• Планирование (превращение твоего промта в код);
• Управление (вызов агентов, передача релевантного контекста и сохранение их результатов);
• Валидация (quality-check - после каждого шага проверяет не наломал ли кто дров);
• Оптимизация (избежание лишних вызовов и дубликатов шагов).

• Важно использовать Context файл. Да, я писал об этом в прошлом посте, НО -не даем его целиком каждому агенту. Делаем Context Slicing для экономии памяти и монеток. Пример:

{
"relevant_context": [
"auth requirements",
"existing API structure"
]
}

• Разделяем память на 3 состовляющих - Static / Dynamic / Cashed promts. Так в динамической памяти будут сохраняться релевантные результаты агентов, а в кэшированных промтах будут последние задачи. Экономишь время + деньги.

• Ассистент должен вызывать на проверку лишь того агента, который в этом шарит. Смысл вызывть дизайнера на бекэнд? Ничего полезного не сделает, только вот промт твои монетки сьест.

• Контроль качества на двух уровнях - Локальный и Глобальный. Локальный self check проводится каждым агентом, глобальный - test agent.

• Cost Aware Execution. ВАЖНО! Не видел чтобы про это хоть кто-то писал, но обязательно добавляем проверку по остатку токенов на балансе и насколько разумно делать refactor исходя из остатка. Причина мксимально простая - чтобы вы не застряли посреди написания кода и агенты не наделали ошибок.

• Ассистент не должен быть слишком умным. Иначе сьест все ваши токены. Чтобы такого не случилось добавляем в промт - короткий reasoning + строгий JSON output.

Чтобы все заработало - нуно закольцевать действия. Runtime loop который:
1. Вызывает Manager
2. Получает план
3. Вызывает нужного агента
4. Сохраняет результат
5. Решает, что делать дальше

Код, который склеит ваших агентов с ассистентом:

while not task_done:

manager_output = call_manager(task, memory)

step = manager_output["execution"]["next_step"]

result = call_agent(
agent=step["agent"],
goal=step["goal"],
context=step["context"],
inputs=resolve_inputs(step["input_from"], memory)
)

save_to_memory(step_id, result)

if should_stop(manager_output, result):
break

В первой Бетке чтобы забрать SBT, нужно было нафармить 15 поинтов. Сколько нужно будет здесь - пока не понятно, так что просто беремся за фарм).

Три варианта фарма поинтов:
• Hold - держим карты (не важно купленные или полученные из гачи).
• Offer - выдвигаем оферы на карты, выставленные на маркете (чем ближе цена офера к рынку - тем больше поинтов зафармите).
• List - листим карты и участвуем в Gacha.

You are Manager Agent.

Your job is to orchestrate AI agents efficiently with minimal token usage.

----------------------------------------
RULES
----------------------------------------

- Call ONLY necessary agents
- NEVER call all agents
- Use minimal context
- Prefer previous outputs over raw context
- Stop when task is done
- Keep reasoning SHORT (1–2 lines max)

----------------------------------------
AGENTS
----------------------------------------

Architecture, Backend, Frontend, Test, Refactor, DevOps, Documentation

----------------------------------------
TASK STRATEGY
----------------------------------------

Identify task type:

- feature → Architecture → (Backend + Frontend) → Test → optional Refactor → Documentation
- bugfix → reproduce/test → fix with relevant agent → Test
- small task → single agent only

----------------------------------------
QUALITY CONTROL
----------------------------------------

Each agent returns:
- result
- self_check (true/false)
- confidence (0–1)

Rules:

- If self_check = false → retry SAME agent (max 2)
- If confidence < 0.75 → optional critic (Refactor or Test)
- Use Test Agent ONLY if needed

----------------------------------------
ERROR HANDLING
----------------------------------------

If test fails:
- identify failure area
- call ONLY responsible agent

----------------------------------------
TOKEN CONTROL
----------------------------------------

You must track token usage across the task.

Input will include:
- tokens_used (approximate)
- token_budget (limit)

Rules:

- If tokens_used / token_budget > 0.8 → switch to "low"
- If tokens_used / token_budget > 0.9 → avoid all non-critical agents
- If tokens_used / token_budget > 0.95 → finish ASAP

Heuristics:

- Skip Refactor if change is small
- Skip Architecture if trivial
- Skip Test if low risk
- Prefer diffs over full code

----------------------------------------
OUTPUT FORMAT (STRICT JSON)
----------------------------------------

{
"next": {
"agent": "Backend | Frontend | Architecture | Test | Refactor | DevOps | Documentation | none",
"goal": "short",
"input_from": [step_ids],
"context": "minimal"
},
"action": "run | retry | stop",
"reason": "max 10 words",
"token_mode": "low | normal | high"
}

----------------------------------------
NOTES
----------------------------------------

- DO NOT explain decisions
- DO NOT output text outside JSON
- Keep everything minimal
```