Сначала остановите текущий run и сохраните trace: входные данные шага, tool arguments, HTTP status, тело ошибки, attempt number и время. Не запускайте его ещё раз с теми же параметрами, пока не ясно, было ли внешнее действие выполнено. Таймаут после оплаты или отправки письма не доказывает, что операция не состоялась.

Зацикливание часто появляется не в одном месте. Агент повторно строит тот же план, SDK автоматически повторяет HTTP-запрос, а workflow engine повторяет весь task. По отдельности лимит равен трём, но физически сервис получает десятки вызовов. Нужен общий budget, который передаётся через уровни и уменьшается после каждой реальной попытки.

Повтор зависит от типа результата

СигналРешениеПочему
Timeout или 503 до подтвержденияRetry с backoff и jitterОшибка может быть временной
429 с Retry-AfterWAITING до указанного срокаНемедленный повтор усиливает лимит
400 schema validationFAILED или исправление планаВремя не сделает payload валидным
401/403NEEDS_HUMAN или refresh по политикеПовтор тех же credentials бессмысленен
202 operation pendingWAITING и poll statusСоздавать новую операцию не нужно
Та же ошибка и те же args N разCircuit breakАгент не получил новой информации

Google Workflows позволяет задавать retry predicate, max retries и backoff и отдельно приводит стратегии для идемпотентных и неидемпотентных шагов. Это важное различие: GET обычно безопаснее повторить, а POST на создание заказа требует idempotency key или отдельной проверки статуса операции.

Состояние хранит причину паузы и границы run

run_id: run_2048
step_id: create_invoice
state: WAITING
attempt: 2
total_actions: 11
max_total_actions: 20
deadline_at: 2026-10-04T14:30:00Z
idempotency_key: invoice-order-771-v1
last_error_fingerprint: http429:billing:create
next_attempt_at: 2026-10-04T14:24:30Z
last_external_operation_id: op_91a

WAITING — не тот же шаг, кружащийся в памяти процесса. Это сохранённое состояние с временем следующей попытки, которое разбудит планировщик. NEEDS_HUMAN содержит конкретный вопрос и собранные доказательства. FAILED фиксирует конечную причину. Так интерфейс показывает, что происходит, а перезапуск процесса не обнуляет счётчик.

Budget ограничивает попытки в нескольких измерениях

  • max_attempts_per_step защищает один проблемный tool call.
  • max_total_actions ограничивает перепланирование через разные инструменты.
  • deadline_at прекращает долгий run, даже если отдельные попытки редкие.
  • max_same_error_fingerprint ловит цикл с косметически разным текстом ответа.
  • max_cost или token budget ограничивает дорогие модели и платные API.
  • circuit breaker временно закрывает зависимость, которая массово отвечает одинаково.

Backoff желательно делать экспоненциальным с jitter, чтобы множество агентов не проснулось одновременно. Но задержка не исправляет неверный аргумент. Retry predicate должен смотреть на тип ошибки и семантику операции. AWS Step Functions также различает catcher и retrier и хранит настройки повторов на уровне state machine; при redrive счётчики могут вести себя иначе, поэтому тестируйте именно ваш путь восстановления.

Идемпотентность закрывает неопределённый результат

  1. Сформировать стабильный idempotency key из бизнес-операции, а не из номера попытки.
  2. Передать ключ внешнему API или записать локальный operation record до вызова.
  3. После timeout сначала запросить статус по ключу или operation ID.
  4. Если операция завершена, продолжить workflow с сохранённым результатом.
  5. Если статус неизвестен, эскалировать, а не создавать второй заказ или платёж.

Azure Durable Functions показывает retry policies для activity и обработку исключений в orchestrator code. Независимо от платформы, внешний побочный эффект должен иметь собственную защиту: оркестратор не способен отменить уже принятый запрос только потому, что не получил ответ.

Тестируем не happy path, а плохую сеть

Сымитируйте 429 с Retry-After, три 503, постоянный 400, потерю ответа после успешной записи и зависший status endpoint. Для каждого сценария посчитайте физические вызовы, итоговое состояние и число созданных бизнес-объектов. Исправление принято, когда run гарантированно останавливается в пределах budget, ожидание не крутит CPU, повтор использует тот же idempotency key, а оператор видит понятную причину и безопасное следующее действие.

Проверенные источники