OTP vs CrewAI vs A2A vs MCP: словарь мультиагентной архитектуры

Каждую неделю в чатах и на Reddit кто-то спрашивает: «Чем OTP отличается от CrewAI?» или «Разве MCP не делает то же самое, что A2A?» Вопросы справедливые. Путаница возникает из-за одной ошибки: люди ставят эти инструменты в один ряд и пытаются выбрать «лучший». Но выбирать между ними — всё равно что выбирать между TCP/IP и HTTP. Это не конкуренты. Это слои одного стека.

Я работаю с мультиагентными системами в продакшне и прошёл через фазу «а давайте всё сделаем на одном фреймворке». Не работает. Работает — понимание того, какой инструмент за какой слой отвечает. Давайте разберём.

Три слоя координации AI-агентов

Координация агентов работает на трёх уровнях. Каждый решает принципиально разную задачу:

Слой инструментов — как агент получает доступ к внешним возможностям
Слой агентов — как агенты общаются между собой и выполняют задачи совместно
Слой оркестрации — почему агенты организованы именно так и как улучшать эту организацию

Каждый слой зависит от нижних и обеспечивает работу верхних. Пропустите один — система будет хромать.

MCP: слой инструментов

Model Context Protocol — это стандарт подключения агентов к инструментам. Базы данных, API, файловые системы, календари, Slack, таблицы. MCP даёт агентам руки.

Протокол создан Anthropic и хорошо принят индустрией. Его задача — стандартизировать взаимодействие модели с внешними возможностями так, чтобы интеграции стали переносимыми между моделями и фреймворками.

Чего MCP не делает: не говорит агентам, что делать; не координирует несколько агентов; не фиксирует, почему ваша организация обращается к инструментам в определённой последовательности; не обрабатывает ситуации, когда вызов инструмента падает.

MCP — это водопровод. Качественный, стандартизированный водопровод. Но водопровод — не здание.

Когда использовать: агенту нужно прочитать базу данных, вызвать API, записать файл.

CrewAI, AutoGen, LangGraph: слой агентов (роли и команды)

Эти фреймворки занимаются оркестрацией на уровне агентов. Они — нервная система, которая соединяет нескольких агентов в работающую команду.

CrewAI назначает роли и управляет выполнением. Вы определяете агентов с конкретной экспертизой, даёте им задачи — CrewAI управляет рабочим процессом. Это удобная абстракция: «аналитик», «писатель», «рецензент» — каждый знает свою зону ответственности.

AutoGen (Microsoft) строит мультиагентные диалоги, где агенты спорят, рассуждают и дополняют выводы друг друга.

LangGraph строит рабочие процессы агентов как направленные графы с состоянием. Даёт тонкий контроль над путями выполнения.

Общая проблема: эти инструменты решают инженерную задачу совместного выполнения. Но не фиксируют почему агенты организованы именно так. Не записывают, что происходит при нарушении правил. Не отслеживают, как устанавливалась уверенность в каждом правиле.

Когда использовать: многошаговые задачи, передача задач между агентами, параллельное выполнение, диалоги с состоянием.

A2A: межагентная коммуникация

Agent-to-Agent от Google стандартизирует, как агенты обнаруживают друг друга и общаются через платформенные границы. Если MCP — это стандарт «агент → инструмент», то A2A — стандарт «агент → агент».

A2A решает конкретную задачу: ваш агент на одной платформе должен найти и поговорить с агентом на другой. Без A2A каждая такая интеграция — ad hoc костыль. С A2A — стандартный протокол обнаружения и обмена сообщениями.

A2A находится на том же слое, что CrewAI и AutoGen, но решает другую подзадачу: не внутреннюю координацию команды, а межплатформенную коммуникацию.

OTP: слой организационной оркестрации

Organizational Transaction Protocol работает над обоими слоями. Он фиксирует организационные правила, определяющие координацию агентов. Не код выполнения, а интеллект: что работает, что ломается, насколько вы уверены, какие доказательства стоят за каждым решением.

OTP публикует это в виде Organizational Operating System (OOS) — структурированных утверждений. Каждое утверждение содержит: операционное правило, причину его существования, режим отказа, рейтинг уверенности, тип доказательства.

Когда вы публикуете свою OOS, она становится узлом в растущем Intelligence Graph. Другие организации публикуют свои паттерны координации. Граф показывает то, что ни одна организация не видит в одиночку: повторяющиеся провалы, архитектурные паттерны, границы «человек-AI», которые все проводят примерно в одном месте.

Когда использовать: нужно зафиксировать, сравнить и улучшить координацию агентов в организации.

Как слои работают вместе: практический пример

Представьте: ваша команда CrewAI использует MCP для доступа к CRM и календарю. Три агента работают в связке — квалификация лидов, планирование встреч, обновление пайплайна.

MCP обеспечивает доступ к CRM и календарю
CrewAI координирует трёх агентов в рабочем процессе
A2A позволяет вашему агенту квалификации связаться с агентом партнёра для верификации данных
OTP фиксирует правила координации: почему агент квалификации передаёт лид на определённом пороге? Что происходит при двойном бронировании? Насколько вы уверены в критериях скоринга?

Код выполнения — внизу. Интеллект координации — наверху.

Что это значит для практики

Перестаньте выбирать «лучший» инструмент из списка. Определите, какие слои вам нужны прямо сейчас:

Один агент работает с инструментами? Достаточно MCP.
Несколько агентов решают задачу совместно? Добавляйте CrewAI или LangGraph.
Агенты должны находить друг друга через платформенные границы? Смотрите на A2A.
Нужно фиксировать и улучшать организационные паттерны координации? OTP.

Будущее — не один инструмент. Будущее — стек. MCP даёт агентам руки. CrewAI и A2A дают командную работу. OTP даёт организациям интеллект. Каждый слой необходим. Ни один не достаточен сам по себе.

Организации, которые разберутся в этом первыми, получат накапливающееся преимущество — их координационный интеллект улучшается каждый раз, когда они публикуют, сравнивают и учатся.