🛠 Агентный инженер — это теперь про контракты и протоколы Набор технологий Python-агента перестал быть импровизацией из промпта и вызова API. Собеседования массово проверяют связку PydanticAI, MCP и A2A — и это не ажиотаж, а попытка работодателей нащупать тех, кто отличает демонстрацию от рабочей среды. PydanticAI настраивает агента под жёсткий контракт: ответ модели проверяется через Pydantic‑схему, а несоответствие возвращается модели новым витком цикла — без битого JSON, без ручной обработки ошибок. Инструменты описываются типами и строками документации, а зависимости запуска (сессии БД, конфигурации) передаются через RunContext — то самое внедрение зависимостей, которое в тестах заменяется заглушками без правки кода. MCP выступает шиной для инструментов: сервер публикует tools/resources/prompts по JSON-RPC 2.0, клиент получает схему и передаёт её модели — локально или через Streamable HTTP, без единой точечной интеграции. Протокол уже перешёл в режим без сохранения состояния, сессии убрали, а устаревший sampling заменили механизмом Multi Round‑Trip. A2A от Google довершает картину: если MCP подключает агента к инструментам, то A2A — к другому агенту. Каждый публикует Agent Card, задачи живут месяцами с чередой состояний (input-required, auth-required), а контекстные нити собираются из цепочек taskId/contextId. Habr собрал срез требований с рынка — и ключевая мысль не в том, какой каркас моднее. Агент перестал быть скриптом с LLM. Появилась инженерная дисциплина со своим набором технологий и контрактами, где невнимание к схеме ответа или потеря контекста между шагами ломает рабочую среду ровно так же, как в своё время «работало на моей машине» — без контейнеров. Pydantic даёт типам ту же роль, что REST и JSON Schema дали веб‑сервисам, а MCP становится тем же USB‑C, которым для контейнеров стал OCI. Кто не соберёт агента на этих рельсах — рискует остаться с демонстрацией, живущей до первого неструктурированного ответа модели. #AgenticAI #PydanticAI #MCP #A2A #разработка