Что такое Agentic Engineering: следующий уровень после Vibe Coding

В феврале 2026 года Андрей Карпати опубликовал пост, который взорвал tech-сообщество. Спустя ровно год после того, как он ввёл термин «vibe coding», Карпати написал: «I think the term for the new skills needed when working with LLMs in software engineering is best captured as agentic engineering.» Этот пост моментально стал отправной точкой для новой дискуссии о будущем разработки.

Agentic engineering — это не просто «промптить AI». Это инженерная дисциплина проектирования, построения и оркестрации автономных AI-агентов, которые выполняют сложные многоэтапные задачи с минимальным человеческим вмешательством. Если vibe coding — это «я описываю, AI кодит», то agentic engineering — это «я проектирую систему из AI-агентов, которые работают вместе».

Vibe coding и agentic engineering — не противоположности. Это ступени одной эволюции. Vibe coding — это первый шаг: человек разговаривает с AI и получает код. Agentic engineering — это следующий уровень: человек проектирует целые системы из AI-агентов, каждый из которых специализируется на своей задаче.

Vibe Coding

• Один разработчик + один AI-ассистент
• Генерация кода по промптам
• Ручная проверка и итерация
• Подходит для прототипов и небольших проектов
• Навык: умение формулировать промпты

Agentic Engineering

• Оркестрация множества специализированных AI-агентов
• Агенты взаимодействуют друг с другом через протоколы (MCP, A2A)
• Автономное выполнение сложных многоэтапных задач
• Подходит для продакшн-систем и масштабных проектов
• Навык: системная архитектура + понимание AI + инженерная дисциплина

Agentic engineering стал возможен благодаря появлению стандартизированных протоколов, которые позволяют AI-агентам взаимодействовать друг с другом и с внешним миром. Три ключевых стандарта формируют эту экосистему.

MCP (Model Context Protocol) — Anthropic, ноябрь 2024

MCP — это «USB-C для AI». Открытый протокол от Anthropic, который стандартизирует подключение AI-моделей к внешним инструментам и источникам данных. Вместо того чтобы для каждого нового сервиса писать отдельную интеграцию, MCP предоставляет единый стандарт. Сервер MCP описывает свои возможности (tools), и любой MCP-клиент может их использовать.

К марту 2026 года MCP стал де-факто стандартом. Его поддерживают Anthropic (Claude), OpenAI, Google (Gemini), Microsoft, а также тысячи сторонних разработчиков. Количество загрузок MCP-серверов превысило 97 миллионов.

A2A (Agent-to-Agent Protocol) — Google, апрель 2025

Если MCP соединяет агента с инструментами, то A2A соединяет агентов друг с другом. Протокол от Google позволяет AI-агентам обмениваться информацией, делегировать задачи и координировать работу. Это ключевой строительный блок для мультиагентных систем, где десятки агентов работают над одной задачей.

AAIF (AI Agent Interoperability Framework) — Linux Foundation

Linux Foundation объединила MCP, A2A и другие протоколы в единый фреймворк интероперабельности AI-агентов. AAIF определяет общие стандарты безопасности, аутентификации и мониторинга для агентных систем. Это как TCP/IP для мира AI-агентов — базовый уровень, на котором строится всё остальное.

Agentic engineering — это не теория. Крупнейшие компании мира уже перестроили свои процессы вокруг AI-агентов и получают измеримые результаты.

Stripe: 1300 PR в неделю от AI-агентов

Stripe, глобальный платёжный процессор, внедрил систему AI-агентов для автоматизации разработки. Их агенты создают до 1300 pull request-ов в неделю — это код, который проходит code review, тесты и деплоится в продакшн. Агенты работают над рефакторингом, миграциями, обновлением зависимостей и исправлением багов. Каждый PR проверяется человеком, но генерация и первичное тестирование полностью автоматизированы.

Klarna: 66% клиентских обращений через AI

Шведский финтех Klarna перевёл 66% всех клиентских обращений на AI-агентов. Это эквивалент работы 700 штатных сотрудников. Агенты обрабатывают запросы на 35 языках, решают проблемы с заказами, проводят возвраты и отвечают на вопросы о продуктах. Среднее время решения проблемы сократилось с 11 минут до 2 минут.

Рынок agentic-систем — один из самых быстрорастущих сегментов технологической индустрии. Спрос на специалистов значительно превышает предложение, что создаёт уникальное окно возможностей для тех, кто освоит эти навыки сейчас.

Зарплаты Agentic Engineer (США)

• Junior (0-2 года опыта): $140K-$180K. Настройка и управление существующими агентными системами.
• Mid-level (2-5 лет): $180K-$280K. Проектирование и построение мультиагентных систем.
• Senior (5+ лет): $280K-$400K. Архитектура агентных экосистем для enterprise-компаний.
• Staff/Principal: $400K-$500K+. Определение стратегии AI-трансформации для крупных организаций.

По данным LinkedIn, количество вакансий с упоминанием «agentic engineering» или «AI agent» выросло на 1000% за последний год. McKinsey отмечает, что специалисты с навыками AI-разработки получают премию 25-45% к стандартной зарплате разработчика аналогичного уровня.

Agentic engineering открывает несколько карьерных направлений, каждое из которых требует уникального набора навыков.

AI Agent Developer

Создание отдельных AI-агентов: промпт-инжиниринг, интеграция через MCP, подключение к API и базам данных. Это стартовая позиция для входа в agentic engineering.

Multi-Agent System Architect

Проектирование систем из множества взаимодействующих агентов. Определение ролей, протоколов общения, стратегий fallback и мониторинга. Требует глубокого понимания распределённых систем.

AI Automation Consultant

Анализ бизнес-процессов компаний и проектирование агентных решений для их автоматизации. Высокооплачиваемая роль на стыке бизнеса и технологий. Фрилансеры в этой области зарабатывают $150-$300 в час.

AI Product Manager

Управление продуктами, построенными на агентных системах. Понимание возможностей и ограничений AI, определение product-market fit для AI-решений.

Автономные AI-агенты создают новые категории рисков, которые нужно учитывать при проектировании систем.

• Prompt injection: злоумышленник может манипулировать поведением агента через специально сформированный ввод.
• Cascading failures: ошибка одного агента может распространиться по всей системе через цепочку взаимодействий.
• Authorization drift: агент может получить больше прав, чем предполагалось, через последовательность легитимных действий.
• Data leakage: агенты могут случайно передавать конфиденциальные данные между контекстами.
• Hallucination amplification: неверная информация от одного агента может быть усилена и распространена другими.

Переход от vibe coding к agentic engineering — это естественная эволюция. Вот дорожная карта:

• Шаг 1: Освоить vibe coding — научиться эффективно работать с AI-ассистентами (Cursor, Claude Code).
• Шаг 2: Изучить MCP — понять, как подключать AI к внешним сервисам через стандартизированный протокол.
• Шаг 3: Построить первого агента — создать автономного бота, который выполняет конкретную задачу (мониторинг, контент, поддержка).
• Шаг 4: Связать агентов — научиться оркестрировать несколько агентов через A2A для решения сложных задач.
• Шаг 5: Продакшн — освоить мониторинг, безопасность, масштабирование и отказоустойчивость агентных систем.

• Agentic engineering — следующая ступень после vibe coding, введённая Карпати в феврале 2026.
• Ключевое отличие: оркестрация множества автономных AI-агентов вместо взаимодействия с одним AI.
• Инфраструктура: MCP (Anthropic), A2A (Google), AAIF (Linux Foundation) — стандарты для агентных систем.
• Рынок: $7.6B в 2026 → $48B к 2030. Зарплаты: $140K-$500K+.
• Реальные кейсы: Stripe (1300 PR/неделю), Klarna (66% автоматизация поддержки).
• Безопасность — критический аспект: prompt injection, cascading failures, data leakage.
• Это навык, который определит карьеры следующего десятилетия.