Почему агенты и почему OpenCode

Автодополнение в редакторе (Copilot, Cursor в режиме таба) подсказывает следующую строку. Чат-бот (ChatGPT в браузере) отвечает на вопросы, но не видит твой проект и ничего в нём не делает. Агент работает иначе: он читает файлы твоего репозитория, сам запускает команды, правит код и проверяет результат. Ты ставишь задачу словами, агент выполняет её в проекте, а ты контролируешь результат.

Внутри агента три части. Модель — та же LLM, что в чат-ботах, она рассуждает и решает, что делать дальше. Инструменты — действия, которые агент может совершить: прочитать файл, выполнить команду в shell, найти по регулярке, открыть URL. Контекст — всё, что модель видит в момент решения: системный промпт, файлы проекта, история диалога. Цикл простой: агент читает задачу, вызывает инструмент, смотрит результат, вызывает следующий, пока не закончит.

Практическое следствие: агент не угадывает, он проверяет. Попросишь «почини тест» — он сначала прочитает тест, запустит его, найдёт падение, поправит код и запустит снова. Чат-бот на это способен только если ты руками переносишь всё туда-обратно.

Терминальные кодинг-агенты стали отдельным классом инструментов, и почти у каждого вендора он есть. Различия, которые важны при выборе: открыт ли код, к каким моделям агент привязан и как за него платишь. Данные — на октябрь 2026, цены меняются, сверяйся с сайтами.

Три причины. Первая: код открыт лицензией MIT, продукт не привязан к одному вендору моделей — работает с 75+ провайдерами и локальными моделями, поэтому курс проходит на бесплатных моделях и не требует покупок. Вторая: всё то же самое есть у коллег — если на работе дают Claude Code или Codex, навыки и AGENTS.md переезжают с тобой (таблица соответствий — в модуле 7). Третья: OpenCode живёт в терминале, а терминал одинаков у разработчика, тестировщика и аналитика — не нужен отдельный IDE.

Дальше — практика: установишь OpenCode, подключишь модель и задашь первый вопрос коду учебного проекта.