Jarvis Pattern: Как один AI-агент на Claude Sonnet заменил фреймворки и оркестраторы в DevSecOps

Один AI-агент на базе Claude Sonnet, работающий без традиционных фреймворков, оркестраторов или векторных баз, закрывает 100% задач в цикле DevSecOps. Эта архитектура, названная Jarvis Pattern, бросает вызов сложившимся подходам к созданию AI-ассистентов, предлагая радикально упрощённую, но эффективную модель. Вместо нагромождения специализированных инструментов система полагается на три ключевых компонента: крупную языковую модель (LLM), операционную систему и обычные markdown-файлы.

Архитектура, стоящая за этим агентом, сознательно отвергает сложные инфраструктурные слои. Вместо использования фреймворков вроде LangChain или оркестраторов задач, агент взаимодействует напрямую с операционной системой, используя её как платформу для выполнения команд и управления процессами. Все контекст, инструкции и данные хранятся в структурированных markdown-файлах, которые LLM может читать, анализировать и изменять. Эта комбинация — LLM + OS + Files — формирует замкнутый цикл, где агент самостоятельно планирует и выполняет задачи, от написания кода и ревью безопасности до развёртывания и мониторинга.

Такой подход сигнализирует о возможном сдвиге в парадигме разработки AI-агентов, где избыточная абстракция уступает место минимализму и прямой интеграции с существующей средой. Это снижает порог входа и сложность сопровождения, но также ставит вопросы о масштабируемости и безопасности подобных «голых» систем в корпоративном контексте. Успех конкретной реализации на Claude Sonnet демонстрирует, что для решения комплексных практических задач мощной LLM может быть достаточно базовых инструментов, которые уже есть под рукой у любого разработчика.