Хватит рисовать график: реактивные агенты вместо типизированных и версионных артефактов

Я создал это — Reactifact, среду выполнения агента Python, которая также поддерживает MCP как клиент и как сервер. Вот аргумент в пользу того, почему он существует. Проблема, из-за которой это началось Вопрос агента знаний типа «почему во втором квартале выросли затраты на инфраструктуру?» обычно требуется Confluence и GitLab, а также расчеты в формате CSV, а иногда и человек для подтверждения числа перед отправкой. Следующий вопрос требует другого подмножества. Умножьте это на реальную поверхность продукта, и вы больше не будете писать агент — вы поддерживаете график вызовов add_edge/add_conditional_edges, который необходимо перерисовывать каждый раз, когда меняется форма вопроса. Это не проблема конкретно LangGraph — это то, что происходит всякий раз, когда оркестровка является кодом. Вы заранее вручную моделируете каждый путь, по которому может пойти вопрос. Идея: получать исполнение из состояния, а не из рисунка. Reactifact переворачивает то, что вы записываете. Вы не рисуете путь от A до B. Вы объявляете для каждого агента, что он потребляет и что производит — типизированные артефакты, а не строковые объекты в общем словаре. Среда выполнения наблюдает за тем, что существует на самом деле, и запускает тот агент, который только что удовлетворил потребление. Два агента, которые никогда не слышали