Что такое OpenClaw: как устроен AI-агент и какие рабочие задачи он реально закрывает

Обычный чат-бот отвечает текстом. Агент выполняет действия: читает файлы, ходит в почту и календарь, дёргает API, запускает команды и возвращается с результатом. OpenClaw — открытый агент, который работает на вашей машине и подключается к языковой модели по вашему выбору.

Мы держим OpenClaw в работе с весны и относимся к нему как к сотруднику на рутине: он разбирает входящие, собирает отчёты, следит за очередями задач. Ниже — что он умеет на самом деле, где ломается ожидание и во сколько обходится месяц работы.

👉 Оплатить доступ к модели в рублях

Чат-бот работает внутри диалога. Агент получает доступ к вашим данным и инструментам и действует по шагам.

Разница видна на простой задаче: «посмотри вчерашние письма от подрядчиков и собери список того, что просрочено». Чат-бот попросит вставить письма в диалог. Агент откроет почтовый ящик сам, отберёт письма по отправителям, вытащит даты и вернёт список.

Технически OpenClaw — программа, которая крутится у вас на устройстве, хранит контекст между шагами, ходит в подключённые сервисы и вызывает языковую модель, когда нужно принять решение. Модель здесь — расходный материал: её можно менять, не переделывая процесс.

Из этого следует главное ограничение. Агент отвечает ровно настолько хорошо, насколько хороша подключённая модель. Плохие ответы почти всегда лечатся не настройками агента, а сменой модели на более сильную.

Разница не в качестве ответов, а в том, кто выполняет работу после ответа.

Промежуточный вывод: агент имеет смысл там, где после ответа модели остаётся рутина, которую кто-то должен руками довести до конца.

Четыре сценария, которые окупают установку быстрее всего: почта, отчётность, мониторинг и работа с документами.

Разбор входящих. Агент читает почту, отделяет письма, требующие ответа, от рассылок и собирает короткую сводку. На потоке в сотню писем в день это экономит примерно час — мы считали по своей команде.

Сбор регулярных отчётов. Раз в неделю агент забирает выгрузку из внутреннего сервиса, сводит цифры и присылает результат в мессенджер. Задача, которую человек делает за сорок минут и ненавидит, у агента занимает две.

Мониторинг и дежурство. Агент следит за очередью заявок или падениями сервиса и пишет, когда порог превышен. Здесь ценна не скорость, а то, что он не забывает проверить.

Работа с документами. Разбор договоров, сверка версий, вытаскивание условий в структурированный вид. Это самый прожорливый по токенам сценарий: длинные документы уезжают в контекст целиком.

Чего он не делает: не заменяет специалиста в задачах с ответственностью и не работает без присмотра там, где ошибка стоит денег. Агент ошибается ровно так же, как модель под ним, — просто последствия он успевает довести до конца.

Интерфейсов четыре, и они работают с одним и тем же гейтвеем.

Важно понимать архитектуру: все интерфейсы разговаривают с локальным гейтвеем. Мобильное приложение — тоже клиент к нему, а не отдельная установка агента на телефон. Если гейтвей не поднят, ни панель, ни мессенджер работать не будут.

Все интерфейсы — это разные окна к одному гейтвею, а модель подключается за ним.

Скиллы добавляют агенту навыки, плагины — интеграции, MCP — доступ к внешним системам по единому протоколу.

Скилл — это описанная процедура: как делать конкретную работу, с какими проверками и в каком формате отдавать результат. Плагины подключают сервисы. MCP-серверы дают агенту доступ к внешним системам стандартным способом — от таск-трекера до внутренней базы.

Практический смысл для рабочих задач в том, что связку можно собрать под свой процесс, а не подстраивать процесс под инструмент. Разбор с примерами мы вынесли в отдельный материал про скиллы и MCP.

Скилл отвечает за «как», плагин — за «куда», MCP — за «к чему».

Промежуточный вывод: ценность агента растёт не от смены модели, а от того, сколько ваших систем к нему подключено.

Сам агент работает: он открытый и ставится локально. Ограничения начинаются на стороне провайдера модели.

Русский язык агент понимает — команды и задачи ставятся по-русски. Качество формулировок в ответах определяет модель: у флагманских моделей с русским всё в порядке, у младших бывает калька с английского.

Настоящее ограничение — оплата. Anthropic, OpenAI и OpenRouter не принимают российские карты, и на шаге подключения модели агент упирается в это. Мы закрываем шаг оплатой в рублях: вы переводите сумму, мы платим зарубежной картой. Курс на 14 августа 2026 года — 96 ₽ за доллар, комиссия идёт лесенкой от суммы: до 999 ₽ — фиксированные 350 ₽, 1 000–2 999 ₽ — 32%, 3 000–4 999 ₽ — 27%, 5 000–9 999 ₽ — 22%, дальше ниже.

👉 Подключить модель и оплатить доступ в рублях

Агент бесплатный. Расход — только на модель, и он зависит от сценария, а не от числа задач.

Ориентиры на 14 августа 2026 года:

Самый дорогой сценарий — работа с длинными документами: контекст уезжает в модель на каждом шаге. Самый дешёвый — короткие регулярные задачи на младшей модели. Подробный расчёт по объёмам мы собрали в материале про стоимость.

Счёт зависит от длины контекста, а не от количества поручений.

Трём категориям он принесёт больше хлопот, чем пользы.

Промежуточный вывод: OpenClaw окупается там, где есть повторяющаяся рутина с доступом к данным, и не окупается там, где нужен просто хороший ответ на вопрос.

Нет. Это агент-обвязка без собственной модели. Модель подключается отдельно и оплачивается отдельно.

Продукт появился зимой 2026 года под именем Clawdbot, затем сменил название на Moltbot и в итоге стал OpenClaw. Это один и тот же продукт, а не конкурирующие проекты.

Да, если платить по факту за токены. Подписка выгоднее при регулярной нагрузке, оплата по факту — при эпизодической.

Для знакомства — нет, хватит рабочей машины. Для круглосуточных сценариев нужна машина, которая не выключается: мини-ПК или VPS.

Настолько, насколько вы ограничили доступ. Агент видит те каталоги и сервисы, которые вы ему открыли, а гейтвей нельзя выставлять в интернет без ограничения доступа.