Claude Code и Cursor — хорошие инструменты, но они работают рядом с тобой: ты показываешь файлы, принимаешь решения, нажимаешь «применить». OpenHands — другая история. Запускаешь задачу, уходишь, возвращаешься — код написан, тесты прошли, PR готов.
OpenHands (ранее назывался OpenDevin) — open-source платформа для AI-агентов, которые автономно решают задачи разработки. 71 000+ звёзд на GitHub, версия 1.6 с поддержкой Claude Opus 4.6 и облачным режимом. Рассказываю как это работает и на что реально способно.
Статья для тех, кто уже пользуется AI-ассистентами в разработке и хочет понять следующий уровень — полностью автономных агентов. Если вы ещё не работали с AI для кода — начните с гайда по вайб-кодингу, там всё с нуля.
Что такое OpenHands
OpenHands — это фреймворк, который даёт языковой модели (LLM — программа, которая понимает и генерирует текст) доступ к полноценной рабочей среде: файловая система, терминал, браузер. AI может выполнять команды, устанавливать зависимости, писать код, запускать тесты, гуглить ошибки — всё что делает разработчик.
Ключевое отличие от Cursor/Claude Code: они требуют твоего присутствия и одобрения на каждом шагу. OpenHands работает в петле — пробует, получает ошибку, анализирует, исправляет, пробует снова. Это и есть суть агентного подхода — AI действует автономно, а не ждёт твоих команд.
Запускается в Docker-контейнере — изолированная среда, в которой агент не может навредить основной системе.
Что нового в 2026: версия 1.x
С момента перехода на V1 (ноябрь 2025) OpenHands сильно изменился:
- Software Agent SDK — модульный Python SDK (набор готовых инструментов для разработчиков) для создания собственных агентов. Можно определять кастомное поведение, добавлять свои инструменты, интегрировать MCP-серверы (протокол для подключения внешних данных и сервисов к AI).
- OpenHands Cloud — облачная версия с интеграцией в GitHub. Можно добавить лейбл
openhandsк issue или упомянуть@openhandsв PR — агент начнёт работать автоматически. Несколько агентов могут работать параллельно над разными частями кодовой базы. - Planning Agent (v1.6) — режим планирования, где агент сначала генерирует PLAN.md с пошаговым планом, а потом выполняет его. Можно переключаться между Plan Mode и Code Mode.
- Поддержка свежих моделей — Claude Opus 4.6, Claude Sonnet 4.6, Gemini 3.1 Pro, Qwen3-Coder, GLM-5. Лучшие результаты по-прежнему с Claude, но разрыв сокращается.
- Self-hosted для Enterprise — OpenHands Cloud можно развернуть в своём VPC через Kubernetes.
Установка
Нужен Docker. Если нет — установите с docker.com.
docker pull docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaos
docker run -it --rm --pull=always \
-e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime:0.38-nikolaos \
-e LOG_ALL_EVENTS=true \
-v /var/run/docker.sock:/var/run/docker.sock \
-v ~/.openhands-state:/.openhands-state \
-p 3000:3000 \
--add-host host.docker.internal:host-gateway \
--name openhands-app \
docker.all-hands.dev/all-hands-ai/openhands:0.38Открываем браузер: http://localhost:3000.
При первом запуске нужно ввести API-ключ модели. OpenHands работает с Claude (Anthropic), GPT-4 (OpenAI), Gemini и local-моделями через Ollama. Лучшие результаты — с Claude Sonnet или Claude Opus.
Совет
Хотите попробовать без установки? OpenHands Cloud (openhands.dev) даёт бесплатный тариф с 5 задачами в день. Подключаете GitHub — и всё работает прямо в браузере.
Внимание
Агент запускает реальные команды в контейнере. Если дать ему доступ к production-серверу или базе данных — он может что-то сломать. Начинайте с локальных и тестовых проектов.
Удалённый доступ
Если запускаете OpenHands на удалённом сервере (VPS, homelab), в версии 1.3+ добавили CORS-поддержку. Нужно задать переменные:
-e WEB_HOST=192.168.1.100:3000 \
-e OH_SANDBOX_USE_HOST_NETWORK=trueЭто открывает доступ через обратный прокси и позволяет видеть приложения, которые агент запускает на любых портах.
Первый тест: пишем Telegram-бота
Даю OpenHands задачу текстом:
Напиши Telegram-бота на Python. Бот должен:
1. Принимать текстовые сообщения
2. Возвращать количество слов в сообщении
3. На команду /stats показывать: сколько сообщений обработано и общее кол-во слов
Используй python-telegram-bot. Добавь requirements.txt и README.
Нажимаю Start. Смотрю что происходит.
Агент начинает думать вслух: «Нужно создать структуру проекта, установить зависимости...». Затем:
- Создаёт файловую структуру
- Запускает
pip install python-telegram-botв контейнере - Пишет
bot.pyс логикой - Пишет
requirements.txt - Пишет
README.mdс инструкцией по запуску - Запускает бота для проверки синтаксиса
- Обнаруживает что не хватает переменной TOKEN — добавляет чтение из
.env
Весь процесс занял 4 минуты. Код рабочий. Мне оставалось только добавить реальный токен бота.
Для сравнения: если бы я попросил Claude в чате написать то же самое — получил бы код, но без автоматической проверки и без обнаружения проблемы с токеном.
Второй тест: дебаггинг чужого кода
Даю OpenHands существующий Python-скрипт с несколькими намеренными ошибками:
В папке /workspace/buggy_script.py есть скрипт. При запуске он падает.
Найди все ошибки, исправь их, добавь тесты.
Агент:
- Читает файл
- Запускает — видит traceback
- Исправляет первую ошибку
- Запускает снова — другой traceback
- Исправляет вторую ошибку
- Запускает — работает
- Пишет unit-тесты с pytest
- Запускает тесты — все проходят
Нашёл 3 из 4 ошибок (одну семантическую пропустил, но она не влияла на запуск). Для рутинного дебаггинга — отлично.
Третий тест: рефакторинг с Planning Agent
В версии 1.6 появился Planning Agent. Решил проверить на реальной задаче — рефакторинг модуля авторизации в небольшом Flask-приложении (~800 строк).
Даю задачу:
Перепиши модуль auth.py: вынеси JWT-логику в отдельный файл,
добавь refresh-токены, покрой тестами с pytest. Используй Plan Mode.
Агент сначала сгенерировал PLAN.md — чёткий список шагов с зависимостями. Я посмотрел план, попросил убрать один лишний шаг (он хотел добавить Redis для хранения токенов, а мне достаточно in-memory). Переключил в Code Mode — и он пошёл выполнять.
Результат: 3 новых файла, 12 тестов, все зелёные. Весь процесс — 11 минут. План помог: без него агент раньше иногда уходил не в ту сторону на сложных задачах.
Бенчмарки: как OpenHands справляется объективно
OpenHands регулярно тестируют на SWE-bench — бенчмарке, где AI-агенту дают реальные баг-репорты из open-source проектов и проверяют, может ли он их исправить.
Результаты (с Claude Sonnet):
- SWE-bench Verified (отобранные задачи): 43.2% решённых — один из лучших результатов среди open-source агентов
- SWE-bench Live (свежие задачи, без утечки в обучающие данные): 19.3% — реалистичнее, но всё равно впечатляет
Для контекста: 43% означает, что агент самостоятельно чинит почти каждый второй баг из реальных проектов. Год назад лучшие агенты решали 15-20%.
Инфо
OpenHands запустили свой OpenHands Index — бенчмарк 9 моделей от Anthropic, OpenAI, Google, DeepSeek и Qwen. Результаты обновляются с каждым релизом. Удобно сравнивать, какая модель лучше работает именно в агентном режиме.
Что умеет хорошо
Стандартные задачи разработки: создание boilerplate (шаблонный код нового проекта), рефакторинг, добавление тестов. Всё то, что понятно описать текстом.
Работа с документацией: агент может открыть браузер, загуглить решение, прочитать Stack Overflow, применить найденное.
Итеративная отладка: запустить → получить ошибку → исправить → повторить. Это самый сильный сценарий — и именно этого не умеют обычные чат-боты.
Создание проектов с нуля: скаффолдинг нового репозитория, настройка окружения, CI/CD конфиги.
GitHub-интеграция (Cloud): получил issue → агент автоматически создаёт PR. Ревьюер оставил комментарий → агент исправляет. Это уже не «инструмент», а полноценный член команды.
Где проваливается
Сложная архитектура: если задача требует глубокого понимания бизнес-контекста или нестандартных решений — агент выбирает очевидный путь, который может не подходить. Planning Agent помогает, но не спасает полностью.
Большие кодовые базы: с 50k+ строк кода агент теряет контекст. Лучше всего работает с изолированными модулями. Если проект большой — давайте задачу на конкретный файл или модуль.
Неоднозначные требования: чем расплывчатее задача — тем хуже результат. «Сделай красиво» — плохой промпт. «Переименуй переменные в snake_case и добавь docstrings» — хороший. Про то, как формулировать промпты, я писал отдельно.
Безопасность: агент не проверяет безопасность кода. Всё что напишет — нужно ревьюить. Слепо мержить PR от AI-агента — плохая идея.
Стоимость API: автономный агент делает десятки вызовов к модели за одну задачу. Сложная задача на Claude Opus может сжечь $2-5 за раз. Следите за расходами.
Как использую я
Конкретные сценарии, где OpenHands экономит время:
- Миграции: «Перепиши все колбэки в async/await». Монотонная работа, идеально для агента.
- Документация: «Добавь docstrings ко всем публичным функциям в папке /src».
- Тесты: «Напиши тесты для модуля payments.py с покрытием >80%».
- Конфиги: «Настрой Docker Compose для dev-окружения с PostgreSQL и Redis».
- Баг-фиксы из GitHub: добавляю лейбл
openhandsк issue — агент сам разбирается и создаёт PR. Для простых багов работает в 70% случаев.
Для всего этого раньше нужно было либо делать самому (скучно), либо нанимать джуна (дорого). Теперь — $0.10-0.50 за задачу на API.
Сравнение с Cursor и Claude Code
| OpenHands | Cursor | Claude Code | |
|---|---|---|---|
| Автономность | высокая | низкая | средняя |
| Контроль | агент решает | ты решаешь | совместно |
| Скорость итерации | медленнее (минуты) | быстрее (секунды) | средняя |
| Подходит для | большие монотонные задачи | быстрые правки | любые задачи |
| GitHub-интеграция | нативная (Cloud) | нет | через CLI |
| Цена | бесплатно (+ API) | от $20/мес | входит в Claude Pro/Max |
| Open Source | да | нет | нет |
OpenHands не заменяет Cursor или Claude Code — это дополнение для задач, где нужна автономность. Подробнее про каждый инструмент — в полном сравнении AI для кода.
Запуск с локальной моделью
Если не хочется платить за API — можно подключить Ollama с локальной моделью:
# Сначала запустить Ollama с нужной моделью
ollama run qwen3-coder:32bВ настройках OpenHands выбрать Ollama как провайдера. Качество заметно ниже, чем у Claude, но для простых задач (документация, рефакторинг имён, шаблонный код) работает. Qwen3-Coder показывает лучшие результаты среди локальных моделей по OpenHands Index.
Если хотите попробовать Ollama подробнее — у меня есть гайд по запуску локальных моделей.
Советы из практики
За несколько месяцев использования накопились наблюдения:
-
Чем конкретнее промпт — тем лучше результат. Не «сделай REST API», а «сделай REST API на FastAPI с эндпоинтами GET /users, POST /users, валидацией через Pydantic, и тестами на pytest».
-
Разбивайте большие задачи. Вместо «перепиши весь бэкенд» — серия мелких задач: «добавь типы к модулю X», «перепиши функцию Y на async», «покрой тестами Z».
-
Используйте Plan Mode для сложного. Посмотрите план перед выполнением — часто агент неправильно понимает приоритеты, и лучше поправить на этапе планирования.
-
Проверяйте всё. AI-агент — это джуниор-разработчик на стероидах. Быстрый, неутомимый, но без глубокого понимания. Code review обязателен.
-
Начните с Cloud-версии. Если не хотите возиться с Docker — openhands.dev даёт попробовать бесплатно. Подключаете GitHub-репозиторий и вперёд.
Итог
OpenHands — самый зрелый open-source AI-агент для разработки на апрель 2026. 71k+ звёзд на GitHub, активная команда, облачная версия с GitHub-интеграцией, и реальные результаты на бенчмарках.
Не идеальный. Сложные задачи всё ещё требуют человеческого контроля. Но для рутины — миграции, тесты, документация, простые фичи — экономит часы.
Попробуйте с простой задачей: «Создай CLI-утилиту на Python, которая...». Если зайдёт — начнёте находить всё больше задач, которые можно делегировать.
Рядом с этой темой:
- Claude Code Auto Mode — похожая концепция автономности, но внутри вашего терминала
- n8n AI-агент без кода — если хотите автономных агентов, но без программирования
- AI-агенты 2026: полный гайд — что такое AI-агенты и как они работают под капотом
FAQ
Чем OpenHands отличается от GitHub Copilot?
GitHub Copilot подсказывает код в редакторе — ты пишешь, он дополняет. OpenHands работает автономно: получает задачу целиком, сам пишет код, запускает, тестирует, исправляет ошибки. Copilot — автодополнение. OpenHands — автономный разработчик.
OpenHands бесплатный?
Сам фреймворк — полностью бесплатный и open-source. Но для работы нужна языковая модель: либо платный API (Claude, GPT-4), либо бесплатная локальная модель через Ollama. OpenHands Cloud даёт 5 бесплатных задач в день.
Какую модель выбрать для OpenHands?
По данным OpenHands Index, лучшие результаты показывают Claude Sonnet 4.6 и Claude Opus 4.6. Из бесплатных вариантов — Qwen3-Coder через Ollama. GPT-4o тоже работает хорошо, но чуть уступает Claude в агентных сценариях.
Безопасно ли давать AI-агенту доступ к коду?
OpenHands работает в изолированном Docker-контейнере — агент не имеет доступа к вашей основной системе. Но будьте осторожны с секретами: не кладите API-ключи и пароли в рабочую директорию агента. В Cloud-версии код обрабатывается на серверах OpenHands — для чувствительных проектов лучше self-hosted вариант.
Может ли OpenHands заменить разработчика?
Нет. OpenHands решает 43% задач из SWE-bench — это впечатляет, но больше половины задач ему не по зубам. Агент отлично справляется с рутиной и стандартными задачами, но для архитектурных решений, сложной бизнес-логики и code review по-прежнему нужен человек.
