Cogitator: TypeScript-рантайм для AI-агентов без 150 зависимостей LangChain

Минимализм против монолита: новая эра фреймворков для AI-агентов

Сообщество разработчиков AI-агентов последние годы разрывается между двумя крайностями: мощными, но громоздкими фреймворками вроде LangChain и самописными решениями, которые приходится поддерживать с нуля. LangChain, безусловно, стал стандартом де-факто, но его главная проблема — сложность и огромное количество зависимостей. Типичный проект на LangChain тянет за собой 150+ пакетов, что создает проблемы с безопасностью, обновлениями и размером бандла.

Что умеет Cogitator: основные возможности

Cogitator позиционируется как минималистичный рантайм, а не всеобъемлющий фреймворк. Его архитектура построена вокруг нескольких ключевых концепций:

• Типобезопасные инструменты (Tools): Каждый инструмент агента описывается TypeScript-интерфейсом с строгой типизацией входных и выходных параметров.
• Детерминированная оркестрация: Поток выполнения агента строится на явных состояниях и переходах, что упрощает отладку.
• Минимальные зависимости: В ядре — только необходимые утилиты для работы с LLM и управления состоянием.
• Поддержка популярных провайдеров: OpenAI, Anthropic, локальные модели через Ollama и другие.
• Встраиваемая память (Memory): Простая система для сохранения контекста между вызовами агента.

Cogitator vs. Альтернативы: когда что выбирать

На рынке есть несколько популярных решений для создания AI-агентов. Вот как Cogitator смотрится на их фоне:

1 LangChain: мощный, но сложный

LangChain — это Swiss Army Knife для AI-разработчиков. В нем есть всё: от RAG до агентов, от трейсинга до мониторинга. Но именно эта всеобъемность становится его слабостью. Cogitator, в отличие от LangChain, не пытается покрыть все возможные сценарии, а фокусируется на одном — оркестрации агентов.

2 Vercel AI SDK: для веб-интерфейсов

Vercel AI SDK отлично подходит для создания чат-интерфейсов и потоковой передачи ответов, но его возможности по созданию сложных агентов с инструментами ограничены. Cogitator же создан именно для многозадачных агентов, которые взаимодействуют с внешними API и инструментами.

3 Самописные решения

Многие команды, особенно в продакшене, предпочитают писать свои фреймворки для агентов. Cogitator может стать отличной основой для таких решений, предоставляя готовый рантайм без навязывания архитектуры. В нашей статье «Production-ready AI-агент с нуля» мы как раз рассматривали подходы к созданию агентов без тяжелых фреймворков.

Практические примеры: создаем агента на Cogitator

Давайте создадим простого агента для анализа финансовых новостей. Для начала установим Cogitator:

npm install cogitator

Теперь опишем инструмент для получения курса акций:

import { z } from 'zod';
import { Tool } from 'cogitator';

// Определяем типы для инструмента
const StockPriceTool = Tool({
  name: 'get_stock_price',
  description: 'Get current stock price for a given symbol',
  schema: z.object({
    symbol: z.string().describe('Stock symbol, e.g. AAPL, GOOGL'),
  }),
  async execute({ symbol }) {
    // В реальности здесь был бы вызов API
    const mockPrices = {
      AAPL: 185.42,
      GOOGL: 152.37,
      TSLA: 245.15,
    };
    
    return {
      price: mockPrices[symbol] || 0,
      currency: 'USD',
      timestamp: new Date().toISOString(),
    };
  },
});

Создаем агента с этим инструментом:

import { Agent, createOpenAIProvider } from 'cogitator';

const openai = createOpenAIProvider({
  apiKey: process.env.OPENAI_API_KEY,
});

const agent = Agent({
  name: 'Financial Analyst',
  provider: openai,
  model: 'gpt-4-turbo',
  tools: [StockPriceTool],
  systemPrompt: `You are a financial analyst assistant. 
  Use available tools to get stock prices and analyze them.`,
});

// Запускаем агента
async function main() {
  const response = await agent.run(
    "What's the current price of Apple stock?"
  );
  
  console.log(response);
  // {
  //   content: "The current price of AAPL is $185.42 USD.",
  //   steps: [...],
  //   usage: { tokens: 142 }
  // }
}

main();

Продвинутая оркестрация: Stateful агенты

Одна из сильных сторон Cogitator — возможность создавать stateful агентов с явным управлением состоянием. Это особенно полезно для долгоживущих сессий или сложных workflow. Например, можно реализовать паттерн ReAct (Reasoning + Acting), который мы подробно разбирали в статье о проектировании современных AI-агентов.

import { StatefulAgent, State } from 'cogitator';

// Определяем состояния агента
type AnalystState = State<
  'idle' | 'analyzing' | 'fetching_data' | 'generating_report',
  {
    query: string;
    symbols: string[];
    prices: Record;
    analysis: string;
  }
>;

const statefulAgent = StatefulAgent({
  initialState: {
    status: 'idle',
    data: {
      query: '',
      symbols: [],
      prices: {},
      analysis: '',
    },
  },
  
  transitions: {
    idle: ['analyzing'],
    analyzing: ['fetching_data'],
    fetching_data: ['generating_report'],
    generating_report: ['idle'],
  },
  
  // Обработчики для каждого состояния
  handlers: {
    analyzing: async (state, input) => {
      // Извлекаем символы акций из запроса
      const symbols = extractStockSymbols(input);
      return { ...state, status: 'fetching_data', data: { ...state.data, symbols } };
    },
    // ... другие обработчики
  },
});

Кому подойдет Cogitator: рекомендации по использованию

Cogitator — не универсальное решение для всех. Вот кому он подойдет лучше всего:

• TypeScript-разработчикам, которые ценят типобезопасность и хотят понимать каждый аспект работы своего агента.
• Стартапам и небольшим командам, которым нужен легковесный фреймворк без накладных расходов.
• Проектам с требованиями к безопасности, где количество зависимостей имеет критическое значение.
• Разработчикам self-hosted решений, которые хотят развернуть агентов на своем железе без Gigabytes зависимостей.
• Образовательным проектам, где важно показать внутреннее устройство AI-агентов без абстракций LangChain.

Интеграция с экосистемой AI-агентов

Cogitator отлично работает в связке с другими инструментами из экосистемы AI:

• Локальные модели: Можно использовать с Ollama, LM Studio или другими локальными провайдерами. Это делает его отличным выбором для полностью локальных решений, как в нашем руководстве по локальным RAG-системам.
• Модели с открытым исходным кодом: Cogitator совместим с любыми моделями, которые предоставляют OpenAI-совместимый API. Это включает большинство современных open-source моделей из нашего топа open-source моделей для агентов.
• MCP-серверы: Поддерживается интеграция с Model Context Protocol для подключения внешних инструментов, подобно тому, как это сделано в MCP-сервере ВкусВилл.

Заключение: минимализм как преимущество

Cogitator представляет собой свежий взгляд на разработку AI-агентов в эпоху, когда сложность фреймворков начинает мешать их использованию. Это не попытка заменить LangChain полностью, а предложение альтернативного пути для тех, кто ценит простоту, прозрачность и контроль над зависимостями.

Как и в случае с любым инструментом, выбор между Cogitator и другими фреймворками зависит от ваших конкретных задач. Если вы создаете прототип и вам нужны все возможности «из коробки» — возможно, LangChain подойдет лучше. Но если вы строите продакшен-систему, где важны контроль, безопасность и понимание каждого компонента — Cogitator предлагает compelling альтернативу.

Тренд на минимализм в AI-фреймворках только набирает обороты, и Cogitator — один из первых ласточек этого движения. Как показывает наш анализ в статье «AI-агенты 2026: 5 трендов», упрощение стеков и снижение порога входа станут ключевыми направлениями развития в ближайшие годы.