Мультиагентный VPS с самохостингом: 5 ИИ-ролей на одном сервере

Вы слышали эту идею: команда ИИ-агенттов занимается исследованиями, текстами, кодом, администрацией и дизайном — у каждого своя специализация, все работают вместе. Привычный путь — SaaS-подписка с оплатой за место, за агента, ежемесячно. Но есть и более тихая альтернатива: запустить каждого агента самостоятельно, на одном VPS, который вы арендуете менее чем за $15 в месяц.

Мультиагентный VPS с самохостингом — это не теория. Люди запускают пять, восемь и даже дюжину специализированных агенттов на одной машине. Подводный камень — знать реальные цифры потребления ресурсов, архитектуру, которая не даёт агенттам мешать друг другу, и где тратить деньги (ключи облачных API), а где экономить (локальные модели).

В этом гайде — конкретные цифры: сколько ОЗУ на каждый компонент, запас по CPU, хранилище, ежемесячные расходы, — чтобы вы могли подобрать сервер, выбрать провайдера и развернуть систему уверенно, а не наугад.

Что на самом деле значит «пять специализированных ИИ-ролей»

«Пять агенттов» — это не пять копий ChatGPT, работающих параллельно. У каждого агента своя роль, свой системный промпт, свой набор навыков и часто своя базовая модель. Вот реалистичный состав:

• Секретарь — читает и составляет письма, управляет календарём, сортирует входящие сообщения, резюмирует треды в Slack. В основном короткие ответы, частые вызовы, небольшой объём токенов на задачу.
• Кодер — пишет код, проверяет pull-запросы, рефакторит функции, генерирует тесты. Длинные контексты, большие ответы, выигрывает от сильной модели рассуждений.
• Исследователь — ищет в интернете, читает документы, синтезирует находки в структурированные брифинги. Средний контекст, умеренный объём ответа, часто упирается в лимиты API из-за циклов веб-запросов.
• Копирайтер — пишет посты для блога, рекламные тексты, контент для соцсетей, лендинги. Творческие задачи, переменная длина ответа, выигрывает от модели с хорошим стилем.
• Дизайнер — генерирует SVG, пишет CSS, создаёт промпты для изображений, собирает макеты. Часто работает в паре: текстовая модель плюс эндпоинт для генерации изображений.

Каждый из них — это устойчивый процесс (или набор процессов), который запускается один раз и ждёт задач. Они делят сервер, но не все потребляют ресурсы одновременно. Именно это различие делает один VPS жизнеспособным вариантом.

Реальные требования к железу для мультиагентного VPS

Разберём, что на самом деле потребляет ОЗУ и CPU на сервере — по компонентам.

Базовая операционная система + демон Docker: ~600 МБ ОЗУ, пренебрежимо мало CPU в простое.

Среда выполнения агенттов (один фреймворк, управляющий всеми пятью агенттами): ~300–800 МБ ОЗУ суммарно. Оркестратор на Python с пятью определениями агенттов в памяти. Это не пять отдельных приложений — это один процесс, управляющий пятью ролями.

Очередь задач (Redis или RabbitMQ): ~50–150 МБ ОЗУ. Обеспечивает сериализацию, чтобы два агента не обращались к LLM-одновременно. Легковесный компонент.

Векторная база данных (Qdrant, ChromaDB или SQLite-VSS): ~200–500 МБ ОЗУ в зависимости от размера корпуса. Хранит эмбеддинги для слоя памяти агенттов — прошлые решения, факты о компании, фрагменты документов.

Локальная модель эмбеддингов (например, nomic-embed-text через Ollama): ~300–600 МБ ОЗУ. Генерирует векторные эмбеддинги для системы памяти без обращения к платному API.

Локальная вспомогательная модель (например, Mistral 7B или Llama 3 8B через Ollama): ~4–6 ГБ ОЗУ. Обрабатывает задачи с низкими требованиями — форматирование, суммаризация, извлечение текста — с нулевыми затратами на API.

Итого с локальной моделью: ~6–9 ГБ ОЗУ в активном использовании, с запасом на VPS с 16 ГБ.

Итого без локальной модели (только облако): ~1,5–2,5 ГБ ОЗУ. VPS с 8 ГБ — более чем достаточно.

CPU: Узкое место — генерация токенов, которая зависит от ввода-вывода (GPU или сеть для облачных API). Четыре vCPU справляются с параллельными задачами агенттов без конфликтов. Двух vCPU хватит, если задачи строго по очереди.

Хранилище: 20–40 ГБ SSD. Образы Docker, веса моделей (квантизированная модель на 7 млрд параметров — ~4 ГБ), файлы векторной базы данных, логи. Диск на 40 ГБ даёт комфортный запас.

Архитектура: как агентты делят один сервер

Худшая ошибка — запускать пять независимых Docker-контейнеров, каждый со своим веб-сервером, своей базой данных и своим экземпляром Ollama. Это быстро раздувает ОЗУ и создаёт конфликты из-за портов и доступа к GPU.

Вместо этого используйте общую архитектуру:

1. Один процесс-оркестратор хранит определения всех пяти агенттов, направляет входящие задачи нужному агентту и управляет очередью задач. Фреймворки вроде CrewAI, AutoGen или кастомный сервис на FastAPI справляются с этим.

2. Один общий LLM-шлюз. Если вы запускаете Ollama локально, один экземпляр обслуживает всех агенттов. Если используете облачные API, одна прокси-точка (LiteLLM или простой обратный прокси) управляет лимитами, повторами и маршрутизацией моделей для каждого агента.

3. Один экземпляр векторной базы данных с отдельными коллекциями для каждого агента. Исследователь хранит веб-находки, кодер — фрагменты кода и решения, секретарь — заметки с совещаний. Один процесс Qdrant, разные пространства имён.

4. Один экземпляр Redis для очереди задач, ограничения частоты запросов и краткосрочного кэша (окна разговоров, промежуточные результаты).

5. Общее файловое хранилище — единый том, где агентты читают и пишут файлы. Копирайтер создаёт черновик, дизайнер его подхватывает и добавляет оформление. Никакого сетевого взаимодействия между контейнерами.

Файл docker-compose.yml с пятью сервисами (оркестратор, LLM-шлюз, векторная БД, Redis, файловое хранилище) обычно занимает менее 3 ГБ ОЗУ до добавления локальной модели. С Ollama — 8–9 ГБ. Добавьте 4 ГБ запаса на ОС — и вы на 12–13 ГБ, что комфортно для VPS с 16 ГБ.

Очередь задач — критически важна. Без неё, если исследователь и кодер одновременно вызовут LLM в 14:00:01, один из вызовов упадёт или оба замедлятся. Очереди задач на Redis (Celery, BullMQ или даже простой FIFO-список) сериализуют вызовы и позволяют задать приоритеты. Кодер получает приоритет над копирайтером для задач форматирования. Секретарь получает низкий приоритет, так как черновики писем могут подождать 200 мс.

Гибридный подход: локальные модели бесплатно, облако — для сложных задач

Не каждой задаче нужна передовая модель. Вот практическое разделение:

Запускать локально (бесплатно):

• Генерация векторных эмбеддингов для слоя памяти
• Суммаризация коротких текстов (менее 500 токенов)
• Извлечение структурированных данных из писем (отправитель, дата, тема)
• Форматирование вывода (Markdown в HTML, очистка JSON)
• Генерация заголовков и метаописаний по черновику

Квантизированная модель на 7 млрд параметров на CPU справляется с этим за 1–5 секунд на задачу. Нулевые расходы на API, нет задержек на обращение к внешнему серверу, данные не покидают ваш VPS.

Маршрутизировать в облачный API (платно):

• Генерация длинных текстов (посты для блога, отчёты)
• Сложная генерация кода и отладка
• Многоэтапные исследования, требующие цепочек рассуждений
• Творческие задачи, где важен стиль текста
• Всё, что требует контекста более 8K с последовательными рассуждениями

Используйте OpenRouter для доступа к нескольким провайдерам через один ключ API. Направьте кодера на Claude Sonnet ($3/$15 за млн входящих/исходящих токенов). Направьте копирайтера на GPT-4o ($2,50/$10). Направьте исследователя на более дешёвую модель, например Gemini Flash ($0,075/$0,30). Ключевая идея: назначайте нужную модель нужной роли, а не самую мощную модель на всё подряд.

Такой гибридный подход обычно сокращает расходы на API на 60–80% по сравнению с маршрутизацией каждой задачи к передовой модели.

Полная разбивка ежемесячных расходов

Вот сколько на самом деле стоит содержание мультиагентного VPS с самохостингом — с реальными ценами провайдеров:

Сравните с SaaS-платформами для агенттов, которые берут $20–50 *за агента в месяц*. Пять агенттов на SaaS-плане — это $100–250/мес, и цена растёт. Самохостинг обходится на 70–90% дешевле уже со второго месяца.

VPS — самая мелкая строка расходов. Деньги уходят на ключ API — и гибридный подход с моделями удерживает этот счёт на низком уровне.

Примечание по масштабированию: если нагрузка растёт, не нужно добавлять второй VPS. Достаточно обновить текущий. Hetzner позволяет перейти с CX31 на CX41 (8 vCPU, 32 ГБ) за €16,49/мес с перезагрузкой. Архитектура остаётся прежней, просто появляется больше запаса под более тяжёлую локальную модель или больше параллельных агенттов.

Три ошибки, которые ломают мультиагентные системы

1. Запуск отдельного экземпляра Ollama для каждого агента. Каждый экземпляр Ollama загружает свою копию модели в ОЗУ. Пять агенттов × модель на 4 ГБ = 20 ГБ только на инференс. Запускайте один экземпляр Ollama. Все агентты обращаются к нему через единую точку.

2. Отсутствие лимитов на вызовы API. Агрессивный агент-исследователь с циклами веб-поиска может сжечь весь дневной бюджет API за час. Установите бюджеты токенов для каждого агента. Ограничьте исследователя 200K токенами в день. Ограничьте копирайтера 100K. Redis делает реализацию этих ограничений тривиальной.

3. Игнорирование пайплайна эмбеддингов. Люди настраивают агенттов и забывают про слой памяти. Без эмбеддингов агентты не могут вспоминать прошлые решения и заново исследуют одни и те же темы каждую сессию. Настройте векторную базу данных с первого дня. Даже простой вызов text-embedding-3-small на каждый фрагмент документа (доли цента) избавляет от часов лишней работы LLM впоследствии.

Как сделать это работающим в долгосрочной перспективе

Мультиагентный VPS с самохостингом — это не просто дешевле. Он даёт контроль, которого SaaS не может предложить. Ваши данные остаются на вашем сервере. Ваши промпты, ваши системные инструкции, ваша корпоративная база знаний — ничего из этого не проходит через пайплайн обучения сторонней платформы. Для регулируемых отраслей (юриспруденция, здравоохранение, финансы) это не приятный бонус, а обязательное требование.

Технический порог входа реален, но не крут. Если вы можете написать docker-compose.yml и выполнить curl | bash, вы можете развернуть эту систему. Ключ в том, чтобы начать с подходящей конфигурации железа (16 ГБ ОЗУ, 4 vCPU), единой архитектуры (не пять изолированных контейнеров) и гибридной стратегии моделей, которая ставит дорогие рассуждения туда, где они оправданы.

Начните с малого: разверните двух агенттов (секретарь + исследователь), убедитесь, что они корректно делят ресурсы, и добавьте остальных трёх. Через неделю у вас будет работающая ИИ-команда на инфраструктуре, которой вы владеете, за сумму меньшую, чем стоимость одного места в SaaS.