The Future of General AI Agents: The Story of Manus AI - SuperAI Singapore 2025 (Рубрика #AI) Глянул старенькое видео Tao Cheung, co‑founder Manus AI, где он делился тем, какой путь прошла компания. Конечно там нет последнего этапа - acquistion компании запрещенной в России Meta (так как видео уже больше полугода). По-факту, Тао рассказывает как продукт прошел от браузерного расширения, эксперимент с AI-браузером, а дальше к облачному агенту, которые делает вещи, а не только отвечает на вопросы. В этом выступлении мало слов про технику и много про то, как сделать AI полезным в реальных сценариях. Основные моменты из этого 24-минутного видео такие 1️⃣ General AI agent = мозг + руки Ключевая метафора: одной генерации текста недостаточно. Агенту нужны “руки” - способность выполнять действия (инструменты/интеграции/исполнение задач), иначе это остаётся умным помощником в чате. Кстати, название стартапа с латинского переводится как рука (кисть). 2️⃣ Путь: расширение → AI‑браузер → облачные задачи Команда начинала с расширения браузера как способа "встроить AI туда, где пользователь уже работает". Дальше был заход в "AI‑браузер", над которым команда работала 7-месяцев, но он оказался неудобен и ломал привычный флоу (надо было сидеть и ждать пока агент в браузере работает и не мешать ему). Этот опыт подтолкнул к идее облачного выполнения задач, когда агент делает работу в фоне и отдаёт готовый результат. 3️⃣ AI должен жить в рабочем контексте, а не в отдельной вкладке Расширение как wedge‑продукт - это ставка на "AI в потоке работы" (браузер/страницы/контент), а не отдельный чат, куда нужно каждый раз перетаскивать контекст. Ребята вдохновлялись тем, как работает Cursor (IDE для разработчиков) 4️⃣ Самые частые юзкейсы (и почему это важно) В Q&A Тао рассказал про три основных сценария: сбор/исследование информации, создание слайдов, сборка сайтов. Это хороший маркер того, где агенты дают ценность уже сейчас: - много рутины, - много “склеивания” источников/артефактов, - понятный результат (“готовый deck / страница / отчёт”).([SuperAI Singapore][4]) Для инженеров можно почерпнуть следующие мысли 1) Парадигма меняется: вы строите не “чат”, а систему выполнения задач Агент — это мини‑distributed system: планирование → шаги → инструменты → промежуточные состояния → финальный артефакт → логирование. Даже если “мозг” - LLM, инженерная часть - это оркестрация и контроль. 2) Архитектурный паттерн: sandbox + коннекторы У Manus явно просматривается модель: - облачный sandbox/браузер для изоляции и повторяемости - плюс локальный коннектор/расширение там, где важны авторизованные сессии и “доверенный” контекст (логины, IP, вкладки) Для ваших внутренних агентов это переводится в: где исполнять (локально/в облаке), с какими правами (least privilege), как аудитить (лог действий) 3) “Контекст‑инжиниринг” важнее “промпт‑инжиниринга” Если агент собирает слайды/страницы/отчёты, решает не красота промпта, а: - какие источники подключены, - какие форматы входов/выходов стандартизованы, - как агент получает обратную связь и исправляет. А вот что это значит для технических руководителей 1) Выбирать нужно сценарии для автоматизации, а не “намазывать AI” ровным слоем Самые “быстрые победы” - процессы с чётким Definition of Done и низким blast radius: - подготовка отчёта/ресёрча, - генерация презентации из RFC/PRD, - сборка лендинга/демо‑страницы, - автоматизация повторяемых web‑операций 2) KPI для агента = скорость × качество × цена Вводите метрики, например - % задач “сдано без переделок”, - среднее время до результата, - стоимость (деньги/кредиты/токены), - количество вмешательств человека 3) Управление рисками: доступы, аудит, остановка Если агент “кликает и логинится”, вам нужны политики: - кто может подключать какие интеграции, - где хранятся секреты, - как выглядит audit trail, - как быстро “остановить выполнение” В общем, у ребят из Manus все получалось настолько хорошо, что их выкупила Meta. #AI #Engineering #Software #Management #Leadership #Startup #LLM #ML #Architecture