# Scientific Research Agents — AI Architecture

Senior AI Engineer в команде, которая строит автономные AI-системы для автоматизации научных исследований у биотех-клиента из США. Кастомные MCP-серверы, RAG-пайплайны над научным корпусом, оценка качества через holdout-набор сценариев.

- **Author:** Фёдор Чищин
- **Role:** Senior AI Engineer
- **Period:** 2025-03 → настоящее
- **Stack:** Python · FastAPI · Claude Opus · MCP · pgvector
- **Source:** https://fedorthinks.com/ru/work/scientific-research-agents

---

## Проблема

Научные исследования держатся на небольшом наборе повторяемых, но
когнитивно дорогих процессов: поиск по корпусу платной литературы,
структурированное извлечение данных из неоднородных PDF, генерация гипотез
из предыдущих результатов, критика дизайна экспериментов. Каждый из них —
в зоне досягаемости современных LLM, но только если правильно построить
архитектуру вокруг.

Наивный single-prompt подход разваливается быстро: корпус не помещается в
контекст, нужные инструменты — domain-specific (chemistry-aware literature
search — это не Google), а любой ответ, попадающий в research note, должен
быть проверяемым.

## Что я спроектировал

**Мультиагентная оркестрация с иерархическим разделением planner–executor.**
Planner-агент декомпозирует исследовательский запрос на типизированные подзадачи;
executor-агенты выполняют tool calls (поиск литературы, извлечение данных,
ранжирование гипотез). Planner держится в жёстком бюджете контекста; executor'ы
могут разворачиваться без загрязнения этого контекста.

**Кастомные MCP-серверы как единственная поверхность инструментов.** Три transport'а в
продакшене (Stdio для локальной разработки, SSE для стриминга результатов, Streamable
HTTP для production-фермы) — все серверы я построил end-to-end. Инструменты
версионированы и discoverable, агенты не видят raw HTTP, тот же MCP
контракт работает во внутренних evals и live runs.

**Evaluation framework, который агент не видит во время разработки.**
Публичные agent benchmarks для сравнения между системами плюс больший кастомный
набор сценариев из реальных биологических workflows, **зарезервированный** от
разработки — улучшения измеряются, а не декларируются.

**Разработка через спецификации.** У каждого агента есть письменная спецификация:
system prompt, tool list, guardrails, expected output schema — закоммиченная
в репозиторий. Артефакт, который ревьюят, — это спецификация, а не промпт. Новое поведение
приходит через PR со спецификацией.

## Реальный day-to-day

Я не печатаю реализацию. Я оркестрирую coding-агентов (Claude Code на
Opus) как слой реализации, оставаясь владельцем архитектуры, дисциплины
спецификаций и дисциплины evals. Двадцать лет production-суждения идут
в то, что должно быть построено; работа с агентами даёт скорость, чтобы это реально
выпустить. Качество спецификации — новое узкое место.

## Результат

Работающая, оценённая, идущая в продакшен мультиагентная система, автоматизирующая
исследовательские процессы, которые раньше делали руками, — с измеримым улучшением
на holdout benchmark set, а не скриншотами уровня демо.

Архитектурные решения, задокументированные здесь, — фундамент всего
остального, что я строю прямо сейчас.