10 сентября OpenAI открыла Agents API в публичной бете, а Cursor в тот же день запустил Projects. Оба продукта делают ставку на координаторы агентов: один агент держит общую цель, остальные выполняют узкие задачи. Для команд, которые уже пробуют AI-кодинг не как игрушку, а как часть разработки, это важный сдвиг: спор идет не о том, «умеет ли модель писать код», а о том, кто управляет работой, контекстом и правами доступа.
OpenAI показала платформенный вариант: Agents API раскрывает обвязку, на которой работает Codex, включая управляемые сессии, координацию инструментов и запуск субагентов, сообщает The New Stack. Cursor пошел другим путем: Projects встраивает координацию нескольких coding agents прямо в рабочий процесс разработчика. Архитектура похожая, но контрольная точка разная. У OpenAI это API и инфраструктурные примитивы для разработчиков. У Cursor это готовый продуктовый слой внутри среды разработки.
Причина проста: один агент быстро упирается в контекст. Небольшой фикс, тест или рефакторинг он еще может протащить через цикл «посмотрел репозиторий, подумал, вызвал инструмент, проверил результат». Но крупная миграция уже разваливает эту схему. Нужно понять незнакомую кодовую базу, найти зависимости, поменять схемы БД, обновить сервисы, переписать тесты, поправить деплой и проверить, что система не начала дымиться в углу. Если все это держать в одной длинной истории, контекст превращается в склад: полезное лежит рядом с мусором, а после сжатия важные детали могут исказиться.
Hilliary Lipsig, senior principal SRE в Red Hat и руководитель команд Azure Red Hat OpenShift SRE, сравнивает происходящее с уже знакомой логикой распределенных систем. Координатор становится чем-то вроде control plane: он хранит общую картину, раздает работу специализированным исполнителям, следит за ограничениями и помогает восстановиться после сбоев. Это не делает AI-разработку магически надежной, но переносит разговор в более взрослую плоскость. Теперь важно не только качество модели, но и то, как система делит задачи, передает контекст, изолирует исполнителей и показывает, что именно произошло.
У такого подхода есть цена. Несколько агентов означают больше токенов, больше точек отказа и больше шансов, что результаты придется склеивать вручную. Cursor, по данным материала, перенес cloud-agent loop на Temporal, чтобы получить долговременное выполнение, повторы и устойчивость к сбоям; компания говорит о 50 млн действий в день и 7 млн уникальных workflow. Эти цифры не доказывают, что модель «лучше пишет код», зато показывают масштаб инфраструктурной проблемы: AI-агент в продакшене — это уже не чат с кнопкой, а система выполнения задач.
Самая неприятная часть — права доступа. Координаторы агентов решают, какой субагент увидит схему базы, какой получит diff, какой сможет дернуть внешний сервис через MCP, а где нужно остановиться и позвать человека. OpenAI Agents API, как пишет источник, поддерживает резидентность данных в США, но не поддерживает Zero Data Retention; самохостинг sandbox не делает API автоматически совместимым с ZDR. Это важная деталь для компаний с комплаенсом: «агент работает в изолированной среде» и «данные не используются/не сохраняются поставщиком» — не одно и то же.
Cursor здесь выглядит ближе к прикладному сценарию: разработчик получает облачное выполнение, общий проектный контекст и координацию внутри одного инструмента. OpenAI оставляет больше свободы и больше ответственности: команды сами решают, где хранить состояние, как выдавать credentials, что делать при падении worker-агента и какие действия требуют ручного подтверждения. Это классический выбор между платформой и готовым продуктом. Первый вариант гибче, второй быстрее внедряется, но сильнее привязывает процесс к вендору.
Контекст важен еще и потому, что рынок уже движется в эту сторону. В октябре 2025 года AWS Bedrock AgentCore дошел до general availability, в апреле 2026 года Anthropic вывела Claude Managed Agents в публичную бету. Теперь к той же схеме синхронно пришли OpenAI и Cursor. Получается довольно скучный, но полезный вывод: индустрия перестает продавать одиночного «умного помощника» и начинает собирать диспетчерские системы для AI-работников.
Для русскоязычных IT-команд практический вопрос звучит жестче рекламных формулировок: кто будет отвечать, если агент не туда применил миграцию, передал лишний контекст или молча спрятал важный промежуточный шаг? Координаторы агентов могут стать нормальным слоем инженерной инфраструктуры, но только если вокруг них появятся понятные логи, границы прав, повторяемость выполнения и места, где человек действительно может остановить процесс. Иначе мы просто заменим одного непредсказуемого помощника несколькими, только с красивой схемой на презентации.