Как я гоняю команду агентов из терминала в omp
omp (Oh My Pi) — это терминальный кодинг-харнесс: агент живёт прямо в терминале, читает и правит файлы, гоняет команды. И оркестрация в нём устроена так, что кнопки «запустить команду» попросту нет. Она сводится к трём вещам: ты остаёшься координатором, сажаешь под каждую роль свою модель и запускаешь работу как карту зависимостей. Grok на разведку, Opus на синтез. Два scout‘а ищут в разных файлах параллельно, синтез ждёт обоих на барьере. Примитивы живут внутри той же терминальной сессии, где ты уже сидишь. Без отдельного рантайма.
В последних лайвах всё крутилось вокруг одного вопроса: как собрать команду агентов и правильно её запустить. Claude Code на Opus плюс Codex остаётся основным стеком, а про то, как тот же вопрос решается в omp, и есть этот пост. Сам omp активно обсуждали в чате вайбкодеров.
Проблема: разведка на дорогой модели и «где кнопка»
Первая боль: деньги и скорость. Когда агент лезет читать файлы, грепать репозиторий, искать один факт в куче документов, это разведка. По умолчанию она едет на той же тяжёлой модели, что и всё остальное. Opus, который читает products.md ради одной строчки, это из пушки по воробьям. Справится. Но зачем.
Вторая: я не понимал, как «запустить команду». В голове была картинка: собрал агентов, нажал старт, они разошлись. Такой кнопки в omp нет, и это сбивало, пока не дошло: координатор здесь ты сам.
Решение: модель под роль
Я залогинился почти во всех провайдерах. Рядом с Anthropic (Claude Code, Opus) и OpenAI (Codex) появился доступ к Grok, ради него в основном и логинился. И попросил агента навести порядок с моделями.
Роутинг модели в omp держится на двух рычагах, и путать их не стоит.
flowchart TD
R1["Рычаг 1<br/>роль в config.yml"]
R2["Рычаг 2<br/>model: в агент-файле"]
R1 -->|перебивает| R2
Агент завёл нового бойца, scout: read-only инструменты, во frontmatter прописан model: grok-4.20-non-reasoning. Я сразу спросил, зачем плодить сущности.
Ответ кроется в устройстве omp. У встроенного explore нет своего role-слота: он молча наследует default, а default у меня Opus. Посадить разведку на Grok через роль просто нечем, слота нет. Единственный способ пиннуть модель конкретному разведчику — model: в его агент-файле. Так и появился отдельный scout. Канонично ли это, я уточнил.
Приоритет в omp такой: model агента перебивает роль и дефолт. Роли (modelRoles) задают грубый рычаг на весь класс задач. Читаются на старте сессии и на лету не подхватываются: правку роли я проверял, сабагентов она не переехала. А точечный пин через агент-файл — first-class способ сказать «вот этому разведчику вот эту модель». Тот же принцип я раньше разбирал для субагентов Claude Code: извлечение на дешёвой модели, анализ и создание на дорогой.
Живьём вышло приятно. scout реально ушёл на Grok 4.20 non-reasoning: без оверхеда на рассуждения, с огромным окном контекста. Нашёл нужную строку за ~7 секунд и стоил $0, потому что едет по OAuth-подписке, а не по API-биллингу. Ровно та двухступенчатая логика, к которой я пришёл раньше: быстрая модель извлекает, качественная генерирует.
И это не самодеятельность. Anthropic в разборе своей мультиагентной Research-системы описывает то же самое: Opus 4 ведущим, Sonnet 4 сабагентами. Такая связка обошла одиночный Opus 4 на 90.2% на их внутреннем эвале. Сильная модель координирует и синтезирует, модели побыстрее делают параллельную беготню. Оговорка оттуда же: мультиагент жжёт примерно в 15 раз больше токенов, чем обычный чат. Потому и хочется отдать всю разведку дешёвой модели.
Решение: оркестрация как карта зависимостей
Дальше запуск. Я собрал команду из агент-файлов и спросил прямо.
Выяснилось: координатором работает главный агент, то есть по факту я через него. «Команда» — это агент-файлы, «запуск» сводится к раздаче рабочих элементов. Способов три.
task даёт фан-аут: батч задач уходит одной параллельной волной, потолок около 32 разом. Независимые куски разлетаются сразу, в async-режиме тут же возвращается job id, а результат приходит сам. Это параллельные субагенты без потери контекста, каждый в своём окне.
eval строит DAG, направленный граф зависимостей. parallel пускает одну волну, pipeline разбивает её на волны с барьером между стадиями. Ребро графа появляется, когда результат одного агента (handle или output) уходит в промпт следующему. Вниз по цепочке едет ссылка, а не весь транскрипт. Тем же приёмом, что Anthropic зовёт защитой от «испорченного телефона»: сабагент кладёт вывод в файл, а дальше передаётся указатель.
irc включает живую координацию: агенты переписываются между собой, припаркованный оживает от сообщения.
flowchart TD
C["Координатор"]
C -->|fan-out| S1["scout (Grok)"]
C -->|fan-out| S2["scout (Grok)"]
C -->|fan-out| E["explore"]
S1 --> B(["барьер"])
S2 --> B
E --> B
B --> Syn["Синтез (Opus)"]
Проверил на маленьком примере: двухступенчатый scout-пайплайн, сначала найти файл-владелец, потом вычитать из него факты. Обе стадии проехали на Grok, без ручного вмешательства между ними: ребро графа само прокинуло путь к файлу во вторую стадию.
Такое деление придумал не omp. OpenAI в своём Agents SDK прямо разводит два режима: «оркестрация через LLM», где модель сама решает, кому передать управление, и «оркестрация через код», детерминированная по скорости и стоимости, вплоть до запуска независимых задач через asyncio.gather. Один в один omp: task-фан-аут отвечает «пусть координатор решает», eval-DAG говорит «я развёл зависимости руками». У LangGraph та же идея графа с параллельными ветками и барьером. А именованные агент-определения со своим набором инструментов работают как agent teams в Claude Code, ближайший сосед .omp/agents.
Разница в весе. LangGraph, CrewAI, отдельные оркестраторы вроде демона, который сам раздаёт задачи Codex приносят отдельный рантайм, который принимаешь в проект. omp даёт тот же фан-аут, DAG и переговоры примитивами прямо в терминале, а тяжёлое, изолированное и кросс-репо уводит в соседнее приложение, Orca. Отсюда и нет кнопки: ты не жмёшь старт, ты рисуешь карту зависимостей. Anthropic отмечает, что в кодинге по-настоящему параллельных задач меньше, чем в ресёрче, так что держать человека координатором, по-моему, надёжнее, чем запускать автономный рой.
Результат и мета-факт
Разведка на Grok заняла ~7 секунд и $0. DAG отработал вживую. Модель перестала быть константой и стала настройкой роли.
И мелочь напоследок: эту статью я собрал тем же приёмом, как эксперимент. Попросил агента исследовать тему, research-сабагент на Opus сходил через web_search к первоисточникам (тот самый разбор Anthropic, доки OpenAI), scout на Grok отранжировал находки, из этого получился бриф, а из брифа черновик. Фан-аут, барьер, синтез.
Мелочи, на которых спотыкаешься
«Команда» звучит как метафора, а по факту это папка ~/.omp/agent/agents/. Каждый файл внутри задаёт участника: со своим model: во frontmatter и своим набором инструментов. scout сидит на быстром Grok с read-only инструментами, позже я завёл таким же способом отдельного агента под генерацию картинок. Приём обобщается за пределы разведки: любой повторяющийся кусок работы можно вынести в файл и пиннуть ему свою модель.
Главная грабля во всём этом: настройки читаются на старте сессии. Сессия подхватывает роли (modelRoles) и провайдер один раз, на старте, и на лету их не видит. Поменял конфиг и не перезапустился, текущая сессия едет на старом значении. Я на это напоролся вживую: правка роли до уже запущенных сабагентов не доехала.
Поэтому другую конфигурацию я проверяю отдельным процессом, живую сессию не трогая:
omp -p "..." --config <overlay.yml>Свежий старт даёт свежие настройки. Overlay прилетает только в этот запуск, основная сессия остаётся как была.
Выводы
Модель — не константа, а настройка роли. Быстрым моделям разведку, умным синтез. Один Opus на все задачи всё равно что один нож на всю кухню.
Оркестрация — это карта зависимостей. Независимое уходит в параллель через task (до ~32 разом), зависимое ложится в DAG через eval с барьером, переговоры идут через irc.
omp делает терминал-нативно то, что LangGraph и CrewAI решают тяжёлым рантаймом. Ты остаёшься координатором и получаешь фан-аут, DAG и живую координацию, не притаскивая в проект новую платформу.
Похожие штуки, команду агентов и отделы на них, собираю в Personal Corp: подробнее.
Подписаться на обновления — @sereja_tech