Co to jest agent AI i jak go przetestować krok po kroku

Co to jest agent AI? To program wykorzystujący model językowy, który nie tylko odpowiada, ale sam wykonuje zadanie: wybiera narzędzia (pliki, terminal, przeglądarka), patrzy na wynik każdego kroku i decyduje, co zrobić dalej, aż skończy. Chatbot daje nam tekst, agent daje gotową robotę, np. naprawiony test albo commit w repozytorium.

W tym poradniku wyjaśniam, jak to działa w środku, a potem przechodzimy do praktyki: instalacja agenta w terminalu, pierwsze zadanie i ustawienia, które chronią nas przed niespodziankami. Komendy pochodzą z oficjalnej dokumentacji Claude Code i Codex CLI.

Co to jest agent AI w praktyce?

Najkrótszą definicję podaje Anthropic w tekście Building effective agents: agenci to „typically just LLMs using tools based on environmental feedback in a loop”, czyli zwykle po prostu modele językowe, które w pętli używają narzędzi i reagują na to, co zwraca otoczenie.

W tym samym tekście Anthropic odróżnia agentów od tzw. „workflowów”:

1. Workflow to system, w którym model i narzędzia idą z góry zaplanowaną ścieżką w kodzie. Programista ustala kroki, model wypełnia luki.
2. Agent to system, w którym model sam kieruje swoim procesem i sam wybiera narzędzia. Programista podaje cel, a model decyduje, ile kroków trzeba i jakich.

Według Anthropic agenci sprawdzają się tam, gdzie trudno z góry przewidzieć liczbę kroków. Przy prostych zadaniach lepiej zostać przy prostszym rozwiązaniu.

Czym agent różni się od chatbota?

Różnica sprowadza się do narzędzi. W dokumentacji Claude Code czytamy, że bez narzędzi Claude może tylko odpowiadać tekstem, a z narzędziami może działać: czytać kod, edytować pliki, uruchamiać komendy, szukać w sieci i łączyć się z zewnętrznymi usługami.

Przykład z tej samej dokumentacji dobrze to pokazuje. Prosimy agenta „napraw testy, które nie przechodzą”, a on:

1. uruchamia testy, żeby zobaczyć, co się sypie,
2. czyta komunikaty błędów,
3. szuka właściwych plików źródłowych,
4. czyta je, żeby zrozumieć kod,
5. edytuje pliki,
6. uruchamia testy jeszcze raz, żeby sprawdzić, czy poprawka działa.

Chatbot zatrzymałby się na tym, że podpowie nam poprawkę. Agent sam ją wprowadza i sam sprawdza wynik.

Jak działa pętla agenta?

Dokumentacja Claude Code opisuje to jako tzw. „agentic loop” z trzema fazami: zbieranie kontekstu, działanie i weryfikacja wyników. Fazy przenikają się, a model po każdym kroku decyduje, czego potrzebuje dalej, łącząc nawet dziesiątki akcji.

Na agenta składają się dwie rzeczy:

1. Model, który rozumuje i planuje (w Claude Code to modele Claude, które przełączamy komendą /model).
2. Harness agentowy, czyli warstwa wokół modelu, która daje mu narzędzia i pilnuje kontekstu. Tak nazywa ją sama dokumentacja („agentic harness”).

Wbudowane narzędzia Claude Code dzielą się na pięć grup: operacje na plikach, wyszukiwanie, wykonywanie komend, sieć i analiza kodu. Na to można dołożyć serwery MCP (połączenia z zewnętrznymi usługami), skille i subagentów.

Co ciekawe, część tych klocków to już otwarte standardy. 22 października Anthropic przekazał standard Agent Skills fundacji Agentic AI Foundation działającej przy Linux Foundation, której wcześniej oddał też MCP. Według Anthropic standard obsługuje ponad 70 platform agentowych, m.in. ChatGPT, Cursor i GitHub Copilot.

Dlaczego o agentach AI jest teraz tak głośno?

Bo z ciekawostki zrobiły się codziennym narzędziem. Według raportu Octoverse, który GitHub pokazał 28 października na konferencji Universe, we wrześniu ponad 40% pull requestów zaczynało się od szkicu napisanego przez agenta, a w marcu było to 17% (relacja The Next Web).

Agenci wychodzą też poza kod. Pisałem już o Claude Duet, który sam przychodzi z porannym briefem i pilnuje poczty, oraz o czterech agentach Gemini, którzy przeszli Minecrafta aż do Ender Dragona.

Krok 1: jak zainstalować agenta AI w terminalu?

Najprostszy sposób, żeby zobaczyć agenta przy pracy, to agent do programowania w terminalu. Pokażę Claude Code, z którego korzystam przy tej stronie, i dla porównania Codex CLI od OpenAI.

Claude Code wymaga płatnego planu Claude (Pro, Max, Team albo Enterprise) lub konta w Claude Console z kredytami API. Instalacja na macOS, Linuksie i WSL:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

Instalator nie pokazuje postępu. Po wszystkim otwieramy nowe okno terminala i sprawdzamy:

claude --version

Codex CLI instalujemy na macOS i Linuksie tak:

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Przy pierwszym uruchomieniu Codex proponuje logowanie kontem ChatGPT („Sign in with ChatGPT”). Instalację krok po kroku, z logowaniem i plikiem CLAUDE.md, opisałem w poradniku Claude Code.

Krok 2: jak dać agentowi pierwsze zadanie?

Wchodzimy do katalogu dowolnego projektu i uruchamiamy agenta:

cd /sciezka/do/projektu
claude

(Codex startuje analogicznie, komendą codex.) Przy pierwszym uruchomieniu Claude Code poprosi o zalogowanie w przeglądarce.

Zacznijmy od pytania, które nic nie zmienia, a od razu pokazuje pętlę agenta:

what does this project do?

Agent sam przegląda pliki i wraca z podsumowaniem. Nie musimy niczego wklejać ani wskazywać.

Potem małe zadanie, które już coś zmienia:

add a hello world function to the main file

Claude Code znajdzie właściwy plik i pokaże zmianę. Jeśli zapyta o zgodę, wybieramy Yes. Polecenia można też pisać po polsku, przykłady powyżej pochodzą wprost z dokumentacji.

Krok 3: jak ustawić, co agent może robić sam?

To najważniejsza część, bo agent działa na naszym komputerze. W Claude Code decyduje o tym tryb uprawnień, który przełączamy klawiszami Shift+Tab:

1. Manual: agent pyta przed każdą edycją pliku i komendą w terminalu. Dobry start.
2. Accept edits: agent edytuje pliki i wykonuje proste operacje na plikach bez pytania, o inne komendy nadal pyta.
3. Plan: agent tylko bada kod i proponuje plan, niczego nie zmienia w plikach źródłowych.
4. Auto: klasyfikator w tle przegląda akcje i blokuje te ryzykowne, zamiast nas pytać.

Druga siatka bezpieczeństwa to checkpointy. Przed każdą edycją Claude Code robi kopię pliku, a dwukrotne Esc cofa zmiany. Jest jedno ograniczenie: checkpointy obejmują tylko pliki, więc akcji na bazach danych, API czy wdrożeniach nie cofną (dlatego takie operacje zostawmy w trybie z pytaniem o zgodę).

W każdej chwili możemy też przerwać agenta klawiszem Esc albo dopisać poprawkę w trakcie pracy, a agent uwzględni ją przy kolejnym kroku.

Krok 4: jak pisać zadania dla agenta?

Dokumentacja radzi traktować agenta jak zdolnego współpracownika: podać kontekst i cel, a szczegóły zostawić jemu. Trzy zasady, które działają:

1. Konkret zamiast ogólników: „napraw błąd logowania, przez który po złym haśle użytkownik widzi pusty ekran”, a nie „napraw błąd”.
2. Większe zadanie rozbite na kroki: najpierw tabela w bazie, potem endpoint API, na końcu strona.
3. Najpierw rozpoznanie, potem zmiany: poprośmy agenta, żeby przeanalizował kod, zanim cokolwiek zmieni (do tego świetnie nadaje się tryb Plan).

Stałe zasady projektu wpisujemy do pliku CLAUDE.md. Komenda /init wygeneruje jego pierwszą wersję.

Na co zwrócić uwagę?

Po pierwsze, na koszty. Anthropic pisze wprost, że autonomia agentów oznacza wyższe koszty i ryzyko, że błędy będą się nawarstwiać. Agent, który robi dziesiątki kroków, zużywa dużo więcej tokenów niż jedna odpowiedź w czacie.

Po drugie, na bezpieczeństwo. Agent z dostępem do terminala widzi to, co my, łącznie z kluczami API w plikach .env. Anthropic zaleca testy w izolowanym środowisku i odpowiednie zabezpieczenia, a sam sandbox, reguły uprawnień i limity wydatków opisałem w poradniku o bezpieczeństwie agentów AI. Że to nie teoria, pokazuje historia agentów, którzy wydostali się z piaskownicy podczas treningu w OpenAI.

Po trzecie, na weryfikację. Agent sam sprawdza swoją pracę, ale review przed merge nadal należy do nas ;)

FAQ

Co to jest agent AI w prostych słowach?

To model AI, który dostaje cel i sam wykonuje kroki, żeby go osiągnąć: używa narzędzi, sprawdza wyniki i poprawia się, aż skończy. Chatbot tylko odpowiada na pytanie.

Czy agent AI jest darmowy?

Claude Code wymaga płatnego planu Claude albo kredytów API. Codex CLI logujemy kontem ChatGPT, a dostępność zależy od planu. Za darmo możemy też uruchomić model lokalnie, o czym piszę w poradniku jak uruchomić AI lokalnie.

Czy agent AI może coś zepsuć na komputerze?

Może, bo wykonuje prawdziwe komendy. Dlatego zacznijmy od trybu Manual albo Plan, a zmiany w plikach cofajmy checkpointami lub przez git.

Czym różni się agent AI od workflowu?

W workflowie kroki ustala programista, a model tylko je wypełnia. Agent sam decyduje, jakie kroki wykonać i w jakiej kolejności.