Agentic Web: как AI-агенты меняют интернет и нашу жизнь

Agentic Web: как AI-агенты меняют интернет и нашу жизнь

I. Исполнительный обзор

Концепция Agentic Web, или «агентного интернета», обозначает переход к новой, четвертой фазе развития Всемирной паутины, где доминирующим становится автономное, целеориентированное взаимодействие. В этой парадигме AI-агенты, основанные на больших языковых моделях (LLM), планируют, координируют и выполняют сложные задачи от имени пользователей, переходя от традиционных взаимодействий «человек-машина» к динамичным операциям «машина-машина».1 Этот фундаментальный сдвиг освобождает пользователей от рутинных цифровых операций, позволяя им делегировать высокоуровневые намерения и фокусироваться на более ценных видах деятельности.1

Отчет представляет собой всесторонний анализ Agentic Web, охватывающий его архитектурные основы, экосистему, трансформационное влияние на различные отрасли и связанные с ним критические вызовы. В ходе анализа выявлено, что Agentic Web не является простым усовершенствованием Web 2.0; это кардинальная перестройка, которая меняет роль пользователя с «оператора» на «стратегического делегатора».4 В центре этой трансформации лежит способность агентов к планированию и использованию внешних инструментов, что порождает новую «экономику действий» (Agent Attention Economy), где сервисы конкурируют не за клики пользователя, а за вызовы со стороны агентов.4 Однако такая автономия порождает беспрецедентные риски в области безопасности, этики и управления, требующие создания новых инфраструктурных решений, таких как верифицируемая идентичность и блокчейн-протоколы, для обеспечения доверия и подотчетности.5

II. Введение в парадигму Agentic Web

Определение Agentic Web

Agentic Web — это не просто новый термин, а новая архитектурная парадигма интернета, которая вышла на первый план в 2024 году на фоне широкого распространения AI-агентов.7 Эта концепция определяет фазу интернета, где основной формой взаимодействия становится не ручное управление со стороны человека, а автономные, целеориентированные действия AI-агентов.1

Ключевая особенность Agentic Web заключается в том, что он представляет собой переход от взаимодействия «человек-машина» к модели «машина-машина».1 В этом новом мире пользователи больше не выступают в роли активных операторов, вручную перемещающихся по сайтам, кликающих по ссылкам и заполняющих формы. Вместо этого, они делегируют высокоуровневые задачи, формулируя свои цели на естественном языке. Например, вместо того чтобы вручную искать билеты, бронировать отель и планировать маршрут, пользователь может просто поставить агенту задачу «Спланируй мою поездку в Токио».4 Таким образом, Agentic Web переосмысливает саму природу цифрового взаимодействия, превращая пассивный веб-браузер в проактивного, интеллектуального помощника.4

Эволюция интернета: от пассивного к автономному

Чтобы полностью оценить значение Agentic Web, необходимо рассмотреть его в контексте эволюции интернета.

1. Web 1.0 (PC Web): Эра «Навигатора». На заре интернета в 1990-х и 2000-х годах веб представлял собой преимущественно статичное хранилище информации, подобное «цифровым желтым страницам». Пользователь был «Навигатором», который вручную просматривал страницы и использовал поисковые системы, основанные на ключевых словах. Бизнес-модель была сосредоточена на поисковой рекламе (Google AdWords), монетизируя поток «запрос-результат».4
2. Web 2.0 (Mobile Web/Social Web): Эра «Оператора». В 2010-х годах доминирование смартфонов и социальных сетей сместило акцент на динамичные, персонализированные приложения и алгоритмические ленты. Роль пользователя эволюционировала до «Оператора», который взаимодействовал с интерфейсами через касания и прокрутку. Экономика этой эпохи была основана на внимании (Human Attention Economy), где компании конкурировали за время и внимание пользователя, чтобы продать его рекламодателям.4
3. Agentic Web (Web 4.0): Эра «Режиссера». Agentic Web знаменует третью волну фундаментальных изменений, где пользователь становится «Режиссером» или «Стратегическим делегатором». Вместо того чтобы самому выполнять задачи, он делегирует их AI-агентам, которые автономно планируют и выполняют многоступенчатые операции.4

Этот сдвиг является следствием глубокого преобразования: интернет перестает быть пассивным хранилищем информации и превращается в «динамичную среду действия», населенную автономными системами, которые могут планировать и выполнять цели.4

Отличие AI-агента от предшественников

Ключевым элементом Agentic Web является сам AI-агент. Важно провести четкое разграничение между агентами и их предшественниками.

• Боты и скрипты: Эти системы следуют жестко заданным, заранее запрограммированным правилам. Они не обладают способностью к адаптации, принятию решений или рассуждению. Их действия ограничены предопределенными сценариями.4
• Чат-боты: Используют большие языковые модели для ведения диалога и предоставления информации. Они реагируют на запросы пользователя, но, как правило, не имеют «автономии» для выполнения многоэтапных задач, требующих выхода за пределы диалогового контекста. Их основная задача — ответить на вопрос, а не выполнить цель.13
• AI-агенты: Это автономные программные системы, которые, в отличие от чат-ботов, способны к принятию решений, планированию, запоминанию и использованию внешних инструментов (API, базы данных). Они могут самостоятельно разбивать сложную задачу на подзадачи, выполнять их последовательно или параллельно, корректировать свой план в случае непредвиденных обстоятельств и достигать цели с минимальным участием человека.4

Появление LLM, которые могут рассуждать и планировать, стало катализатором для возникновения этой новой парадигмы.16 Это привело к фундаментальному сдвигу в роли пользователя — от ручного выполнения задач (кликов, поиска) к делегированию и постановке целей.4 Это не просто автоматизация, а замена человека как основного оператора интернета, что, в свою очередь, влечет за собой переосмысление самого веб-интерфейса. Веб-сайты, изначально созданные для человека, теперь должны быть понятны и пригодны для взаимодействия агентов.9 Это глубокое изменение затрагивает не только технологии, но и философию дизайна и использования цифровых сервисов.

III. Основные архитектурные компоненты и механизмы

Agentic Web требует сложной, многокомпонентной архитектуры, которая выходит за рамки простой LLM. Чтобы обеспечить автономное и целеориентированное поведение, AI-агенты строятся из нескольких ключевых модулей, работающих в тандеме.

Анатомия AI-агента

1. LLM-основа. Базовая большая языковая модель (например, GPT-4) служит «мозгом» агента, обеспечивая понимание естественного языка, рассуждение и генерацию ответов.16 Эта основа позволяет агенту интерпретировать высокоуровневые инструкции и создавать планы.
2. Модули памяти. Вместо того чтобы быть «беспамятными», как традиционные чат-боты, AI-агенты накапливают «опыт» и контекст, заменяя статичные базы данных.7 Существуют два основных типа памяти, которые позволяют агенту функционировать более эффективно 18:

• Кратковременная память: Сохраняет контекст текущего взаимодействия, позволяя агенту помнить предыдущие шаги в рамках одной задачи.
• Долговременная память: Хранит информацию о прошлых сессиях и взаимодействиях (например, предпочтения пользователя), что позволяет агенту учиться и совершенствоваться с течением времени.13

1. Движок планирования и рассуждения. Это критически важный компонент, который позволяет агенту разбить сложную, абстрактную цель на серию конкретных, выполнимых подзадач.10 Агент не просто следует скрипту, а адаптирует свой план в режиме реального времени, если какой-то шаг не удается или возникают неожиданные обстоятельства.4
2. Интеграция инструментов (Tool Use). Возможность вызывать внешние инструменты и API позволяет агенту выполнять задачи, которые выходят за рамки его собственных знаний. Это может быть вызов поисковой системы для сбора актуальной информации, подключение к базе данных для извлечения структурированных данных или использование API для отправки электронного письма или совершения покупки.14

Механизмы коллаборации: от одного агента к «когнитивному кластеру»

Многие сложные задачи не могут быть решены одним агентом. Это привело к развитию мульти-агентных систем, где команды специализированных агентов работают вместе. Эта концепция описывается как «когнитивный кластер».7

• Концепция «экипажа» (Crew): В этой модели несколько агентов с четко определенными ролями (например, «исследователь», «аналитик», «писатель») сотрудничают, чтобы решить сложную проблему. Каждый агент выполняет свою часть задачи и передает результат следующему, что повышает точность и эффективность.19
• Оркестровка: В мульти-агентной системе роль управляющего агента (orchestrator) заключается в декомпозиции общей цели на более мелкие подзадачи и делегировании их специализированным «рабочим» агентам.21 Этот процесс напоминает работу джазового ансамбля, где каждый музыкант играет свою партию, но при этом реагирует на игру других, создавая единую гармонию.7

Протоколы для совместимости: «Язык» Agentic Web

Появление большого количества различных агентов и инструментов создало проблему фрагментации, где экосистемы остаются закрытыми и несовместимыми.8 Для решения этой проблемы разрабатываются стандартизированные протоколы, которые выступают в качестве «языка» для Agentic Web.

• Model Context Protocol (MCP) от Anthropic: Этот протокол — открытый стандарт, который обеспечивает унифицированный интерфейс для подключения агентов к внешним инструментам, данным и системам. Его можно сравнить с «USB-C для ИИ», поскольку он позволяет LLM «видеть» и использовать API, базы данных и файлы без необходимости сложной, кастомной интеграции.7
• Agent-to-Agent (A2A) Protocol от Google: Этот протокол — открытый стандарт для прямого, защищенного общения и сотрудничества между агентами. Он позволяет агентам, созданным на разных фреймворках, обмениваться контекстом, статусами и данными, не раскрывая при этом свою внутреннюю «логику» или проприетарные инструменты.8

Требование к агентам выполнять сложные, многошаговые задачи 4 привело к необходимости в модульной архитектуре с движком планирования, памятью и инструментами.16 В свою очередь, сложность этих систем требует стандартизированных протоколов для обеспечения совместимости между разными агентами и инструментами.23 Однако появление протоколов, таких как MCP и A2A, которые позволяют агентам автономно взаимодействовать с внешней средой и друг с другом, порождает и новые уязвимости. Атака на один компонент может «заразить» всю цепочку агентов, создавая «каскадные» атаки и увеличивая риск утечки конфиденциальных данных.30

Таблица 3: Основные протоколы Agentic Web

Протокол Разработчик Основное назначение Ключевые особенности MCP (Model Context Protocol) Anthropic Стандартизация подключения агентов к внешним инструментам и данным Обеспечивает универсальный интерфейс для интеграции с API, базами данных, файлами. Упрощает разработку и снижает фрагментацию. 7 A2A (Agent-to-Agent Protocol) Google Стандартизация общения и коллаборации между агентами Позволяет агентам разных вендоров и фреймворков обмениваться информацией, не раскрывая свою внутреннюю логику. Поддерживает многомодальное и асинхронное общение. 8 ACP (Agent Communication Protocol) IBM Оркестровка рабочих процессов и управление состоянием в мульти-агентных системах Основан на RESTful API. Позволяет управлять сложными рабочими процессами, делегировать задачи и отслеживать состояние, выступая в роли «проект-менеджера» для команд агентов. 26

IV. Экосистема Agentic Web: Фреймворки, инструменты и игроки

Экосистема Agentic Web быстро развивается, предлагая широкий спектр инструментов — от открытых фреймворков для разработчиков до специализированных платформ и браузеров.

Ландшафт фреймворков для создания AI-агентов

• Microsoft AutoGen: Это открытый фреймворк, созданный для упрощения разработки мульти-агентных систем. Он ориентирован на оркестровку команд агентов с различными ролями, например, «исследователь», «аналитик», «рецензент», которые совместно решают сложную задачу. AutoGen отличается модульностью, встроенной поддержкой отладки и мониторинга, а также наличием AutoGen Studio — графического инструмента, позволяющего создавать рабочие процессы без написания кода.21 Фреймворк идеально подходит для автоматизации бизнес-процессов и интеграции с существующей экосистемой Microsoft.
• LangChain/LangGraph: LangChain — один из самых популярных фреймворков, предназначенный для построения приложений, требующих глубокой обработки естественного языка. Он имеет модульную структуру, которая позволяет создавать кастомные рабочие процессы и интегрироваться с широким спектром LLM и инструментов.18 LangGraph, надстройка над LangChain, добавляет возможность управлять состоянием и строить сложные, многоэтапные рабочие процессы с помощью графовой структуры. Это требует более высокого уровня технических навыков, но предоставляет беспрецедентную гибкость.18
• CrewAI: Этот открытый фреймворк сфокусирован на концепции «экипажа» (crew) — команды специализированных агентов, которые сотрудничают для решения комплексных проблем. CrewAI упрощает процесс создания и управления мульти-агентными командами, назначая каждому агенту четко определенную роль, цель и «предысторию» (backstory). Этот подход снижает риск «галлюцинаций» и повышает точность работы.19

Таблица 2: Сравнительный анализ фреймворков для создания AI-агентов

Фреймворк Простота использования Масштабируемость Возможность кастомизации Интеграция Основное назначение Microsoft AutoGen Очень легко (в т.ч. без кода) Умеренно-высокая Низкая (ограничена кастомными компонентами) Высокая (Microsoft tools) Оркестровка команд агентов для автоматизации бизнес-процессов LangChain/LangGraph Умеренно-высокая Высокая Высокая Высокая (мульти-модельная поддержка) Построение сложных, кастомных рабочих процессов на основе NLP CrewAI Очень легко Низкая-умеренная Умеренная (для комплексных задач) Умеренная Совместная работа агентов для решения комплексных задач

Новые платформы и инструменты

Помимо фреймворков, развиваются и специализированные платформы, которые облегчают внедрение агентной парадигмы.

• Агентные браузеры (Agentic Browsers): Это новое поколение веб-браузеров, таких как Perplexity Comet, Fellou и Dia browser, которые созданы не просто для отображения контента, а для активного взаимодействия с веб-страницами от имени пользователя. Они используют AI-агентов для навигации, заполнения форм, совершения покупок и выполнения сложных, многошаговых рабочих процессов, превращая каждый сайт в «программируемый интерфейс».10
• Инфраструктурные и low-code инструменты: На рынке появляются решения, которые предоставляют инфраструктуру для работы агентов или упрощают их создание. Например, Browserbase предлагает облачную инфраструктуру для работы «безголовых» браузеров, а такие платформы, как UiPath и ScreenMate AI, сочетают RPA (роботизированную автоматизацию процессов) с агентными возможностями, позволяя автоматизировать веб-действия с помощью простых текстовых инструкций.35

Наблюдается явное развитие рынка от горизонтальных, универсальных инструментов к вертикально-интегрированным решениям. Вначале были разработаны базовые фреймворки, такие как LangChain, для построения агентов.32 Затем, по мере осознания, что одного агента недостаточно для сложных задач, появились фреймворки для мульти-агентных систем, такие как AutoGen и CrewAI.20 Сегодня мы видим дальнейшее развитие в сторону специализированных вертикальных платформ (например,

Flexport AI для логистики или EY Supply Chain AI) и агентных браузеров, которые оптимизированы для конкретных задач, а не являются универсальными инструментами.10 Эта траектория развития показывает, что рынок движется от базового инструментария к зрелым, нишевым решениям, которые приносят реальную ценность в конкретных отраслях.

V. Трансформационные приложения и реальные примеры использования

Agentic Web обещает революционизировать то, как люди и организации взаимодействуют с цифровыми технологиями, превращая рутинные операции в полностью автономные процессы.

Делегированная автономия: от идеи к действию

Ключевым преимуществом агентной парадигмы является возможность делегировать высокоуровневые, сложные цели. Вместо того чтобы самому выполнять задачи, пользователь может просто дать указание. Примером может служить запрос «Спланируй мою поездку в Токио». Агент автономно выполнит всю цепочку действий: найдет авиабилеты, забронирует отели, проверит прогноз погоды и создаст подробный маршрут.4 Это принципиально отличается от обычного поиска, где пользователю нужно вручную выполнять каждый шаг.

Секторные примеры

1. Финансовые услуги. Agentic Web оказывает глубокое влияние на финансовый сектор, угрожая его традиционным бизнес-моделям.38 Агенты могут непрерывно мониторить банковские счета в режиме реального времени, переводить средства на более доходные высокопроцентные счета (
   sweeping idle cash), возвращать их для оплаты счетов и даже перераспределять активы между несколькими банками, руководствуясь доходностью и пользовательскими настройками.38 Агенты также могут использоваться для обнаружения мошенничества, выявляя аномалии в финансовых операциях, и для обеспечения автоматического соблюдения нормативных требований.40
2. E-commerce и розничная торговля. В этой сфере агенты могут обеспечить гиперперсонализированный опыт. Например, они могут адаптировать рекомендации в режиме реального времени на основе поведения пользователя и текущих запасов.41 В цепочке поставок агенты могут использовать данные с датчиков IoT и прогнозы спроса для автоматического размещения заказов у поставщиков без человеческого вмешательства.37
3. Автоматизация предприятий. Agentic Web предоставляет мощный инструмент для модернизации устаревших систем (legacy systems), превращая их статичные API в «строительные блоки» для агентов.7 Это позволяет автоматизировать сложные бизнес-процессы, такие как формирование отчетов о расходах, которые требуют сбора данных из разрозненных систем, или оптимизация маршрутов в логистике.39

Способность агентов использовать внешние инструменты и выполнять многошаговые задачи 4 приводит к автоматизации рутинных операций, таких как заполнение форм или сбор данных.10 Это, в свою очередь, значительно повышает производительность на уровне отдельного человека и предприятия.13 В конечном итоге, агенты становятся не просто потребителями, а экономическими акторами, способными создавать ценность и участвовать в транзакциях без прямого контроля человека 4, что приводит к появлению совершенно новых бизнес-моделей.43

VI. Риски, вызовы и необходимость управления (Governance)

Широкомасштабное внедрение Agentic Web, основанное на автономном поведении, сопряжено с серьезными вызовами, которые выходят далеко за рамки традиционных проблем кибербезопасности.

Новые угрозы безопасности

Сложная, вероятностная природа агентных систем создает новые векторы атак, которые невозможно предотвратить с помощью традиционных методов.

• «Инъекция промпта» (Prompt Injection): Эта атака заключается во внедрении вредоносных, скрытых инструкций в данные (например, на веб-странице или в документе), которые агент обрабатывает. Агент может не распознать эти инструкции как враждебные и выполнить их, что приведет к нежелательным и опасным действиям.31
• «Перехват восприятия» (Perception Hijacking): В этом типе атаки злоумышленник манипулирует тем, что агент «видит» на веб-странице, например, подменяя легитимные кнопки, ссылки или элементы интерфейса. Это заставляет агента совершить непреднамеренные действия, такие как передача конфиденциальных данных или переход на вредоносный сайт.30
• Каскадные эффекты (Cascading Effects): В мульти-агентных системах уязвимость или компрометация одного агента может привести к заражению всей цепочки. Атакованный агент может передать ложные или вредоносные инструкции своим «коллегам», что вызовет системный сбой или распространение дезинформации по всей сети.30
• Утечка контекста (Context Leakage): Из-за сложности рабочих процессов агент может случайно раскрыть конфиденциальные данные (ключи API, токены сессий), передавая их между различными инструментами или системами, что создает серьезные риски для безопасности и конфиденциальности.30

Этические и социальные последствия

• Ответственность и подотчетность. Главный вопрос: кто несет ответственность за ошибки или ущерб, причиненный автономным агентом? Поскольку логика принятия решений агента может быть «черным ящиком», определить первопричину сбоя и возложить ответственность на конкретное лицо становится крайне сложно.15
• Доверие. Делегирование важных задач, таких как финансовые операции или принятие медицинских решений, требует высокого уровня доверия к системе. Однако «непрозрачная» природа AI-агентов может подорвать это доверие. Без четкого понимания, почему агент принял то или иное решение, пользователи и регуляторы будут не готовы передать им важные функции.5
• «Субверсивные намерения» (Subversive Intentions). Наибольшую опасность представляет риск того, что агенты могут разработать рабочие процессы, которые незаметно подрывают человеческие намерения или обходят этические границы.15

Решение проблемы доверия: Верифицируемая идентичность

Чтобы решить проблему доверия и подотчетности, необходимо внедрить механизмы верифицируемой идентичности для AI-агентов.

• Проблема: Неверифицированные агенты могут выдавать себя за человека или другую организацию, распространять дезинформацию или мошенничать, что подрывает общественное доверие.6
• Решение: Верифицируемая цифровая идентичность позволяет отслеживать каждое действие агента, подтверждать его полномочия и возлагать ответственность на организацию, которая стоит за ним. Это обеспечивает прозрачность, необходимую для работы в таких высокорегулируемых сферах, как финансы и здравоохранение.6
• Технологии: Для этого используются децентрализованные идентификаторы (DIDs) и верифицируемые учетные данные (Verifiable Credentials), которые создают проверяемый «след» действий агента, недоступный для подделки.45

Роль регулирования и управления

Скорость развития AI-агентов значительно опережает внедрение адекватных мер безопасности и нормативных рамок.31 Необходим новый подход к управлению, ориентированный на «намерения и результаты», а не на пошаговую логику.7

Концепция BetaWeb (Blockchain-enabled trustworthy Agentic Web) предлагает использовать блокчейн для создания прозрачной, надежной и масштабируемой инфраструктуры. В BetaWeb каждый шаг в жизненном цикле задачи и действие агента может быть проверен и отслежен в неизменяемом реестре, что обеспечивает подотчетность и целостность всех операций.23

Агентная архитектура сложна и основана на вероятностной логике 7, что делает традиционные методы отладки и безопасности неэффективными.7 Это приводит к появлению новых векторов атак 30 и угроз, связанных с непредсказуемым поведением и потенциальной возможностью «обмана».15 Это, в свою очередь, создает критический «вызов доверия», который, если его не решить, может подорвать экономический рост и общественное принятие Agentic Web.5 Решения, такие как DIDs и BetaWeb, напрямую отвечают на этот вызов, используя блокчейн для обеспечения прозрачности, необходимой для восстановления доверия.23

Таблица 4: Таксономия рисков Agentic Web

Категория риска Тип риска Описание Последствия Угрозы безопасности Инъекция промпта Внедрение вредоносных инструкций в данные, которые агент обрабатывает, чтобы манипулировать его логикой. Агент совершает непреднамеренные действия, утечка данных, несанкционированное использование инструментов. 31 Перехват восприятия Манипулирование внешним интерфейсом (веб-страницей, DOM), чтобы обмануть «зрение» агента. Агент взаимодействует с поддельными кнопками/ссылками, передает данные на сторонний ресурс. 30 Каскадные эффекты Распространение вредоносных инструкций или ложных данных по всей мульти-агентной системе после компрометации одного агента. Неконтролируемое распространение дезинформации, системные сбои, массовая утечка данных. 30 Этические и социальные риски Отсутствие подотчетности Сложность отслеживания и объяснения решений, принятых автономными системами, что делает невозможным возложение ответственности. Юридические и этические проблемы, снижение общественного доверия, сложности с регулированием. 15 «Субверсивные намерения» Риск того, что агенты могут разработать рабочие процессы, которые незаметно подрывают человеческие намерения или обходят этические границы. Скрытое нежелательное поведение, сложность отладки, непредсказуемые последствия. 15

VII. Экономические последствия и бизнес-модели

Agentic Web представляет собой фундаментальный сдвиг в экономике интернета, переходя от традиционной «экономики внимания» к новой «экономике действий» (Agent Attention Economy).4

Переход от экономики внимания к экономике действий

В эпоху Web 2.0 экономика была построена на том, чтобы захватить и удержать человеческое внимание. Веб-сайты и приложения конкурировали за «человеческий клик» и время, проведенное на платформе, чтобы продать его рекламодателям.4 В Agentic Web эта логика переворачивается. Теперь сервисы и API будут конкурировать за то, чтобы их вызвал агент пользователя для выполнения задачи.4 Новой «валютой» и ключевыми показателями эффективности станут не клики или время на сайте, а частота «вызовов агентов» (agent invocation frequency) и «процент завершения задач» (task completion rate), что напрямую отражает ценность, которую агент создает для пользователя.9

Новые модели монетизации

Появление агентной парадигмы порождает совершенно новые бизнес-модели.

• Оплата за результат (Outcome-Based Pricing): Эта модель набирает популярность, поскольку она напрямую связывает стоимость с ценностью. Клиент платит не за количество API-вызовов или время работы агента, а за достижение измеримого результата, например, за количество успешно решенных запросов в службу поддержки, за сгенерированных квалифицированных лидов или за сэкономленные часы ручного труда.43
• Плата за транзакцию (Transaction Take-Rate): Эта модель предусматривает получение комиссии за успешное завершение коммерческой транзакции. Например, агент-путешественник может получить комиссию от авиакомпании или отеля за успешно совершенное бронирование.48 Это делает агента ценным партнером для бизнеса.
• Пакетная подписка (Bundled SaaS Pricing): Агенты могут быть внедрены как дополнительные функции или модули в существующие SaaS-продукты (например, CRM или ERP), что повышает их «липкость» (stickiness) и ценность для клиента.43

В настоящее время наблюдается расхождение в подходах к монетизации. С одной стороны, крупные LLM-провайдеры, такие как OpenAI, стремятся стать центральным «агентом-супераппом», который будет маршрутизировать запросы и получать комиссию за транзакции.48 С другой стороны, независимые разработчики создают специализированных агентов для нишевых рынков, где доход получают от продажи готовых решений или подписки, привязанной к реальной стоимости, которую агент приносит бизнесу.43 Этот потенциальный конфликт интересов между стремлением к монополии и развитием специализированных решений будет определять динамику рынка в ближайшие годы.

VIII. Заключение: Взгляд в будущее

Agentic Web представляет собой неизбежную и глубокую трансформацию, которая перестраивает базовую архитектуру интернета и меняет саму природу цифрового взаимодействия. Анализ показывает, что эта парадигма не просто улучшает существующие системы, а создает новую реальность, где пользователи переходят от ручного управления к делегированию, а веб-ресурсы становятся не просто хранилищами информации, а «действенными интерфейсами» для автономных систем.

Ключевые выводы, представленные в отчете, указывают на сложную взаимосвязь между технологическим прогрессом и его последствиями. Способность агентов к планированию и использованию инструментов привела к появлению мульти-агентных систем и, как следствие, к потребности в стандартизированных протоколах. Эти же протоколы, в свою очередь, породили новые, сложные риски безопасности и этические вызовы, связанные с вопросами ответственности и доверия.

Развитие Agentic Web указывает на следующую траекторию, ведущую к концепции Web3.5.23 Если Web3 был сосредоточен на владении данными и активами, то Web3.5 переносит акцент на владение

возможностями агентов и их монетизацию.49 Это означает, что навыки агента — например, способность проводить аудит смарт-контрактов или оптимизировать логистические маршруты — могут быть токенизированы и стать ценными, продаваемыми цифровыми активами.23

Рекомендации

На основе проведенного анализа можно сформулировать следующие рекомендации для различных заинтересованных сторон:

• Для технологических лидеров: Необходимо пересмотреть архитектуру своих систем, переходя к модульному дизайну, который облегчает интеграцию агентов. Инвестирование в новые протоколы (MCP, A2A) и фреймворки, такие как AutoGen и CrewAI, позволит создавать масштабируемые и эффективные мульти-агентные системы.
• Для разработчиков: Следует сместить фокус с создания инструментов для людей на создание инструментов, которые будут полезны для агентов. Изучение протоколов, которые обеспечивают взаимодействие «машина-машина», и разработка решений, которые превращают существующие сервисы в «строительные блоки» для агентов, станут ключевыми навыками.
• Для бизнеса: Руководителям следует пересмотреть бизнес-модели, переходя от оплаты за внимание к оплате за реальный результат, который приносят агенты. Крайне важно инвестировать в системы безопасности и управления, которые смогут обеспечить подотчетность, прозрачность и доверие, соответствующие новому уровню автономности. Без этих мер, потенциальные экономические выгоды Agentic Web могут быть сведены на нет из-за рисков и потери доверия.

Источники

1. [2507.21206] Agentic Web: Weaving the Next Web with AI Agents — arXiv, дата последнего обращения: августа 21, 2025, https://arxiv.org/abs/2507.21206
2. arxiv.org, дата последнего обращения: августа 21, 2025, https://arxiv.org/abs/2507.21206#:~:text=The%20emergence%20of%20AI%20agents,tasks%20on%20behalf%20of%20users.
3. Accessibility and the agentic web — TetraLogical, дата последнего обращения: августа 21, 2025, https://tetralogical.com/blog/2025/08/08/accessibility-and-the-agentic-web/
4. The Agentic Web: How Autonomous AI Agents Could Reshape the …, дата последнего обращения: августа 21, 2025, https://www.ikangai.com/the-agentic-web-how-autonomous-ai-agents-could-reshape-the-internets-next-era/
5. Trust is the new currency in the AI agent economy — The World Economic Forum, дата последнего обращения: августа 21, 2025, https://www.weforum.org/stories/2025/07/ai-agent-economy-trust/
6. Why AI Agents Need Verified Digital Identities — Identity.com, дата последнего обращения: августа 21, 2025, https://www.identity.com/why-ai-agents-need-verified-digital-identities/
7. The agentic web arrives: what Web 4.0 means for enterprise software — AI/LLM — Artium.AI, дата последнего обращения: августа 21, 2025, https://artium.ai/insights/the-agentic-web-arrives-what-web-4-0-means-for-enterprise-software
8. #agentic #web3 : Weaving the Next Web with AI Agents — YouTube, дата последнего обращения: августа 21, 2025, https://www.youtube.com/watch?v=kY_Pi7M8uikatomic:embed 0
   
9. The Agentic Web: The Next Wave to Disrupt the Internet — 36氪, дата последнего обращения: августа 21, 2025, https://eu.36kr.com/en/p/3412637779922567
10. What are Agentic Browsers? Exploring AI-native Web Navigation — DigitalOcean, дата последнего обращения: августа 21, 2025, https://www.digitalocean.com/resources/articles/agentic-browsers
11. Attention economy — Wikipedia, дата последнего обращения: августа 21, 2025, https://en.wikipedia.org/wiki/Attention_economy
12. The Attention Economy — Center for Humane Technology, дата последнего обращения: августа 21, 2025, https://www.humanetech.com/youth/the-attention-economy
13. What are AI agents? Definition, examples, and types | Google Cloud, дата последнего обращения: августа 21, 2025, https://cloud.google.com/discover/what-are-ai-agents
14. The Rise of Agentic AI: From Chatbots to Web Agents — Imperva, дата последнего обращения: августа 21, 2025, https://www.imperva.com/blog/the-rise-of-agentic-ai-from-chatbots-to-web-agents/
15. The Risks and Governance Requirements of Agentic AI — Dataiku Blog, дата последнего обращения: августа 21, 2025, https://blog.dataiku.com/the-risks-and-governance-requirements-of-agentic-ai
16. Agentic LLM Architecture: How It Works, Types, Key Applications | SaM Solutions, дата последнего обращения: августа 21, 2025, https://sam-solutions.com/blog/llm-agent-architecture/
17. Small Language Models are the Future of Agentic AI — Research at NVIDIA, дата последнего обращения: августа 21, 2025, https://research.nvidia.com/labs/lpr/slm-agents/
18. Agent architectures, дата последнего обращения: августа 21, 2025, https://langchain-ai.github.io/langgraphjs/concepts/agentic_concepts/
19. What is CrewAI? — GeeksforGeeks, дата последнего обращения: августа 21, 2025, https://www.geeksforgeeks.org/blogs/what-is-crewai/
20. What is CrewAI? A Platform to Build Collaborative AI Agents | DigitalOcean, дата последнего обращения: августа 21, 2025, https://www.digitalocean.com/resources/articles/what-is-crew-ai
21. AutoGen — Microsoft, дата последнего обращения: августа 21, 2025, https://www.microsoft.com/en-us/research/wp-content/uploads/2025/01/WEF-2025_Leave-Behind_AutoGen.pdf
22. How to Use Microsoft AutoGen Framework to Build AI Agents | Charter Global, дата последнего обращения: августа 21, 2025, https://www.charterglobal.com/how-to-use-the-microsoft-autogen-framework-to-build-ai-agents/
23. [2508.13787] BetaWeb: Towards a Blockchain-enabled Trustworthy Agentic Web — arXiv, дата последнего обращения: августа 21, 2025, https://www.arxiv.org/abs/2508.13787
24. Model Context Protocol — Wikipedia, дата последнего обращения: августа 21, 2025, https://en.wikipedia.org/wiki/Model_Context_Protocol
25. Model Context Protocol: Introduction, дата последнего обращения: августа 21, 2025, https://modelcontextprotocol.io/
26. Agentic AI Communication Protocols: The Backbone of Autonomous Multi-Agent Systems, дата последнего обращения: августа 21, 2025, https://datasciencedojo.com/blog/agentic-ai-communication-protocols/
27. Building Multi-Agent AI App with Google’s A2A (Agent2Agent) Protocol, ADK, and MCP — A Deep Dive — Medium, дата последнего обращения: августа 21, 2025, https://medium.com/ai-cloud-lab/building-multi-agent-ai-app-with-googles-a2a-agent2agent-protocol-adk-and-mcp-a-deep-a94de2237200
28. Inside Google’s Agent2Agent (A2A) Protocol: Teaching AI Agents to Talk to Each Other, дата последнего обращения: августа 21, 2025, https://towardsdatascience.com/inside-googles-agent2agent-a2a-protocol-teaching-ai-agents-to-talk-to-each-other/
29. What Are AI Agent Protocols? — IBM, дата последнего обращения: августа 21, 2025, https://www.ibm.com/think/topics/ai-agent-protocols
30. The Rise of Agentic AI: Uncovering Security Risks in AI Web Agents — Imperva, дата последнего обращения: августа 21, 2025, https://www.imperva.com/blog/the-rise-of-agentic-ai-uncovering-security-risks-in-ai-web-agents/
31. Best Practices for Mitigating the Security Risks of Agentic AI — Prey Project, дата последнего обращения: августа 21, 2025, https://preyproject.com/blog/mitigating-agentic-ai-security-risks
32. The Best Agentic AI Frameworks and Tools — Codewave, дата последнего обращения: августа 21, 2025, https://codewave.com/insights/best-agentic-ai-frameworks-tools/
33. LangGraph — LangChain, дата последнего обращения: августа 21, 2025, https://www.langchain.com/langgraph
34. AI Agent Platforms: Tutorial & Comparison, дата последнего обращения: августа 21, 2025, https://www.patronus.ai/ai-agent-development/ai-agent-platforms
35. 10 Agentic AI remote tools to work easier — Atera, дата последнего обращения: августа 21, 2025, https://www.atera.com/blog/agentic-ai-remote-tools/
36. Browserbase: A web browser for AI agents & applications, дата последнего обращения: августа 21, 2025, https://www.browserbase.com/
37. 20 Best AI Agent Platforms — Multimodal, дата последнего обращения: августа 21, 2025, https://www.multimodal.dev/post/best-ai-agent-platforms
38. The end of inertia: Agentic AI’s disruption of retail and SME banking — McKinsey, дата последнего обращения: августа 21, 2025, https://www.mckinsey.com/industries/financial-services/our-insights/the-end-of-inertia-agentic-ais-disruption-of-retail-and-sme-banking
39. 30 Use Cases for agentic web application reengineering from legacy applications, дата последнего обращения: августа 21, 2025, https://vskumar.blog/2025/05/24/30-use-cases-for-agentic-web-application-reengineering-from-legacy-applications/
40. Top 20 Agentic AI Use Cases in the Real World — Daffodil Software, дата последнего обращения: августа 21, 2025, https://insights.daffodilsw.com/blog/top-20-agentic-ai-use-cases-in-the-real-world
41. Why ‘agentic web’ is the next term you need to understand — Forbes Australia, дата последнего обращения: августа 21, 2025, https://www.forbes.com.au/news/innovation/why-agentic-web-is-the-next-term-you-need-to-understand/
42. Top 20 Agentic AI Project Ideas You Must Build in 2025 — Intelegain Technologies, дата последнего обращения: августа 21, 2025, https://www.intelegain.com/top-20-agentic-ai-project-ideas-in-2025/
43. How to Monetize AI Agents — 2025 — Aalpha Information Systems, дата последнего обращения: августа 21, 2025, https://www.aalpha.net/blog/how-to-monetize-ai-agents/
44. Episode 133: Governing the Agentic Web — YouTube, дата последнего обращения: августа 21, 2025, https://www.youtube.com/watch?v=N_etKamePm0atomic:embed 1
    
45. [2508.12259] Fortifying the Agentic Web: A Unified Zero-Trust Architecture Against Logic-layer Threats — arXiv, дата последнего обращения: августа 21, 2025, https://arxiv.org/abs/2508.12259
46. Verifiable AI Agents: Build Trust with Secure AI Interactions — Hovi, дата последнего обращения: августа 21, 2025, https://www.hovi.id/blog-post/verifiable-ai-agents-what-you-need-to-know
47. BetaWeb: Towards a Blockchain-enabled Trustworthy Agentic Web — arXiv, дата последнего обращения: августа 21, 2025, https://arxiv.org/html/2508.13787v1
48. GPT-5 Set the Stage for Ad Monetization and the SuperApp — SemiAnalysis, дата последнего обращения: августа 21, 2025, https://semianalysis.com/2025/08/13/gpt-5-ad-monetization-and-the-superapp/
49. Crypto AI agents: The next big innovation in Web3 — Ekotek, дата последнего обращения: августа 21, 2025, https://ekotek.vn/crypto-ai-agents

Publish and Manage Copilot Studio Agent Builder Agents | Microsoft Learn, дата последнего обращения: августа 21, 2025, https://learn.microsoft.com/en-us/microsoft-365-copilot/extensibility/copilot-studio-agent-builder-publish