоих случаях одинаков.

Примечание о моделях

В прототипе модель не зафиксирована. По умолчанию используется профиль Harness, если его не переопределяют Eval или Execution, поэтому команда может назначить более легкую модель для Router и более мощную — для Workers. AIHubMix подключает DeepSeek Harness через эндпоинт, совместимый с OpenAI: https://aihubmix.com/v1; в примере из руководства по DeepSeek Harness указаны провайдер aihubmix и модель auto. Руководство описывает базовое подключение DSH, а не плагин Super-agent; облачные продукты выше управляют выбором моделей самостоятельно.

Часто задаваемые вопросы

Что такое облачный агент для программирования?
Программное обеспечение, которое получает задачу по Issue, упоминанию в чате или вызову API, выполняет ее в среде за пределами вашего компьютера и возвращает ветку, diff или pull request на проверку.

Это то же самое, что локальный агент для программирования?
Нет. Локальный агент работает в терминале или IDE, пока вы за ним наблюдаете. Облачный агент продолжает работу после того, как вы закрыли ноутбук, и рассчитан на последующую проверку.

Код все равно нужно проверять?
Да. Каждый из этих продуктов в итоге предоставляет diff или PR для проверки человеком. Агент берет на себя набор кода, но не его утверждение.

Где выполняется ваш код?
В среде поставщика. Детали различаются: Copilot использует облачную песочницу или среду Actions, Cursor — изолированные виртуальные машины, Codex — облачное рабочее пространство, Claude Code — изолированную виртуальную машину под управлением Anthropic или собственную среду организации, а Devin — рабочее пространство с терминалом, редактором и браузером. Прежде чем доверять сервису приватный код, изучите документацию поставщика по безопасности.

Что такое бот для программирования?
Это чат-версия той же идеи: вы упоминаете агента в Slack, Teams или Feishu вместо того, чтобы назначить ему Issue. Он по-прежнему работает в удаленной среде; результатом может быть PR или diff, а у универсального помощника вроде Grok Bot — готовые файлы и черновики.

Что добавляет Super-agent от DeepSeek?
Реализацию с самостоятельным хостингом и лицензией MIT того же цикла работы: с архитектурой Router–Worker, политиками и моделью тикетов, а также опциональной поддержкой Feishu. Это исследовательский прототип, а не облачный продукт.

Готово ли это к использованию в продакшене?
Нет. В README проект назван исследовательским кодом, пресеты запускаются с параметром danger-full-access, а песочницы по умолчанию нет. Если решите попробовать проект, используйте отдельную учетную запись ОС и отдельную учетную запись GitHub для агента.

Источники

1. deepseek-ai/dsh-superagent-prototype — README, цитируемое в нем эссе о проектировании и документы docs/000–008
2. Подключение DeepSeek Harness к AIHubMix — AIHubMix
3. Облачный агент GitHub Copilot — документация GitHub
4. Cursor Cloud Agents — документация Cursor
5. Codex Cloud — ChatGPT Learn / OpenAI
6. Claude Code в облаке — Anthropic
7. Документация Devin — Cognition
8. Документация Grok Bot — xAI