Назад
5 мая 2026 г. в 15:00 AI AI Agents CopilotKit AG-UI Enterprise AI Generative UI TechCrunch / CopilotKit / GitHub

CopilotKit привлёк $27 млн — AI-агенты уходят из чат-окон в обычные приложения

CopilotKit привлёк $27 млн — AI-агенты уходят из чат-окон в обычные приложения

CopilotKit привлёк $27 млн — AI-агенты уходят из чат-окон в обычные приложения

Сиэтлский стартап CopilotKit привлёк $27 млн в раунде Series A, чтобы развивать инструменты для встраивания AI-агентов прямо в пользовательские приложения. Раунд возглавили Glilot Capital, NFX и SignalFire, сообщает TechCrunch. На первый взгляд это обычная венчурная новость из слоя AI-инфраструктуры. На деле она хорошо показывает, куда движется рынок агентов после первой волны чат-ботов.

Главная идея CopilotKit проста: агент не должен жить только в отдельном окне чата. Если пользователь работает с CRM, аналитической панелью, финансовым сервисом, travel-приложением или внутренней корпоративной системой, агенту нужно понимать контекст этого интерфейса, запускать действия, показывать интерактивные элементы и оставлять человеку контроль. Не просто отвечать длинным текстом, а работать внутри привычного экрана.

Для этого CopilotKit продвигает AG-UI — открытый протокол Agent–User Interaction. Он связывает пользовательский интерфейс с агентным бэкендом: поддерживает потоковый чат, вызовы инструментов на фронтенде, обмен состоянием и сценарии human-in-the-loop, где человек может проверять и направлять действия агента. Проще говоря, AG-UI пытается стать «проводкой» между умными агентами и реальными интерфейсами, в которых люди работают каждый день.

Что именно делает CopilotKit

Сегодня многие компании добавляют ИИ в продукт самым быстрым способом: ставят сбоку чат-ассистента. Пользователь пишет запрос, модель отвечает, иногда вызывает инструмент. Это работает для простых вопросов, но быстро ломается в сложных задачах. Если нужно построить маршрут, сравнить сделки, заполнить форму, изменить отчёт или разобраться в таблице, длинный текст становится плохим интерфейсом.

CopilotKit предлагает другой подход. Агент может не только написать ответ, но и показать график, карточку, форму, таблицу или другой компонент в дизайне самого приложения. CEO CopilotKit Атай Баркай объяснил TechCrunch, что пользователь может попросить разбивку выручки по категориям и получить не абзац текста, а интерактивную диаграмму в интерфейсе компании. Разработчики при этом задают, какие компоненты доступны агенту и насколько свободно он может менять экран.

Это важная граница. В корпоративных системах нельзя просто дать модели «рисовать что угодно». Нужны права доступа, ограничения, журнал действий, предсказуемость интерфейса и возможность остановить агента до опасного действия. Поэтому CopilotKit делает ставку не на магию, а на управляемость: агент становится частью приложения, но не получает абсолютную власть над ним.

Почему это больше, чем ещё один фреймворк

На рынке уже есть Model Context Protocol, Agent2Agent и множество агентных фреймворков. AG-UI занимает соседний, но отдельный слой: не как агент находит инструменты и не как агенты общаются между собой, а как агент взаимодействует с человеком через интерфейс. Это менее громкая тема, чем новый GPT или Claude, но именно здесь агентный ИИ упирается в повседневное использование.

CopilotKit утверждает, что AG-UI уже поддерживают или интегрируют крупные инфраструктурные игроки и фреймворки, включая Google, Microsoft, Amazon, Oracle, LangChain, Mastra, PydanticAI и другие. На сайте компании говорится, что CopilotKit используют команды из Fortune 500 и Global 50, а среди клиентов называются Docusign, Deutsche Telekom, Cisco и S&P Global. Эти заявления стоит воспринимать как позиционирование компании, но сам список хорошо показывает направление спроса: бизнес хочет не отдельного чат-бота, а способа встроить агента в существующие продукты.

Новый раунд финансирования нужен CopilotKit для коммерческого слоя поверх открытого протокола: enterprise-инструментов, поддержки, self-hosted-развёртываний и функций для компаний, которые не хотят отдавать критические рабочие процессы полностью внешней платформе. Это типичная логика open-source-инфраструктуры: бесплатный стандарт расширяет экосистему, а деньги зарабатываются на надёжности, поддержке и корпоративном контроле.

Почему это важно обычным пользователям и компаниям

Для пользователей следующая волна ИИ может выглядеть не как «ещё один ассистент», а как изменение самих приложений. В банковском кабинете агент будет собирать сценарий платежей и объяснять риски. В CRM — показывать, какие сделки застряли и что нужно сделать. В таблице — не только писать формулу, но и перестраивать отчёт. В сервисе поддержки — проводить оператора по кейсу, предлагая действия и показывая нужные данные.

Для компаний это означает новую конкуренцию в продукте. Раньше приложение выигрывалось удобством интерфейса, набором функций и качеством данных. Теперь к этому добавляется вопрос: насколько хорошо продукт умеет сотрудничать с агентом? Если два сервиса имеют одинаковые функции, но один позволяет агенту безопасно действовать внутри интерфейса, он может стать заметно удобнее.

Для разработчиков это тоже практический сигнал. Рынок агентного ИИ постепенно дробится на уровни: модели, инструменты, память, протоколы, интерфейсы, безопасность, мониторинг. CopilotKit и AG-UI играют именно в интерфейсный слой. Это не отменяет MCP или A2A, а дополняет их: один слой соединяет агента с инструментами, другой — с другими агентами, третий — с человеком.

Что здесь может пойти не так

У такой архитектуры есть очевидные риски. Если агент начинает действовать внутри приложения, ошибка модели становится не просто неправильным ответом, а возможным действием: неверно заполненной формой, не тем отчётом, неправильным изменением настройки или рискованной операцией. Чем ближе агент к интерфейсу и данным, тем важнее права, подтверждения, журналирование и возможность отката.

Есть и риск фрагментации. Если каждая платформа будет продвигать собственный способ «прикручивания» агентов к интерфейсам, разработчикам придётся поддерживать несколько несовместимых стандартов. Поэтому открытость AG-UI — сильная часть истории, но она ещё должна пройти проверку временем: станет ли протокол реальным стандартом или останется одним из нескольких конкурирующих вариантов.

Наконец, есть вопрос бизнес-модели. Компании, строящие коммерческий продукт поверх открытого протокола, всегда балансируют между нейтральностью стандарта и собственными интересами. CopilotKit говорит, что открытый слой и enterprise-продукт дополняют друг друга. Рынок будет внимательно смотреть, сохранится ли эта нейтральность, если AG-UI действительно станет популярным.

Главный вывод

Раунд CopilotKit важен не размером сам по себе. $27 млн — не рекорд для AI-рынка 2026 года. Важнее то, за какую идею инвесторы платят: агенты должны стать частью приложений, а не сидеть рядом с ними в виде текстового окна.

Если первая фаза генеративного ИИ была эпохой чатов, то следующая всё больше похожа на эпоху агентных интерфейсов. Пользователь будет не просто спрашивать модель, а работать вместе с ней внутри привычных экранов. Компании, которые раньше думали «как добавить чат-бота», теперь будут думать иначе: какие части продукта можно доверить агенту, где нужен человек в контуре и какой интерфейс делает это безопасным.

CopilotKit пока не доказал, что именно AG-UI станет главным стандартом этой волны. Но сама новость показывает зрелость рынка: внимание смещается от «какая модель умнее» к более практичному вопросу — как встроить ИИ в настоящую работу так, чтобы он был полезным, контролируемым и понятным пользователю.

Ещё новости

Google вынес Guided Learning в Classroom: что показали тесты
3 ноября 2026 г.
Google вынес Guided Learning в Classroom: что показали тесты

Google начинает глобально разворачивать Guided Learning в Classroom. В контролируемом исследовании с более чем 300 студентами доступ к инструменту совпал с более высоким приростом результатов, но это ещё не доказательство для всех школьных сценариев.

GitHub Copilot Fusion сам выбирает модели для задачи
3 ноября 2026 г.
GitHub Copilot Fusion сам выбирает модели для задачи

GitHub вывел Copilot Fusion в общую доступность: режим сам подбирает и комбинирует модели для задачи. Для разработчика это уменьшает ручной выбор модели, но не отменяет контроль расходов и корпоративных политик.

Пенсильвания ввела правила для обманной AI-рекламы
3 ноября 2026 г.
Пенсильвания ввела правила для обманной AI-рекламы

Новый закон Пенсильвании требует заметно раскрывать использование синтетического контента, когда он создаёт ложное впечатление о товаре или услуге.

Кибератака на Selver: в холодильной системе выставили +50 °C
2 ноября 2026 г.
Кибератака на Selver: в холодильной системе выставили +50 °C

В одном из эстонских магазинов Selver атаковали систему охлаждения: по сообщению Postimees, в ней попытались установить температуру +50 °C. Selver заявляет, что партнёр быстро обнаружил инцидент, магазин не понёс ущерба, а товары и покупатели не пострадали.

Gemini Notebook открыл сотни бесплатных учебников
2 ноября 2026 г.
Gemini Notebook открыл сотни бесплатных учебников

Google добавила в Gemini Notebook каталог из сотен учебников от OpenStax, Open Textbook Library и S Chand Publishing. По каждому подключённому учебнику сервис обещает ответы с привязкой к тексту и ссылками на исходные фрагменты. Это делает ИИ удобнее для подготовки, но не отменяет проверку его выводов.

GPT-6 Astra изменила 0,016% весов Qwen и подняла MATH-500 с 7,9% до 48,1%
2 ноября 2026 г.
GPT-6 Astra изменила 0,016% весов Qwen и подняла MATH-500 с 7,9% до 48,1%

Исследователи, связанные с MIT CSAIL, выложили открытые логи эксперимента, в котором GPT-6 Astra напрямую изменила небольшую часть весов Qwen3.5-0.8B. После одной из правок авторы зафиксировали рост на математических тестах и IFEval, но это ранняя работа с оценкой в собственной экспериментальной среде.

Новый тест агентов: лучший ИИ решил лишь 12% рабочих задач
2 ноября 2026 г.
Новый тест агентов: лучший ИИ решил лишь 12% рабочих задач

SemiAnalysis запустила GDPx — бенчмарк агентных моделей на задачах из 11 дорогих для бизнеса областей. По данным авторов, лучший результат пока составляет лишь 12%: эффектные демо ещё не равны надёжной автономной работе.

Google получила первый ответ ИИ с орбитального TPU
1 ноября 2026 г.
Google получила первый ответ ИИ с орбитального TPU

Google получила первый ответ от модели Gemma 4, запущенной на TPU на спутнике Project Suncatcher. Это подтверждает работу вычислительной нагрузки на орбите, но не доказывает жизнеспособность космического дата-центра.

DeepSeek показал прототип «суперагента» для GitHub
1 ноября 2026 г.
DeepSeek показал прототип «суперагента» для GitHub

DeepSeek опубликовала исследовательский прототип dsh-superagent: он следит за событиями в одном репозитории GitHub, запускает отдельные агентные сессии и возвращает результат в исходный диалог.

Критическая дыра в Linux: удалённый запуск кода грозит серверам — ядро пора обновлять
1 ноября 2026 г.
Критическая дыра в Linux: удалённый запуск кода грозит серверам — ядро пора обновлять

В ядре Linux исправили критическую CVE-2026-98432: ошибка в IPv4/TCP при неблагоприятных условиях может дать удалённому неаутентифицированному атакующему выполнение кода. Владельцам серверов стоит проверить статус ядра у своего дистрибутива и запланировать обновление, особенно если система принимает соединения из недоверенных сетей.

ИИ уже предлагает улучшения для ИИ — но проверять их всё ещё приходится людям
31 октября 2026 г.
ИИ уже предлагает улучшения для ИИ — но проверять их всё ещё приходится людям

Sakana AI и исследователи из Оксфорда показали The AI Scientist: LLM-агент генерирует гипотезы, меняет код, запускает эксперименты и пишет отчёты по задачам машинного обучения. Работа — проверяемый пример того, как модели участвуют в поиске улучшений для других моделей, но сами авторы фиксируют критические ошибки и не призывают верить результатам без перепроверки.

StepSecurity начала учитывать плагины Claude Code и Codex
31 октября 2026 г.
StepSecurity начала учитывать плагины Claude Code и Codex

StepSecurity добавила инвентаризацию плагинов AI-агентов на машинах разработчиков и в репозиториях GitHub. Инструмент показывает, откуда пришёл плагин, что в нём находится и где он включён — то есть закрывает новую дыру в цепочке поставки кода.