Sol жег лимиты лишними вызовами тулов

Что именно сломалось в Sol

Главный факт простой: Sol тратил лимиты не на сложность задачи, а на лишние вызовы инструментов. 30 июля 2026 в пользовательском обсуждении пересказали сообщение Tibo: агент делал неэффективные действия, много раз дергал тулы, лимиты съедались быстро, после фикса снова сделали reset.

Это классический tool spam. Модель не просто думает дольше, она запускает внешние действия, которые стоят лимита, времени и иногда денег. Если вызов не приносит новой информации, он превращается в шум, но счетчик продолжает тикать.

Мне в этой истории важен не сам reset. Reset лечит последствия. Причина почти всегда ниже: агенту разрешили слишком свободно ходить в инструменты, не заставили доказывать пользу вызова и не остановили цикл, когда прогресса уже нет.

Хороший агентный runtime должен быть скучным и жестким. Дедупликация одинаковых tool + args, лимит на итерации, отдельные caps по инструментам, единая политика retry, понятные structured errors вместо слепых повторов. Это не косметика вокруг промпта, а тормоза на машине, которая иначе рада ехать по кругу.

Почему это важно для пользователей AI-агентов

Этот баг бьет прямо по пользовательскому опыту: лимиты исчезают раньше, latency растет, а качество ответа может вообще не улучшиться. Снаружи это выглядит как обычная активность умного агента: он что-то вызывает, проверяет, уточняет. На деле он может просто крутиться.

Я бы в похожем инциденте первым смотрел не на текст системного промпта, а на трассы исполнения. Сколько было повторных вызовов, менялся ли результат после каждого шага, были ли одинаковые аргументы, где срабатывали retry. Если большая доля вызовов не меняет следующий шаг рассуждения, агент не автономный, он прожорливый.

Для Sol хороший сигнал в том, что проблему признали как неэффективные действия и пофиксили, а не списали на пользователей. Но без деталей фикса остается главный инженерный вопрос: это был разовый патч под конкретный сценарий или появились жесткие guardrails в execution layer.

В агентных продуктах победит не тот, кто громче обещает автономность, а тот, кто умеет вовремя сказать модели: хватит дергать инструмент, у тебя уже есть все, что нужно. Именно там прячется надежность агента, а не в красивом системном промпте.

Мы ранее разбирали, как атаки с использованием гомоглифов угрожают безопасности вызовов инструментов у AI-агентов. При оптимизации таких вызовов важно учитывать и этот вектор риска.