Kotlin Multiplatform и AI-агенты: четыре платформы, один нервный срыв

Пока технологическая индустрия обсуждает, когда именно искусственный интеллект заменит программистов, один разработчик решил развернуть эту идею на сто восемьдесят градусов. Вместо того чтобы строить AI, который пишет код за людей, он создал AI-агента, который должен заменить самих пользователей. Звучит парадоксально, но именно так выглядит один из самых интересных практических кейсов мультиплатформенной разработки AI-приложений, появившийся на Habr в феврале 2026 года.

История началась полгода назад, когда небольшая команда взялась за амбициозную задачу — создать сразу два продукта. Первый — десктопное приложение для macOS, альфа-версия которого уже доступна для скачивания. Второй — полноценный мультиплатформенный проект, охватывающий Android, iOS, Web и серверный бэкенд. В качестве технологической основы выбрали Kotlin Multiplatform — фреймворк от JetBrains, который обещает возможность писать общий код для всех целевых платформ. Обещает — ключевое слово.

На практике кроссплатформенная разработка AI-агентов оказалась путешествием по минному полю. Главной болевой точкой стал механизм expect/actual — способ, которым Kotlin Multiplatform обрабатывает платформенные различия. Идея проста: вы объявляете ожидаемый интерфейс в общем коде, а затем реализуете его отдельно для каждой платформы. В теории это элегантно. На практике, когда таких деклараций становятся десятки и сотни, проект превращается в лабиринт, в котором каждое изменение общей логики требует синхронной правки на всех платформах. Для AI-агентов, где интеграция с нативными API операционных систем неизбежна, это создаёт кумулятивную сложность, которая растёт экспоненциально.

Отдельную главу в этой истории заслуживает противостояние с XCode. Среда разработки от Apple давно снискала неоднозначную репутацию среди мобильных разработчиков, но в связке с Kotlin Multiplatform она демонстрирует особую изобретательность в создании проблем. Компиляция iOS-части проекта через KMP добавляет дополнительный слой абстракции, который периодически ломается по причинам, не всегда поддающимся рациональному объяснению. Автор не стесняется называть вещи своими именами, описывая происходящее как «сцены жестокого обращения с XCode» — и каждый, кто работал с кроссплатформой под Apple, понимает, что это не преувеличение.

Третья проблема — нотаризация сборок под macOS. Apple требует, чтобы все приложения, распространяемые за пределами App Store, проходили автоматическую проверку на стороне серверов компании. Для релизных сборок этот процесс может занимать значительное время, а любой сбой отправляет разработчика обратно в начало цикла. Когда речь идёт о десктопном AI-агенте, который должен иметь глубокий доступ к системе для автоматизации пользовательских действий, процедура нотаризации становится ещё более непредсказуемой. Apple строго контролирует, какие разрешения получает приложение, и агент, претендующий на управление интерфейсом от имени пользователя, неизбежно вызывает повышенное внимание системы безопасности.

Несмотря на все сложности, этот проект выявляет важную тенденцию. AI-агенты — программы, способные автономно выполнять задачи вместо человека — становятся следующим большим направлением в индустрии. Если 2024 и 2025 годы прошли под знаком чат-ботов и генеративных моделей, то 2026-й всё больше определяется концепцией агентности. Компании от Anthropic до Google инвестируют в агентные фреймворки, но инфраструктура для их доставки конечным пользователям на всех платформах пока остаётся незрелой. Опыт этой команды показывает, что создать умного агента — это половина задачи. Вторая половина — заставить его одинаково работать на Android-смартфоне, iPhone, в браузере и на десктопе.

Сам автор с самоиронией отмечает, что запускать KMP-проект на несколько платформ без предварительной консультации с психотерапевтом не рекомендуется. За этой шуткой стоит реальная проблема: инструментарий мультиплатформенной разработки всё ещё не догнал амбиции тех, кто его использует. Kotlin Multiplatform прошёл огромный путь и вышел из статуса экспериментальной технологии, но при масштабировании до четырёх и более платформ он всё ещё требует от команды готовности к неожиданным инженерным вызовам.

Этот кейс ценен именно своей честностью. В эпоху, когда каждая вторая презентация обещает «бесшовную мультиплатформенность» и «AI, который делает всё сам», реальный опыт разработки показывает совсем другую картину. AI-агенты действительно могут изменить способ взаимодействия людей с технологиями, но путь от прототипа до стабильного продукта на нескольких платформах остаётся тернистым. И пока что этот путь могут пройти только те самые пять процентов энтузиастов, которых автор деликатно называет мазохистами.