007ПОДПИСКА, API ИЛИ ОБА

В 2026 году ИИ-агент — это не чат. Это процесс, который читает ваши файлы, запускает команды, подключается к базам данных, вызывает другие сервисы. Но где вы его запускаете — определяет, что он может.

У каждого агента есть четыре среды работы. Они не взаимозаменяемы. Терминал — не то же самое, что браузер. Headless — не то же самое, что интерактивная сессия.

Что умеет каждая среда

CLI (терминал) — полная свобода

Открываете терминал, пишете claude (или agy, kimi). Агент видит весь диск, запускает любые команды, подключается к MCP-серверам, использует скиллы, помнит контекст между сессиями. Контекстное окно до 1M токенов на Max/Team/Enterprise. Вы подтверждаете опасные операции — агент не удалит базу данных без вашего «да».

Это основной инструмент разработчика. Если вы работаете с одним проектом — вам хватит CLI и ничего больше.

IDE — почти как CLI, но в редакторе

Плагин Claude Code для VS Code или JetBrains. Почти то же, что CLI, но файловый доступ ограничен рабочей областью проекта, и только одна сессия на проект. В CLI вы можете открыть 5 терминалов — 5 параллельных сессий с одним агентом. В IDE — только одна.

Хороший выбор, если вы хотите видеть правки агента прямо в редакторе, не переключаясь в терминал.

Web (claude.ai) — только диалог

Браузерный чат — это не агент. Нет файлов, нет bash, нет MCP, нет скиллов. Загружаете файлы вручную, получаете текст. Контекст ~200K. Годится для быстрых вопросов, брейнсторма, анализа документов. Не для разработки.

Частая ошибка новичков: работать через claude.ai и думать, что «ИИ не справляется». Просто вы используете 10% его возможностей.

Headless (-p / --print) — агент как скрипт

Тот же CLI, но без вашего участия. Передаёте промпт — агент отрабатывает автономно и возвращает результат. Полный доступ к файлам, bash, MCP, скиллы (если не --bare). Единственное ограничение — агент не может задать вам уточняющий вопрос.

Зачем это нужно: CI/CD-пайплайны, автоматические code review, мониторинг, бот-обработчики. Всё, что должно работать без человека.

Headless — не чатбот, а agent runtime

Headless — это автономный процесс с полным агентским циклом. За один вызов агент может прочитать 50 файлов, запустить тесты, найти и исправить баг, создать коммит — и вернуть структурированный JSON с результатом, стоимостью и количеством итераций.

# Базовый headless-вызов
claude -p "задача" \
  --allowedTools "Read,Edit,Bash(git *),Bash(npm *)" \
  --max-turns 15 \
  --output-format json

--bare vs полная загрузка

--bare — для CI/CD и одноразовых вызовов: идемпотентно, быстро, предсказуемо. Полная загрузка — для серверной автоматизации, где агент должен знать контекст проекта (стек, правила, домен).

Ключевые флаги

Конкурентность

Claude Code headless — неограниченно параллельных сессий (каждая — отдельный процесс). Kimi CLI — до 4 фоновых. Antigravity — неограниченно (sandbox-режим). Каждый процесс потребляет из пула подписки: 10 параллельных = 10x расход токенов.

Два файла — два назначения

Самая частая ошибка новичков: свалить все инструкции в один файл. В мультиагентной среде это не работает, потому что разные агенты читают разные файлы.

Правило: если у вас один агент (только Claude) — пишите всё в CLAUDE.md. Как только появляется второй агент — разделяйте. Общее — в AGENTS.md. Специфичное — в CLAUDE.md.

Иерархия: глобальный файл (~/.claude/CLAUDE.md) + проектный (./CLAUDE.md). Проектный побеждает. Можно вкладывать глубже: ./backend/CLAUDE.md перекроет корневой для файлов внутри backend/.

Что писать в CLAUDE.md

Не пишите роман. Пишите правила, которые агент должен помнить при каждом действии:

• Стек — «Astro SSG + Tailwind v4 + TypeScript strict + MDX»
• Команды — «Деплой: bash deploy.sh. Тесты: npm test. Сборка: npm run build»
• Запреты — «Никогда не запускай npm run build напрямую — используй deploy.sh» (реальный пример: прямой build ломает blue/green-симлинк)
• Структура — «Уроки: src/content/lessons/. Компоненты: src/components/. Константы: src/lib/constants.ts»
• Гочи — «slug-map.ts использует TRACKS[track].slug, не track-${track}»

Skills — навыки с ленивой загрузкой

Скилл — файл с инструкцией, который агент подгружает автоматически по контексту. Описание всегда в памяти (~50 токенов), тело загружается только при триггере.

Пример: у вас есть скилл deploy. Его описание — «Деплой проекта на production через blue/green». Когда вы говорите агенту «задеплой», он автоматически подгружает полную инструкцию: какой скрипт вызвать, что проверить до и после, как откатить.

Где лежат:

• Глобальные (для всех проектов): ~/.claude/skills/
• Проектные: .claude/skills/ в корне проекта

Формат файла скилла (SKILL.md):

# Имя, описание — агент использует для авто-триггера
---
name: deploy
description: Деплой на production. Триггер: деплой, выкатить, опубликовать.
---

# Ниже — полная инструкция, загружается lazy
1. Проверь git status — нет uncommitted changes
2. Запусти bash deploy.sh
3. Проверь HTTP 200 на главной
4. Если ошибка — bash deploy.sh rollback

На реальном production-сервере с 15+ проектами у меня 18 глобальных скиллов (деплой, code review, SEO-аудит, навигация по коду) и 12 проектных (специфичные для конкретного проекта). Каждый агент видит свои: Claude — из .claude/skills/, Kimi — из .kimi/skills/ и .claude/skills/ (общая директория), Antigravity — из .antigravity/skills/.

Субагенты — изолированные специалисты

Субагент — отдельный процесс с собственным контекстом и ограниченным набором инструментов.

Зачем нужна изоляция:

• Ограничение доступа — субагент для code review может только читать файлы (Read, Grep), но не редактировать. Безопасно запускать на любом коде
• Защита контекста — основной агент не засоряется результатами поиска по 50 файлам. Субагент читает, анализирует и возвращает краткую сводку
• Дешёвая модель — субагент может работать на Haiku ($1/$5 за 1M токенов) вместо Sonnet ($3/$15), если задача простая
• Параллельность — 3 субагента проверяют 3 разные вещи одновременно

Реальные примеры субагентов на production-сервере:

• code-validator — проверяет синтаксис, импорты, типы после каждой фичи (инструменты: Read, Bash, Grep)
• seo-specialist — SEO-аудит для русскоязычного рынка с базой знаний (Read, Write, Bash, WebSearch)
• pd-compliance — аудит на соответствие 152-ФЗ о персональных данных (Read, Grep, Write)
• verify-claims — перепроверяет утверждения другого агента, читая реальные файлы (Read, Bash, Grep)

Полная иерархия файлов

Критический факт: Kimi и Antigravity не читают CLAUDE.md. Claude не читает AGENTS.md автоматически (нужно прописать в rules). Если у вас мультиагентная среда — общие правила идут в AGENTS.md, Claude-специфичные — в CLAUDE.md. Трюк: ln -s AGENTS.md GEMINI.md в корне проекта — Antigravity читает оба.

MCP-делегирование между агентами

Один агент вызывает другого как MCP-инструмент. Каждый на своей подписке. MCP — локальный протокол, обмен бесплатен. Результат: вы платите за 4 подписки, но получаете кросс-агентную автоматизацию без per-call расходов.

# Claude вызывает GLM для второго мнения
mcp__glm__glm_ask("Проведи code review этого diff")

# Claude делегирует длинную задачу Antigravity
mcp__glm__glm_start("Аудит безопасности backend/")
# → {job_id: "m1a2b3c", status: "running"}
# ... другая работа ...
mcp__glm__glm_collect("m1a2b3c", tail_only=true)
# → результат аудита

Base URL swap — подмена мозга

Claude Code — это agent runtime (файлы, bash, MCP, tools). Мозг (LLM) подключается через API endpoint. Подменяя endpoint, вы получаете runtime Claude с другим мозгом:

# Claude runtime + GLM-5.1 мозг ($0.50/$0.50 per 1M)
ANTHROPIC_BASE_URL=https://api.z.ai/v1 \
ANTHROPIC_API_KEY=sk-zai-xxx \
claude -p "Проведи code review" --output-format json

Результат: агентский runtime Claude Code (tools, MCP, file I/O) с мозгом GLM за 6-30x дешевле. Ограничение: не все модели одинаково хорошо работают с tool calling протоколом Claude — тестируйте.

Skills — wire-формат

Скилл — YAML-frontmatter + markdown тело. Claude/Kimi/Antigravity читают одинаковый формат. Ключевое: description: используется для автоматического триггера — агент решает, когда загрузить тело, по описанию. Плохое описание = скилл никогда не сработает.

# .claude/skills/deploy/SKILL.md
---
name: deploy
description: >
  Деплой на production через blue/green.
  Триггер: деплой, выкатить, опубликовать, deploy.
allowed-tools:
  - Bash
  - Read
---

1. git status — нет uncommitted changes
2. bash deploy.sh
3. curl -sI https://example.com | grep "200 OK"
4. При ошибке: bash deploy.sh rollback

allowed-tools — опционален, но полезен: ограничивает скилл только нужными инструментами.

Что меняется 15 июня 2026

Anthropic разделяет биллинг Claude Code на два независимых пула. Интерактивный (claude.ai, CLI, IDE) остаётся как раньше — входит в подписку. Agent SDK (headless claude -p, Agent SDK, GitHub Actions, сторонние приложения) идёт в отдельный пул с месячным кредитом:

Agent SDK кредит тарифицируется по полным API-ценам. Когда кредит заканчивается — дальнейшие вызовы тарифицируются из usage credits (если включены), или просто перестают работать.

Что это значит на практике

До 15 июня: интерактивная работа и headless-вызовы тратят один общий пул подписки. Headless на подписке — фактически бесплатный (в рамках лимитов плана).

После 15 июня: headless-вызовы идут из отдельного кредита. $200 на Max 20x — это не бесконечность. Нужно считать.

Пять сценариев

Вайбкодер, один проект — Max 5x ($100/мес). Хватает на полный рабочий день интерактивной работы + $100 Agent SDK для headless-автоматизации (~330 средних вызовов).

Два проекта, нужна автоматизация — Max 20x ($200/мес) + Antigravity free tier (до 20 запросов/день). Рутину (мониторинг, простые проверки) кидаете на Antigravity бесплатно, тяжёлое — на Claude headless из SDK-кредита.

Команда из 3 человек — Team Premium ($125/seat), $100/seat Agent SDK. Общий бюджет $675/мес, из них $300 на headless.

Минимальный бюджет — Pro ($20) + Kimi Code ($19/мес) + Antigravity (бесплатно). $39/мес за три агента. $20 Agent SDK — хватит на ~65 средних headless-вызовов Claude, остальное на Kimi и Antigravity.

Один проект, много автоматизации — Max 20x ($200/мес) + прямой API поверх кредита. Когда $200 Agent SDK закончится — автоматизация продолжит работать из usage credits по API-ценам.

Когда подписки точно не хватит

Если ваш продукт обслуживает внешних пользователей — подписка не масштабируется. 100 пользователей × 10 запросов/день = 1000 headless-вызовов. $200 кредит закончится за 2 дня. Тут нужен прямой API с биллингом per-token.

Стоимость одного headless-вызова (Sonnet 4.6)

Max 20x ($200 Agent SDK): ~3300 лёгких, ~660 средних или ~148 тяжёлых вызовов в месяц. Opus 4.7 существенно дороже Sonnet — для автоматизации используйте Sonnet или Haiku.

Альтернативы вне Claude — реальная экономика

Ключевой трюк: четыре подписки — четыре независимых пула. MCP-делегирование между ними бесплатно. Claude делегирует рутину на Antigravity (бесплатно) или GLM ($0.50/$0.50), оставляя свой Agent SDK кредит для тяжёлых задач.

Настройка нового проекта — от 5 минут до полудня

Реальный пример: автоматическая проверка безопасности

На production-сервере работает сервис, который защищает сайты от атак. Когда система безопасности блокирует IP-адрес, пользователь видит страницу бана с кнопкой «Проверить». По нажатию бэкенд вызывает AI-агента в headless-режиме. Агент получает структурированные данные: IP, сценарий бана, историю запросов, user-agent — и за 5-10 секунд возвращает вердикт: ложное срабатывание или реальная атака. Если ложное — автоматический разбан.

Стоимость каждого вызова: $0 сверх подписки Antigravity (free tier). На прямом API та же задача стоила бы ~$0.02-0.05 за вызов. При 50 проверках в день — $30-75/мес. На подписке — бесплатно.

Рецепт 1: AI-классификатор запросов (production)

Реальный сервис: FastAPI-бэкенд получает HTTP-запрос → собирает контекст → вызывает agy --sandbox --print → парсит JSON-ответ → действует.

# Python: headless Antigravity как классификатор
import asyncio, json

SYSTEM_PROMPT = """Ты security-аналитик. Вердикт: false_positive или real_attack.
Ответ — строго JSON: {"verdict": "...", "reason": "..."}"""

async def classify(ip: str, context: dict) -> dict:
    payload = json.dumps(context, ensure_ascii=False, indent=2)
    prompt = f"{SYSTEM_PROMPT}\n\n```json\n{payload}\n```\nДай вердикт."

    proc = await asyncio.create_subprocess_exec(
        "/usr/local/bin/agy", "--sandbox", "--print", prompt,
        stdout=asyncio.subprocess.PIPE,
        stderr=asyncio.subprocess.PIPE,
    )
    stdout, stderr = await asyncio.wait_for(
        proc.communicate(), timeout=45
    )
    content = stdout.decode().strip()
    # Gemini может обернуть в ```json
    if content.startswith("```"):
        content = content.strip("`").lstrip("json").strip()
    return json.loads(content)

Ключевые решения:

• --sandbox — агент не может писать на диск, только читать и думать
• timeout=45 — жёсткий лимит; если Antigravity зависнет, не заблокирует FastAPI worker
• Парсинг ```json — Gemini/Kimi иногда оборачивают JSON в markdown
• Стоимость: $0 (free tier Antigravity, до 20 запросов/день)

Рецепт 2: Автоматическое исправление багов (production)

Реальный pipeline: Sentry webhook → бэкенд → изолированный git worktree → headless agent → commit → push → Pull Request → Telegram-уведомление.

# Python: полный auto-fix pipeline
import asyncio, subprocess, os

async def auto_fix(project_path, branch_name, sandbox_path, error_msg):
    # 1. Создать изолированный git worktree
    subprocess.run([
        "git", "worktree", "add", "-b", branch_name,
        sandbox_path, "origin/main"
    ], cwd=project_path)

    # 2. Сформировать промпт
    prompt = f"""
Error: {error_msg}
Goal: найди баг, напиши фикс, прогони тесты, закоммить.
Коммит: fix(sentry): resolve issue
Push ветку: git push origin {branch_name}
"""

    # 3. Запустить агента в sandbox
    proc = await asyncio.create_subprocess_exec(
        "/usr/local/bin/agy",
        "--print",
        "--dangerously-skip-permissions",
        "--prompt", prompt,
        cwd=sandbox_path,  # работает в worktree, не в основном репо
        stdout=subprocess.PIPE,
        stderr=subprocess.PIPE,
    )
    stdout, _ = await proc.communicate()

    # 4. Создать PR через GitHub API
    create_pull_request(branch_name, error_msg)

    # 5. Очистить worktree
    subprocess.run(["git", "worktree", "remove", "--force", sandbox_path],
                   cwd=project_path)

Критические инварианты:

• Агент работает строго в worktree, не в основном репо — production не затронут
• Worktree создаётся на диске (/var/tmp/), не в /tmp/ (tmpfs, RAM, лимит 2GB)
• --dangerously-skip-permissions — только потому что агент в изолированной песочнице
• После завершения worktree удаляется; при краше — cleanup при следующем запуске
• Стоимость: $0 сверх подписки (Antigravity free tier)

Рецепт 3: CI/CD security review

# В GitHub Actions или любом CI
git diff main | claude -p \
  --append-system-prompt "Ты security-инженер. Ищи: инъекции, XSS, secrets в коде, небезопасные зависимости." \
  --output-format json \
  --bare \
  --max-turns 5 \
  --json-schema '{"type":"object","properties":{"findings":{"type":"array","items":{"type":"object","properties":{"severity":{"type":"string"},"file":{"type":"string"},"description":{"type":"string"}}}}}}'

--bare обязателен для CI — никаких side effects от hooks/skills. --json-schema — парсинг без регулярок. --max-turns 5 — экономия: security review не требует 15 итераций. Стоимость из Agent SDK: ~$0.15 за вызов.

Рецепт 4: Async-делегирование (fire-and-poll)

# Для задач >5 мин — не блокировать основной процесс
JOB_ID=$(mcp__glm__glm_start "Полный аудит безопасности backend/" \
  | jq -r '.job_id')
# → m1a2b3c

# ... делаем другую работу, или ждём ...

mcp__glm__glm_status "$JOB_ID"
# → {status: "done", alive: false, output_bytes: 14280}

mcp__glm__glm_collect "$JOB_ID" --tail-only
# → чистый результат последнего turn'а

State хранится в /var/tmp/agent-sessions/<provider>/<job_id>/: task.txt, pid, status, result.txt. Инспектируется bash-ом, мониторится через prometheus/zabbix.

Когда хватает подписки. Когда нужен API

Это главный вопрос статьи. Простой ответ: подписка — для вас (разработчика). API — для ваших пользователей.

Гибрид — самый частый сценарий

Большинство разработчиков в 2026 году используют гибрид:

• Подписка — для себя: ежедневная работа в CLI, headless-автоматизация (CI/CD, code review, мониторинг), MCP-делегирование между агентами
• API — для пользователей: чатбот на сайте, RAG-ответчик, SaaS-функции с AI

Прототипируете на подписке (бесплатно в рамках пула). Когда прототип работает и нагрузка растёт — переводите именно этот компонент на API. Не всё сразу. Один компонент за раз.

Формула выбора

Один проект, один человек — CLI с подпиской ($100-200/мес). Без API.

Нужна headless-автоматизация — та же подписка, после 15.06 — из Agent SDK пула. Считайте вызовы.

Несколько агентов — AGENTS.md + ветка-конвенции + MCP-делегирование. Каждый на своей подписке.

SaaS / продукт с пользователями — только прямой API. Подписка не масштабируется.

Минимальный бюджет — Pro ($20) + Kimi ($19) + Antigravity (бесплатно). $39/мес за три агента.

Граница подписка/API — формально

Стратегии оптимизации Agent SDK расхода

Prompt caching — до -90% на input. Повторяющийся system prompt кэшируется: $3/1M → $0.30/1M. Claude Code headless с полной загрузкой (~10K system prompt) выигрывает от этого автоматически.

--max-turns — для лёгких задач ставьте 3-5 вместо дефолтных 10. Меньше итераций = меньше output-токенов = дешевле. Одна лишняя итерация Sonnet — ~$0.05-0.15.

Модельный mix — Haiku 4.5 ($1/$5) для рутины: классификация, форматирование, changelog, lint summary. Sonnet для code review и фиксов. Opus — только для архитектурных решений в интерактивном режиме.

Мультиагентный mix — рутинный мониторинг и простые проверки на Antigravity free (20/день). Code review от другого вендора — GLM через MCP ($0.50/$0.50). Тяжёлые задачи — Claude headless. Grok API — до $150/мес бесплатных кредитов через data sharing (проверьте актуальность в xAI Console).

--bare для CI — экономит 5-20K input-токенов на вызов (нет загрузки инструкций, skills, MCP). На 100 вызовов/мес: $1.50-$6.00 экономии.

Когда переходить с подписки на API

Три сигнала:

1. Agent SDK кредит заканчивается до конца месяца — значит нагрузка перерастает пул. Считайте: если 80% расхода — один конкретный use case — вынесите именно его на API
2. Latency критична — headless процесс стартует 3-8 сек. API call — 200 мс. Для real-time продуктов (чатбот, автокомплит) — только API
3. Внешние пользователи — как только кто-то кроме вас генерирует нагрузку, подписка становится непредсказуемой. API — единственный способ биллить per-request