5 contenedores Docker para desarrolladores de agentes de AI: los levantas y te pones a trabajar

Запуск AI-агента требует нескольких сервисов одновременно: языковая модель, векторная база для памяти, оркестратор задач, инструменты наблюдаемости. Каждый из них раньше занимал часы настройки. Docker меняет уравнение — правильный набор контейнеров поднимается за минуты и сразу готов к работе.

Ollama: локальные LLM без облака

Ollama — Docker-контейнер, который запускает открытые языковые модели на локальном железе. Внутри — REST-сервер с OpenAI-совместимым API: меняешь один endpoint в коде агента, и вместо GPT-4 работает Llama 3.1 на твоей GPU. Никаких изменений в остальном коде. Что поддерживается из коробки: Llama 3.1, Mistral 0.3, Gemma 2, Qwen2.5, Phi-3 и более 50 моделей GPU-ускорение через nvidia-container-toolkit (CUDA) Автоматическая загрузка и кеширование весов модели Параллельные запросы с внутренней очередью Для разработки это означает нулевые расходы на API, нулевые rate limits и полный контроль над моделью — без риска утечки данных в облако.

Qdrant: вектора для памяти агента

Агентам нужна долгосрочная память: сохранить результаты инструментов, индексировать документы, найти семантически похожее. Qdrant — одна из самых быстрых векторных баз с REST и gRPC API, встроенной фильтрацией по метаданным и готовым web-интерфейсом. Когда агент не находит нужный документ, визуальная инспекция точек экономит часы дебаггинга — в интерфейсе видны и вектора, и payload рядом с ними. Qdrant хорошо масштабируется: начиная с прототипа на localhost, можно перейти на кластер с репликацией без изменения кода клиента. Альтернативы — ChromaDB (проще для старта) и Weaviate (богаче функционал). Qdrant обычно выигрывает по скорости при коллекциях от нескольких миллионов векторов.

n8n: оркестрация visual-first n8n — self-hosted платформа

автоматизации, которую агентные разработчики используют как оркестратор workflow. Более 400 встроенных интеграций, ноды для OpenAI и Anthropic, HTTP-триггеры, вебхуки, встроенная обработка ошибок с ретраями.

«Визуальная схема потока данных понятна не только разработчикам — продуктовые и QA-команды сразу видят, что делает агент», — типичный аргумент в пользу n8n в developer-комьюнити.

Удобен для мультиагентных систем, где несколько агентов обмениваются результатами: каждый шаг логируется, виден в интерфейсе и может быть перезапущен с нужной точки без пересчёта всего пайплайна.

Flowise: drag-and-drop для агентных цепочек

Flowise строится поверх LangChain и LlamaIndex и предлагает visual builder для агентных цепочек, RAG-пайплайнов и мультиагентных систем. Каждый flow автоматически получает REST API endpoint — достаточно добавить один HTTP-вызов в приложение. Набор возможностей: Ноды AgentExecutor, Tool Use, Memory, ReAct Подключение к Ollama, OpenAI, Anthropic, Hugging Face, Bedrock Поддержка кастомных JavaScript-функций внутри нод Экспорт конфигурации flow в JSON для воспроизводимости Flowise особенно ценен на этапе прототипирования, когда нужно быстро проверить гипотезу, не закапываясь в boilerplate-код и ручную конфигурацию LangChain.

Open

WebUI: тест промптов без скриптов Open WebUI — полноценный чат-интерфейс, который подключается к Ollama или любому OpenAI-совместимому бэкенду. Работает в паре с Ollama через docker-compose и поддерживает загрузку документов прямо в диалог для быстрой проверки RAG. Для разработчика это удобный инструмент тестирования без лишнего кода: сменить системный промпт, подключить другую модель, загрузить документ и сравнить результаты — за несколько кликов. Поддерживает несколько пользователей и сохраняет историю разговоров.

Что это значит

Пять контейнеров — Ollama, Qdrant, n8n, Flowise, Open WebUI — закрывают базовый стек агентной разработки: LLM, векторная память, оркестрация, visual builder и UI для тестирования. Docker опустил порог входа до уровня, когда от идеи до работающего прототипа — один `docker-compose up`.