PRO то, что под капотом у агента 🤖 (часть 01).
Первый запрос.

Вчера написал (прямо вот тут👆), что весь этот шум вокруг ИИ в конечном итоге сводится к нескольким вызовам API. Давайте проверим.

Возьмем обычную задачу:

Проанализируй задачу TASK-123 в JIRA

Если запустить это через Codex или Claude Code, мы просто напишем задачу и через какое-то время получим готовый результат (ну или нет).

Что там происходило в фоне, можно вообще не знать.
Но давайте не будем брать готового агента. Попробуем собрать своего, используя только API.

И будем идти прямо по шагам. Запрос. Ответ. Следующий запрос. И так далее.
Начинаем с самого простого.

Отправляем модели POST /v1/responses:

{
"model": "gpt-5.6-luna",
"input": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "Проанализируй задачу TASK-123 в JIRA"
}
]
}
],
"tools": []
}

На этом моменте ничего особенного не происходит. Мы просто отправили модели текст.

➖"model" говорит, какую модель использовать.
➖"input" содержит нашу задачу.

И всё.

Модель при этом не может зайти в Jira. У неё нет ни логина, ни доступа к API Jira, вообще ничего.

Поэтому вполне ожидаемый ответ:

Пришлите содержимое задачи TASK-123.

Нам же нужно научить модель не просто отвечать на вопросы, а просить нашу программу выполнить какие-то действия.
Что для этого нужно добавить в запрос?

Вот это и посмотрим в следующем посте.

А дальше уже доберемся до tool calls, MCP, Skills и в итоге соберем весь этот «агентский» конструктор своими руками, чтобы понимать как эта "черная коробка" работает на самом деле.

----

✌️ ПРО СА| 🆕НСА 2.0