🤖
Хостинг

Требования к серверу для AI-агентов: CPU, RAM и архитектура

18.11.2026
← Все статьи

AI-агент отличается от обычного чат-бота: он получает задачу, обращается к языковой модели, при необходимости читает базу данных, вызывает внешние сервисы и выполняет несколько шагов подряд, пока не получит результат. Поэтому при выборе сервера недостаточно спросить, «откроется ли сайт». Нужно заранее понимать, сколько длится одна задача, сколько пользователей работает одновременно и где именно выполняется модель. В этой статье разберём эти вопросы на практическом примере.

Чем агент на самом деле занят на сервере

Принято считать, что любое AI-приложение требует огромных вычислительных мощностей, но это не всегда так. Если агент использует внешний API модели, тяжёлые вычисления выполняются на стороне провайдера, а ваш сервер в основном отправляет запросы и ждёт ответа. Процессор при этом загружен слабо, зато важны долгоживущие соединения, очередь задач и память для контекста диалога. Агент может работать над одной задачей десятки секунд или несколько минут, поэтому приложение должно быть постоянно запущенным процессом, а не скриптом, который завершается вместе с запросом.

Где работает модель: API или собственный сервер

Это главный фактор, определяющий требования. Если модель вызывается через API, для небольших и средних проектов обычно хватает VPS с 2 vCPU и 2–4 ГБ оперативной памяти: на сервере работают только код приложения, очередь и база данных. Если же вы хотите запускать модель самостоятельно, картина меняется полностью: даже небольшие квантованные модели требуют нескольких гигабайт памяти, а для приемлемой скорости нужен GPU или мощный процессор. Точные цифры зависят от размера модели и уровня квантования, поэтому обязательно сверяйтесь с документацией выбранной модели.

КритерийМодель через APIМодель на своём сервере
ПроцессорНагрузка низкая, часто хватает 1–2 vCPUНужен многоядерный CPU или GPU
Оперативная память2–4 ГБ для приложения и базыБольше, чем размер модели
РасходыОплата за каждый запросАренда сервера без оплаты за запросы
КонфиденциальностьДанные уходят провайдеруДанные остаются на вашем сервере

Почему обычный виртуальный хостинг не подходит

Виртуальный хостинг рассчитан в первую очередь на PHP-сайты: браузер отправляет запрос, скрипт выполняется и за пару секунд возвращает ответ. Агенту же нужны постоянно работающий фоновый воркер, очередь вроде Redis, долгие открытые соединения и библиотеки Python или Node.js, которые вы устанавливаете сами. В общей среде такие процессы прерываются по лимиту времени или вовсе запрещены. Поэтому правильный выбор для агента — VPS с root-доступом; в кабинете sayt.uz его можно заказать и запустить за несколько минут.

Как рассчитать память, диск и сеть

Каждый воркер на Python или Node.js может занимать несколько сотен мегабайт памяти, а если он держит в памяти большой контекст или документы, этот показатель растёт. Поэтому заранее определите, сколько задач будет выполняться параллельно, и подберите число воркеров под это. На диск пишутся логи, история диалогов и векторные индексы, со временем они занимают заметный объём, так что нужен SSD и настроенная ротация логов. Что касается сети, агент в основном отправляет HTTPS-запросы к зарубежным API, поэтому важна стабильность исходящих соединений.

Пример: агент записи на приём для клиники в Ташкенте

Представим частную клинику в Ташкенте, которая хочет записывать пациентов через Telegram. Пациент пишет «хочу завтра к кардиологу», агент читает свободные слоты из PostgreSQL, предлагает варианты и бронирует выбранное время. Архитектура простая: приложение на FastAPI принимает сообщения из Telegram и ставит задачу в очередь Redis, а отдельный воркер общается с моделью и записывает результат в базу. Для старта такой системе достаточно VPS с 2 vCPU и 4 ГБ памяти, а воркер постоянно работает под управлением systemd.

[Unit]
Description=Klinika AI agent worker
After=network.target redis-server.service

[Service]
User=agent
WorkingDirectory=/opt/klinika-agent
EnvironmentFile=/opt/klinika-agent/.env
ExecStart=/opt/klinika-agent/venv/bin/python worker.py
Restart=always
RestartSec=5
MemoryMax=1G

[Install]
WantedBy=multi-user.target

Сохраните файл как /etc/systemd/system/klinika-agent.service, включите службу и следите за логами. Строка MemoryMax не даст воркеру бесконтрольно занять память и замедлить весь сервер.

sudo systemctl daemon-reload
sudo systemctl enable --now klinika-agent
journalctl -u klinika-agent -f

Настройка Nginx для долгих ответов и стриминга

Если агент отдаёт ответ по частям, то есть в режиме стриминга, Nginx по умолчанию может буферизовать его и показать пользователю всё сразу. Кроме того, стандартный таймаут в 60 секунд обрывает долгие задачи на середине. Настройка ниже отключает буферизацию и увеличивает время ожидания, и пользователь видит, как ответ формируется в реальном времени.

location /api/stream {
    proxy_pass http://127.0.0.1:8000;
    proxy_http_version 1.1;
    proxy_set_header Connection "";
    proxy_buffering off;
    proxy_read_timeout 300s;
}

API-ключи и ограничение прав агента

Ключ провайдера модели напрямую связан с деньгами: если он утечёт, кто-то другой сможет пользоваться вашим счётом. Храните ключ не в коде, а в файле .env, выставьте ему права chmod 600, чтобы читать его мог только пользователь приложения, и не добавляйте файл в Git-репозиторий. Ограничьте и инструменты агента: например, агент клиники должен подключаться к базе через отдельного пользователя с правами только на расписание и записи. Полезно также установить месячный лимит расходов в панели провайдера, чтобы зациклившийся из-за ошибки процесс не превратился в огромный счёт.

Мониторинг и что делать при росте нагрузки

После запуска важно наблюдать за поведением агента. Регулярно проверяйте длину очереди, потребление памяти воркерами и время ответа модели, в этом помогут journalctl и простые средства мониторинга. Если очередь постоянно переполнена, стоит увеличить число воркеров или перейти на более мощный тариф. Такое поэтапное масштабирование гораздо выгоднее, чем с самого начала платить за избыточные ресурсы.

Похожие статьи

🧭 Векторная база на своём сервере: Qdrant и pgvector 🧭 Portainer: управление Docker-контейнерами через браузер 💾 Как восстановить сайт и базу из резервной копии в ISPmanager 🤝 Reseller-хостинг в Узбекистане: как размещать сайты клиентов
🌐 Язык
🇺🇿 O'zbek 🇺🇿 Ўзбек 🇷🇺 Русский ✓ 🇬🇧 English