Paperclip AI: управляй агентами как компанией

«Если OpenClaw — это сотрудник, то Paperclip — это компания.»

Созданный разработчиком под псевдонимом @dotta, проект вышел 4 марта 2026 года и за три недели набрал 30 000 звёзд на GitHub, войдя в число самых быстрорастущих open-source репозиториев квартала. К апрелю 2026 года счётчик перевалил за 43 000 звёзд.

Что такое Paperclip и для кого он?

Paperclip — это open-source Node.js-сервер с React-дашбордом, который оркестрирует команды AI-агентов в виде структурированных организаций. Подключай своих агентов, назначай цели и отслеживай работу и расходы с единого дашборда. Внешне — это таск-менеджер, но под капотом — оргструктуры, бюджеты, управление, выравнивание целей и координация агентов.

Ключевой инсайт Paperclip: сложная проблема в мультиагентном AI — не сделать каждого агента умнее, а заставить их координироваться. Координация — это, по сути, задача организационного дизайна: иерархия подчинения, потоки информации, паттерны делегирования, петли обратной связи и пути эскалации.

Для кого:

• Технические основатели и инди-хакеры, строящие бизнес на базе AI
• Соло-разработчики, желающие автоматизировать операционные процессы
• Команды, экспериментирующие с мультиагентными паттернами
• Все, кто мыслит в терминах task-трекеров (GitHub Issues, Linear)

Ключевые возможности

1. Организационная структура (Org Chart)

Paperclip позволяет назначать агентам роли, бюджеты и линии подчинения — превращая инструменты вроде Claude Code, OpenClaw, Codex и Cursor в скоординированную рабочую силу.

Пример иерархии выглядит так:

graph TD
    A[👤 Совет директоров — вы] --> B[🤖 CEO-агент]
    B --> C[🤖 CTO-агент]
    B --> D[🤖 Marketing Director]
    C --> E[🤖 Backend Engineer]
    C --> F[🤖 QA Engineer]
    D --> G[🤖 Copywriter]
    B --> H[🤖 Research Specialist]

2. Бюджеты и контроль расходов

Paperclip поддерживает помесячные бюджеты на агента, которые автоматически приостанавливают расходы при 100% использовании. Атомарное исполнение: checkout задачи и бюджетное исполнение атомарны — никакой двойной работы и неконтролируемых трат.

3. Управление целями

Goal-aware execution: задачи несут полную цепочку целей, поэтому агенты всегда видят «почему», а не только заголовок задачи. Задачи отслеживаются вплоть до миссии компании через проекты, задачи (issues) и контекст целей.

4. Персистентное состояние агентов

Агенты возобновляют тот же контекст задачи между heartbeat-циклами вместо того, чтобы начинать с нуля.

5. Governance и аудит

Governance с возможностью откатов: approval-гейты принудительны, изменения конфигурации версионируются, а плохие изменения можно безопасно откатить. Все мутирующие действия, изменения состояния heartbeat, события затрат, утверждения, комментарии и результаты работ записываются как постоянная активность для аудита.

6. Runtime Skill Injection

Агенты могут изучать воркфлоу Paperclip и контекст проекта во время выполнения, без дообучения.

7. Переносимые шаблоны компаний

Экспорт и импорт целых организаций — агенты, навыки, проекты, рутины и задачи — со скруббингом секретов и обработкой коллизий. В разработке — Clipmart: возможность скачивать целые компании одним кликом, просматривая готовые шаблоны с полными org-структурами, конфигами агентов и навыками.

8. Поддерживаемые агенты

Paperclip работает с OpenClaw, Claude Code, Codex, Cursor, Bash, HTTP-агентами и адаптерами для локальных агентов — Gemini, OpenCode, Pi, Hermes и Grok Build.

Быстрый старт

# Установка и онбординг
npx paperclipai onboard --yes

# Для LAN-доступа
npx paperclipai onboard --yes --bind lan

# Для Tailscale
npx paperclipai onboard --yes --bind tailnet

Команда запускает онбординговый флоу, настраивает локальный сервер, путь аутентификации, встроенную базу данных PostgreSQL и вашу первую компанию.

npx --registry https://registry.npmjs.org paperclipai onboard --yes

Тарифы и цены

Рантайм Paperclip бесплатен и open-source под лицензией MIT, аккаунт не нужен для self-hosting. Но «бесплатно» означает: вы платите за свои API-вызовы к LLM, сервер, базу данных PostgreSQL и инженерное время на поддержку.

Облачный вариант на Paperclip.inc предлагает управление агентами как компанией на круглосуточной cloud control plane за €10 в месяц с неограниченным количеством компаний.

Claude Code Max за $200 в месяц широко используется в сообществе Paperclip для тяжёлых рабочих нагрузок, поскольку включает выделенный объём использования вместо поштучной оплаты токенов.

Плюсы и минусы

Сравнение с альтернативами

Paperclip принципиально отличается от CrewAI или AutoGen: Paperclip не строит агентов, он берёт существующих — Claude Code, OpenClaw, Codex, Python-скрипты, HTTP-вебхуки — и организует их в работающую компанию.

Для разработчиков, предпочитающих описывать поведение агентов в коде с максимальной гибкостью, CrewAI остаётся хорошо документированным выбором. Для команд, которым нужна работающая система, управляемая с дашборда, а не из редактора кода, Paperclip имеет явное преимущество.

Org-chart модель Paperclip навязывает структуру, что помогает в production-окружениях. Открытая топология диалогов AutoGen помогает, когда вы ещё выясняете, какая структура правильная.

Вердикт

Если вы технический основатель или оператор, желающий запустить агентов автономно по нескольким бизнес-функциям без управления кодовой базой, Paperclip AI — наиболее полный out-of-the-box вариант в 2026 году. Org-chart модель, контроль бюджетов и governance-слой решают операционные проблемы, возникающие при работе более чем с двумя-тремя агентами одновременно.

Кому подойдёт:

• Соло-разработчикам и техническим основателям, строящим AI-first бизнес
• Командам, уже использующим Claude Code / OpenClaw и хотящим навести порядок
• Всем, кто экспериментирует с мультиагентной оркестрацией в production

Кому не подойдёт:

• Non-tech пользователям без опыта в CLI/Node.js
• Командам, ищущим готовый helpdesk или CRM с AI
• Стартапам без бюджета на LLM API-расходы

Итоговая оценка: 8 / 10

Paperclip — один из самых амбициозных open-source проектов в AI-пространстве 2026 года. Он решает реальную, недостаточно освещённую проблему: как координировать не одного, а целую команду агентов с бюджетами, аудитом и целями. При наличии технической экспертизы — это мощнейший инструмент для построения AI-first операций.