Google DeepMind представляет протокол для «Агентной сети» (Agentic Web)

В переломный момент для эволюции автономных систем исследователи из Google DeepMind опубликовали комплексную структуру для Интеллектуального делегирования ИИ (Intelligent AI Delegation) — протокола, разработанного для трансформации того, как агенты искусственного интеллекта назначают, выполняют и проверяют задачи. Опубликованное 12 февраля 2026 года исследование решает критическую проблему в развивающейся «агентной сети» (Agentic Web): неспособность существующих мультиагентных систем справляться со сложным открытым взаимодействием без использования хрупких, жестко закодированных эвристик.

Подготовленное Ненадом Томашевым (Nenad Tomašev), Матией Франклином (Matija Franklin) и Саймоном Озиндеро (Simon Osindero), предложение утверждает, что для масштабирования ИИ от простых чат-ботов до функционирующего экономического уровня агенты должны принять организационные принципы, зеркально отражающие человеческую иерархию — в частности, передачу полномочий, ответственности и подотчетности.

Выход за рамки простого разделения задач

Основной тезис исследования DeepMind заключается в том, что текущие методы делегирования недостаточны. В традиционной архитектуре программного обеспечения делегирование часто является синонимом «аутсорсинга» подпрограммы — жесткого, предсказуемого процесса. Однако в открытой сети автономных агентов (агентной сети) этот подход терпит неудачу при изменении условий окружающей среды или когда субагенты сталкиваются с неожиданными переменными.

Структура DeepMind переопределяет делегирование не просто как распределение работы, а как «последовательность решений, связанных с распределением задач, которая включает передачу полномочий». Это различие жизненно важно. Оно подразумевает, что агент-делегатор должен динамически оценивать риск назначения, возможности исполнителя и механизмы установления доверия.

Исследователи подчеркивают, что существующим системам не хватает транзитивной подотчетности (transitive accountability). В сценарии, где Агент А делегирует полномочия Агенту Б, который затем делегирует их Агенту В, текущие структуры часто теряют «цепочку ответственности» за ошибки. Новая структура внедряет протокол, согласно которому Агент Б остается полностью подотчетным Агенту А за работу Агента В, что требует криптографических аттестаций и строгих цепочек проверки.

Пять столпов интеллектуального делегирования

Чтобы реализовать эти концепции на практике, команда DeepMind структурировала свою систему вокруг пяти основных требований. Эти столпы сопоставляют высокоуровневые организационные цели с конкретными техническими реализациями, гарантируя, что агенты могут стабильно работать даже в неблагоприятных условиях или при ограниченных ресурсах.

Следующая таблица описывает архитектурное соответствие между требованиями структуры и их техническим исполнением:

Таблица 1: Архитектура структуры интеллектуального делегирования

Проектирование доверия: декомпозиция по принципу «сначала контракт»

Возможно, наиболее значимым с технической точки зрения вкладом работы является внедрение Декомпозиции по принципу «сначала контракт» (Contract-First Decomposition). Эта инженерная стратегия переворачивает традиционную модель делегирования с ног на голову.

Во многих текущих рабочих процессах с участием нескольких агентов (таких как те, что встречаются в ранних фреймворках, вроде AutoGen или CrewAI), основной агент назначает общую задачу — например, «Написать исследовательскую работу» — и надеется, что субагент интерпретирует её правильно. Предложение DeepMind отвергает эту двусмысленность. Согласно принципам «сначала контракт», делегатору запрещено назначать задачу, если результат не может быть точно проверен.

Если задача слишком субъективна или сложна для немедленной проверки, система должна рекурсивно декомпозировать её. Этот «цикл декомпозиции» продолжается до тех пор, пока подзадачи не будут соответствовать конкретным автоматизированным возможностям проверки, таким как прохождение модульного теста, удовлетворение формального математического доказательства или соответствие строгой схеме данных. Это гарантирует, что «Агентная сеть» не станет хаотичным шумом непроверенных галлюцинаций, а превратится в структурированную сеть верифицируемых рабочих единиц.

Адаптивное переназначение и самокоррекция

Основным режимом сбоя в агентных фреймворках эпохи 2024 года было «состояние зависания», когда агент не справлялся с задачей, и весь рабочий процесс останавливался. Структура Интеллектуального делегирования ИИ вводит Адаптивное переназначение задач (Adaptive Task Reassignment).

Поскольку делегатор постоянно отслеживает «состояние и возможности» исполнителя (как отмечено в столпе «Динамическая оценка»), он может обнаруживать снижение производительности в режиме реального времени. Если субагент действует слишком медленно или начинает выдавать галлюцинации, не соответствующие требованиям, родительский агент может отозвать полномочия в процессе выполнения и переназначить задачу другому узлу сети. Эта возможность важна для «системной устойчивости», предотвращая ситуацию, когда один неисправный агент выводит из строя весь рабочий процесс предприятия.

Последствия для экономики будущего

Выпуск этой структуры совпадает с запуском практических инструментов, реализующих эти теории, таких как DelegateOS, библиотека TypeScript, которая обеспечивает соблюдение этих ограничений делегирования с помощью криптографических токенов. Это говорит о том, что исследование является не просто теоретическим, но уже влияет на «инфраструктуру» интернета.

Решая задачи на уровнях доверия и подотчетности, Google DeepMind фактически закладывает правила игры для экономики «машина-машина». Когда агенты могут без доверия делегировать работу, проверять её выполнение с помощью смарт-контрактов и призывать друг друга к ответу через криптографические цепочки, сфера того, что ИИ может достичь автономно, расширяется от простой помощи до сложного управления проектами со многими заинтересованными сторонами.

По мере принятия этих стандартов экосистемой разработчики могут ожидать перехода от оркестраторов «промпт-инжиниринга» к системам «контракт-инжиниринга», где определения успеха кодируются более строго, чем сами инструкции для задачи.