Что такое LLM agent и из каких компонентов он состоит
Интервьюер спрашивает, как устроен LLM agent: какие компоненты нужны и чем agent отличается от обычного вызова модели.
Ответить самому
Сначала сформулируйте ответ как на собеседовании, затем откройте разбор и оцените себя.
Короткий ответ
Agent — это не только LLM, а цикл: цель/инструкция, состояние, планирование, tool calling, observation, память, guardrails и остановка. Модель выбирает действия, система выполняет их и возвращает наблюдения.
Полный разбор
Обычный вызов LLM получает prompt и возвращает текст. Agent добавляет цикл принятия решений: есть задача, состояние, набор доступных инструментов, политика выбора следующего действия, выполнение tool call, observation и решение продолжать или остановиться.
Минимальные компоненты: LLM, prompt/system policy, tool registry с описанием интерфейсов, executor, память или state, механизм проверки результата, лимиты итераций и guardrails. В production также нужны логирование, retries, idempotency для действий, sandboxing инструментов и мониторинг стоимости/latency.
Хороший ответ обязательно говорит про ограничения: agents нестабильны на длинных горизонтах, могут зациклиться, вызвать неправильный инструмент, сделать небезопасное действие или потратить слишком много токенов. Поэтому их нужно ограничивать, тестировать на сценариях и иметь fallback.
Теория
Agent полезен, когда модель должна не только отвечать, но и выполнять последовательность действий во внешней среде: искать, вызывать API, писать черновик, проверять результат и уточнять следующий шаг.
Типичные ошибки
- Называть agent любой prompt с LLM.
- Не упомянуть tool interface и observation loop.
- Не обсудить guardrails, cost limits и stop conditions.
Как отвечать на собеседовании
- Рисуй мысленно loop: decide -> act -> observe -> update state.
- После архитектуры обязательно назови риски и способы ограничить поведение.