Российские провайдеры в мультиагентных системах

Чему вы научитесь

• Видеть реальную картину российских AI-провайдеров для мультиагентных систем на май 2026 (без маркетинговых преувеличений)
• Знать, какие из путей зрелые, какие коммьюнити-уровня, какие маркетинговые
• Выбирать провайдера/фреймворк под конкретный сценарий (152-ФЗ, реестр Минцифры, госконтур, VPN-free доступ из РФ)
• Понимать, что у Сбера/Яндекса нет своего «Agent SDK» — они идут через адаптеры к LangChain/LangGraph

Зачем нужен этот урок

В предыдущих уроках модуля 4.3 разбирались зарубежные SDK и платформы — Anthropic Agent SDK, OpenAI Agents SDK, Vercel AI SDK, LangGraph, CrewAI, Dify, n8n, AWS Bedrock и Vertex AI. Все они работают, но создают для российской команды три проблемы:

1. VPN/прокси для API-ключей. Anthropic и OpenAI — недоступны напрямую из РФ, либо банят ключи с РФ-IP.
2. 152-ФЗ. Если в систему попадают ПД РФ-граждан — данные не должны уходить в зарубежные облака без основания.
3. Реестр Минцифры. Госконтракты и многие тендеры требуют ПО из реестра, чего для зарубежных решений нет.

Российские провайдеры — это путь обойти эти ограничения. Но реалии 2026 такие, что полноценного аналога Anthropic Agent SDK или CrewAI в российском поле нет — есть адаптеры под LangChain/LangGraph, low-code конструкторы и одна реестровая enterprise-платформа. Пройдём по каждому варианту.

1. GigaChat (Сбер) + LangGraph

Канонический путь от самого Сбера, рекомендован в их официальной документации (developers.sber.ru/docs/ru/gigachain/tutorials/agents, обновлено 03.10.2025).

Что используется

Как выглядит

GigaChat — дискретный провайдер моделей через адаптер langchain-gigachat. Своего отдельного «Agent SDK» у Сбера нет. Multi-agent система собирается так же, как для любой LangGraph-программы: вы берёте LangGraph, заменяете ChatAnthropic или ChatOpenAI на GigaChat из langchain-gigachat, и дальше всё стандартно.

from langchain_gigachat import GigaChat
from langgraph.prebuilt import create_react_agent

llm = GigaChat(credentials="...", verify_ssl_certs=False, model="GigaChat-Max")
agent = create_react_agent(llm, tools=[my_tool_1, my_tool_2])
result = agent.invoke({"messages": [{"role": "user", "content": "..."}]})

Что важно знать

• Function calling работает — Сбер задокументировал function_call, functions, functions_state_id, finish_reason: "function_call" (developers.sber.ru/docs/ru/gigachat/guides/functions/function-calling-modes).
• MCP поддерживается — есть отдельный туториал (обновлён 28.01.2026) интеграции GigaChat-агента с MCP-серверами через langchain-mcp-adapters + LangGraph (developers.sber.ru/docs/ru/gigachain/tutorials/agent-gigachat-mcp).
• Multi-agent примеров в документации Сбера НЕТ — официальный туториал показывает только single-agent через create_react_agent. Multi-agent вы реализуете на основе общей LangGraph-документации.
• gigachain сам по себе пушится медленно — последний коммит на 16.03.2026 (~2 месяца тишины), что говорит скорее о режиме поддержки, чем активной разработке. Основная активность — в langchain-gigachat.
• Доступ из РФ — без VPN. GigaChat работает напрямую, ПД остаются в РФ-юрисдикции по 152-ФЗ.

2. GigaChat через gpt2giga — OpenAI-совместимый прокси

Если нужно подключить GigaChat к CrewAI / Mastra / Pydantic AI / OpenAI Agents SDK — у самого Сбера прямой адаптер для них не сделан. Решение — прокси gpt2giga (github.com/ai-forever/gpt2giga, ~99 stars, активный апрель 2026).

Как работает

Прокси поднимается локально и слушает OpenAI-совместимый API. Вы говорите фреймворку «используй OpenAI с base URL = http://localhost:8090», а он внутри переписывает запросы на формат GigaChat.

docker run -p 8090:8090 \
  -e GIGACHAT_CREDENTIALS=... \
  ai-forever/gpt2giga

В CrewAI:

from crewai import Agent
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="GigaChat-Max",
    base_url="http://localhost:8090/v1",
    api_key="dummy",
)
agent = Agent(role="Researcher", llm=llm, tools=[...])

Где это полезно

• Любой фреймворк, который умеет говорить с OpenAI API, начинает работать с GigaChat без изменений
• n8n, Flowise, Dify (для self-host) — везде, где есть OpenAI-провайдер, добавляется GigaChat через base URL
• Стандартизированный путь миграции с OpenAI → GigaChat без переписывания кода

Подводные камни

• Function calling через прокси работает не идеально — формат GigaChat и OpenAI разный, прокси транслирует, но иногда теряет nuance. Тестируйте свои сценарии.
• Не все streaming-режимы поддерживаются — для production-чатов проверяйте latency.

3. YandexGPT (Яндекс Cloud) + Agent Atelier

У Яндекса другой подход — они вложились в low-code конструктор вместо ставки на адаптеры под чужие фреймворки.

Что используется

Как выглядит low-code путь

В Yandex AI Studio открываете Agent Atelier → задаёте промпт-шаблон → подключаете tools (MCP-серверы или встроенные: Web Search, Vector Stores, Code Interpreter — последнее GA с апреля 2026) → дальше через Workflows связываете несколько агентов в цепочку.

Это не настоящая multi-agent оркестрация в смысле LangGraph state graph — это последовательность шагов (один агент анализирует, второй планирует), но без сложной маршрутизации, рекурсии, итераций. Для большинства бизнес-сценариев этого хватает; для production-агентного state machine нужен LangGraph.

Как выглядит code-путь

from langchain_community.chat_models import ChatYandexGPT
from langgraph.prebuilt import create_react_agent

llm = ChatYandexGPT(
    api_key="...",
    folder_id="...",
    model_uri="gpt://b1g.../yandexgpt-pro-5.1/latest",
)
agent = create_react_agent(llm, tools=[...])

Что важно

• Без VPN — Yandex Cloud, ПД в РФ-юрисдикции
• MCP поддерживается через MCP Hub (до 50 tools на сервер)
• OpenAI-совместимость в Responses API — можно подключать через gpt2giga-подобные паттерны (но Yandex дал нативный интерфейс)
• Подробного multi-agent примера в документации Яндекса нет — статья на Хабре от Reksoft (31.03.2026) (habr.com/ru/companies/reksoft/articles/1016026/) явно отмечает: «отсутствие поддержки LLM-трассировки в агентах», нет API для развёртывания через Terraform

4. T-Pro / T-Lite (Т-Технологии)

Статус на май 2026: открытые модели — есть, отдельного Agent SDK — нет.

• T-Pro (32B, обновления 2025) и T-Lite (7B) — Apache 2.0, на Hugging Face. Оптимизированы для русского языка и tool use.
• Подключаются через Ollama / vLLM / llama.cpp как любая локальная модель (см. 4.2/01-local-infrastructure)
• Т-Банк имеет внутренний AI-агент для разработчиков (80% инженеров, ускорение time-to-market 20–40% по Forbes), но это внутренний продукт, публичного SDK нет.
• В мультиагентной системе T-Pro выступает как локальная модель в LangGraph / CrewAI / Mastra — со всеми преимуществами (privacy, бесплатно после железа) и недостатками (свой LLM-сервинг, GPU-расходы).

5. Just AI Agent Platform — реестровая enterprise-платформа

Если нужно ПО из реестра Минцифры (госзакупки, госконтуры, требования информационной безопасности) — на май 2026 есть готовое решение.

• Just AI Agent Platform (just-ai.com/agent-platform) — внесена в реестр 17.02.2026 (запись по протоколу № 68пр). CNews, 04.03.2026.
• Universal no-code / low-code / pro-code платформа для multi-agent
• 30+ готовых интеграций: CRM, БД, RAG, MCP-серверы, мессенджеры, task trackers, контакт-центры
• Платная коммерческая платформа — это не open-source

Когда выбирать

• Госзакупка / государственный заказчик / тендер требует реестровое ПО
• Бизнесу нужен enterprise SLA + поддержка, а не open-source pipeline
• Нужны готовые интеграции «из коробки» без программирования

Когда не выбирать

• Своя команда разработки и хочется контроля над кодом → лучше LangGraph + GigaChat
• Бюджет ограничен → open-source путь дешевле
• Specific use-case, не покрытый templates Just AI

Альтернатива из реестра

В реестре есть и другие платформы для агентов (например, AgentNavigator от ЦРТ/SpeechPro, запись № 29369 от 29.08.2025). Перед госзакупкой проверяйте свежий список на reestr.digital.gov.ru.

Сравнительная таблица

Что выбрать в реальной ситуации

Если госконтур / госзакупка / 152-ФЗ-критичные ПД:

• Just AI Agent Platform (реестр, готовые интеграции)
• Или: T-Pro локально + LangGraph (если есть GPU и команда)

Если коммерческий проект с бюджетом, но без госконтура:

• GigaChat + LangGraph через langchain-gigachat (канонический путь от Сбера)
• Или: YandexGPT через LangChain если уже сидите в Yandex Cloud

Если pet-project / стартап / прототип:

• GigaChat через gpt2giga + любой open-source фреймворк (CrewAI / Mastra)
• Free tier YandexGPT через AI Studio

Если нужна полная privacy без облака:

• T-Pro / T-Lite через Ollama + LangGraph (см. 4.2/01-local-infrastructure)

Что запомнить

1. У Сбера и Яндекса своего отдельного «Agent SDK» нет. Они идут через адаптеры к LangChain/LangGraph и low-code конструкторы.
2. Канонический путь GigaChat — langchain-gigachat + LangGraph. Multi-agent сами реализуете, примеров в документации нет.
3. gpt2giga — OpenAI-прокси, через него GigaChat работает в CrewAI / Mastra / любом фреймворке без переписывания.
4. Yandex Agent Atelier — low-code конструктор, multi-agent через Workflows (последовательность, не state graph).
5. T-Pro / T-Lite — открытые модели для self-host, sdk нет, оркестрация через LangGraph.
6. Just AI Agent Platform — единственная пока в реестре Минцифры платформа специально под multi-agent (с 17.02.2026).
7. Все эти решения мы лично не тестировали — описание основано на документации, GitHub-статистике и публикациях. Перед production обязательно ваше тестирование.