1. Мозг (Локальная GPU + Gemma/ Qwen): Для агентских задач критически важна точность вызова инструментов (tool calling) и удержания контекста. Модели семейства Qwen (например, плотная __Gemma 31B__ или быстрая MoE __Qwen-3.6-35B-A3B__) отлично справляются с этой ролью. Запуск через vLLM на локальной GPU обеспечит высокую скорость и параллельную обработку запросов от нескольких агентов одновременно. 2. Оркестратор (LangChain Deep Agents): Отвечает за логику исследования, память и управление процессами: - Планирование: Перед выполнением задачи агент строит структурированный TODO-лист. - Под-агенты: Сложные задачи параллельно делегируются изолированным под-агентам (один ищет статьи, другой парсит базы данных). - Файловая система: Объемные промежуточные результаты сохраняются на диск, чтобы не перегружать контекстное окно модели. 3. Tools/ Инструментарий (DeepMind Science Skills): Предоставляет готовые адаптеры и API-клиенты для работы со специализированными научными базами (UniProt, AlphaGenome, PubMed, базы химических соединений и др.).