Agentic AI: какой стек нужен агентному инженеру

В статье «Agentic AI: стек агентного инженера», опубликованной на Habr AI 7 августа 2026 г., автор систематизирует набор технологий, которые сегодня ищут в вакансиях для агентных Python‑инженеров. Основные группы инструментов включают:

• Фреймворки для построения агентов – PydanticAI, CrewAI, Langraph (и, по аналогии, LangChain) позволяют описывать задачи, управлять цепочками действий и интегрировать внешние сервисы.
• Протоколы и стандарты взаимодействия – MCP (Multi‑Agent Communication Protocol) и A2A (Agent‑to‑Agent) обеспечивают согласованную передачу сообщений и состояние между агентами.
• Векторные хранилища – Milvus, Pinecone, Qdrant, Weaviate часто упоминаются как «база знаний» для быстрых семантических поисков.
• Оценка и мониторинг – метрики качества (BLEU, ROUGE, LLM‑Eval), инструменты трассировки (OpenTelemetry) и системы логирования (ELK‑stack) становятся обязательными для production‑развёртываний.
• Дополнительные библиотеки – Pydantic для валидации данных, FastAPI/Starlette для API‑слоя, Docker/Kubernetes для оркестрации.

Автор отмечает, что большинство соискателей «плывут» в этих вопросах, но реальная работа требует не просто знания названий, а умения собрать совместимый стек, настроить обмен данными и обеспечить масштабируемость. В качестве рекомендаций предлагаются: построить небольшие прототипы с CrewAI, протестировать векторный поиск в Milvus, а затем добавить протокол MCP для межагентного диалога. В статье также приводятся примеры типовых вакансий и ссылки на официальные репозитории.

Таким образом, статья служит практическим чек‑листом для тех, кто хочет войти в быстро растущий рынок агентных систем и понять, какие инструменты действительно востребованы в продакшене.