Az agent nem egy okosabb chatbot, hanem egy ciklus: kérdez a modelltől, végrehajt egy műveletet, visszaolvassa az eredményt, és kezdi elölről, amíg készen nem lesz vagy el nem fogy a keret. A modell maga változatlan — az agent az a keretrendszer, ami köré épül.
Ez a ciklus meglepően kevés kódból áll. Egy éles, benchmark on 74% fölött teljesítő agent teljes vezérlése nagyjából száz sor. Ami sok, az nem a vezérlés, hanem minden más körülötte: a jogosultságok, a hibakezelés, a naplózás és az, hogy hol áll meg emberi jóváhagyásra.
A határ ott van, ahol a lépések száma nő. A mérések szerint a modellek négy percnél rövidebb emberi feladatokon szinte hibátlanok, négy óránál hosszabbakon viszont tíz százalék alatt teljesítenek — és ez nem a modell „butaságáról" szól, hanem arról, hogy a hibák lépésről lépésre halmozódnak.
Hogy egy valódi futás lépésenként hogyan néz ki, és hol romlik el, azt mit tesz egy AI agent lépésenként mutatja meg. A közvetlenül kapcsolódó fogalmak: agent loop, tool use és human in the loop.