17 августа Letta выпустила Letta Agents SDK — TypeScript-библиотеку для создания долгоживущих AI-агентов, которые сохраняют идентичность, память и историю между сессиями. Главная идея — отделить агента от конкретного компьютера и интерфейса.
До сих пор AI-агент жил внутри одной сессии. Открыл чат, дал задачу, получил ответ, закрыл окно. Следующий разговор — с нуля: агент не помнит ни контекста, ни предпочтений, ни истории. Letta предлагает другую модель: агент как постоянная программная сущность, которая переживает любой контейнер, ноутбук или интерфейс.
SDK написан на TypeScript и работает с тремя типами размещения: Letta Cloud, самостоятельный App Server и полностью локальный backend. Один и тот же код клиента — меняется только параметр подключения. Создать агента можно в облаке, доработать на локальной машине, продолжить на виртуальном сервере — память и состояние переходят вместе с ним.
Компьютер как рабочее место, агент как сотрудник
Ключевое разделение: компьютер предоставляет файлы, shell, доступы и установленное ПО. Агент приносит с собой идентичность, память и историю разговоров. Один и тот же агент работает на ноутбуке, рабочей станции, виртуальной машине или контейнере — нужно лишь зарегистрировать машину в системе.
Это похоже на то, как человек приходит в новый офис: инструменты другие, но опыт и знания остаются. Агент не привязан к железу, на котором был создан. Он привязан к своему состоянию.
Один агент — много интерфейсов
SDK построен поверх того же WebSocket-интерфейса, который использует Letta Desktop. Это значит, что одну и ту же AI-сущность можно подключить к веб-приложению, мобильному клиенту, редактору кода или собственному интерфейсу — состояние сохраняется при переключении.
Letta уже показывает рабочие примеры: веб-чат с потоковой передачей рассуждений, мобильное приложение на Expo с одобрением действий агента, интеграция через ACP — открытый протокол взаимодействия редактора с coding-агентом — для совместимых редакторов вроде Zed.
Динамические workflow
Локально работающий агент может запускать дополнительные разговоры с самим собой в облаке — для параллельных задач. Повторяемые процессы превращаются в программы: разовые помощники, регулярные автоматизации, обработчики событий, долгоживущие сервисы. Программа управляет потоком управления и внешними событиями, агент — интерпретацией и инструментами.
Важно: это не очередной чат-бот с памятью диалога. Архитектура ближе к модели постоянного сотрудника, чем к модели одноразовой сессии.
Что это значит на практике
Постепенно складывается другая архитектура работы с ИИ: не «открыл чат → дал задачу → закрыл чат», а «создал AI-сотрудника → дал ему память → подключил компьютеры и инструменты → взаимодействуешь через разные интерфейсы». Агент начинает отделяться от сессии и превращаться в постоянную программную сущность.
Ограничения тоже понятны. SDK пока только на TypeScript — для Python нужен отдельный клиент или обёртка. Независимых тестов на момент релиза нет. Ранний релиз: expect breaking changes. И главное — модель с долгоживущим агентом требует иной дисциплины работы: память без управления превращается в шум, а доступ к shell и файлам на нескольких машинах повышает цену ошибки.
С чего начать? Я бы не переносил на нового агента критический процесс. Возьмите сценарий, где память между сессиями реально помогает: агент, который ведёт заметки по проекту и помнит контекст после перерыва. Посмотрите, как он переживает переключение между машинами. Оцените, сколько контекста сохраняется и сколько приходится повторять.
Ссылки
Ссылки
- Статья: Letta Agents SDK: An SDK for stateful agents
- Документация: Letta Documentation