Почему TypeScript неожиданно стал главным языком AI-разработки

Если задача связана с нейросетями, первое, что приходит в голову, - Python. Данные, модели, обучение, эксперименты. Здесь всё понятно.

А потом начал замечать странную вещь.

Вокруг самих моделей становится всё больше TypeScript.

Не в исследованиях. Не в обучении нейросетей.

А там, где из модели пытаются сделать нормальный продукт.

И вот это уже интереснее.

TypeScript действительно вышел на первое место

Сначала цифра выглядит почти провокационно.

В августе 2025 года TypeScript впервые обошёл Python и JavaScript по числу активных контрибьюторов на GitHub. GitHub назвал его самым используемым языком на платформе по своей методике. За год число активных контрибьюторов TypeScript выросло на 66,6%.

Можно было бы на этом месте написать: всё, Python проиграл.

Только это было бы неправдой.

Если посмотреть именно на AI-репозитории, Python остаётся далеко впереди.

GitHub насчитал 582 196 AI-проектов на Python против 85 746 на TypeScript. То есть разрыв больше чем в шесть раз.

Но есть любопытная деталь: TypeScript рос намного быстрее - на 77,9% за год.

Вот это уже сложно игнорировать.

TypeScript не захватывает машинное обучение.

Он постепенно захватывает часть работы вокруг него.

Потому что модель - это ещё не приложение

Допустим, компания хочет сделать AI-помощника.

Не исследовательский проект, а функцию на своём сайте.

Пользователь задаёт вопрос. Модель отвечает. Казалось бы, что тут сложного?

Проблема начинается через пять минут.

Модель должна знать данные пользователя.

Иногда ей нужно посмотреть информацию в базе.

Иногда - вызвать API.

Иногда - создать файл.

Иногда - проверить заказ.

А иногда нельзя позволить ей сделать вообще ничего из перечисленного без подтверждения.

В этот момент выясняется неприятная вещь: языковая модель - только часть приложения.

Всё остальное выглядит до боли знакомо разработчику.

Backend.

API.

База.

Авторизация.

Валидация.

Обработка ошибок.

И TypeScript здесь оказывается на своей территории.

AI SDK - хороший показатель

Например, у Vercel есть AI SDK.

Это TypeScript-инструментарий для создания AI-приложений и агентов. Он работает с популярными веб-фреймворками и серверными средами, включая React, Next.js, Vue, Svelte и Node.js. В SDK есть работа с текстом, структурированными данными и инструментами.

Сам по себе SDK не доказывает никакой революции.

Но он показывает направление.

Разработчику не предлагают изучать отдельный язык только ради того, чтобы отправить запрос нейросети.

Если приложение уже написано на TypeScript, AI можно встроить туда же.

Например, интернет-магазин может получить AI-поиск.

Сервис поддержки - помощника.

CRM - агента, который ищет информацию по клиенту.

Внутренний корпоративный портал - интерфейс к базе документов.

Модель в каждом случае одна из деталей системы.

А Node.js вообще убирает границу между «вебом» и AI

Раньше можно было представить такую картину: JavaScript - интерфейс, Python - всё, что связано с AI.

Сегодня она уже слишком примитивная.

TypeScript спокойно работает на сервере через Node.js.

Поэтому TypeScript можно использовать не только в интерфейсе, но и на backend.

Например, сервер получает сообщение пользователя, отправляет его модели, принимает вызов инструмента, обращается к базе данных и возвращает результат.

AI SDK прямо показывает такие сценарии для Node.js, Express, Hono, Fastify и Nest.js.

В итоге получается один достаточно цельный стек.

Frontend.

Backend.

API.

AI.

Всё это можно писать на TypeScript.

И для команды, которая уже работает в JavaScript-экосистеме, это имеет вполне практический смысл.

Но настоящий поворот произошёл с агентами

Обычный запрос к нейросети выглядит примерно так:

пользователь → модель → ответ.

Агент работает иначе.

пользователь → модель → инструмент → результат → модель → следующий шаг.

Например, человек спрашивает:

«Проверьте мой заказ и скажите, когда он приедет».

Модель должна понять, что ей недостаточно просто сгенерировать текст.

Ей нужен инструмент.

Этот инструмент обращается к системе заказов.

Получает информацию.

Возвращает её модели.

И только после этого модель отвечает пользователю.

Всё это уже возможно в современных агентных SDK.

OpenAI уже строит этот слой на TypeScript

У OpenAI есть Agents SDK для TypeScript. Он прямо обозначен как TypeScript-first.

В нём есть инструменты, handoffs, agents as tools, guardrails, MCP, sessions, structured output и human-in-the-loop. TypeScript-функцию можно определить как function tool, после чего агент получает возможность её вызвать.

Например, один агент может определить, что вопрос относится к оплате, и передать задачу специализированному агенту.

Или главный агент может вызвать другого агента как инструмент.

Это уже не выглядит как обычная интеграция «отправил промпт - получил текст».

Получается система, в которой модель принимает часть решений, а остальная логика остаётся в коде.

И чем больше таких систем появляется, тем больше работы приходится именно на разработчика приложения.

Тут есть один неприятный момент

Чем больше возможностей получает агент, тем опаснее становится идея «пусть нейросеть сама всё решает».

Допустим, мы дали ей инструмент для возврата товара.

Что помешает ошибочно вызвать его?

А если пользователь сформулировал запрос двусмысленно?

А если API вернул неожиданный ответ?

А если агент решил вызвать инструмент два раза?

В нормальном приложении мы не оставляем такие вещи на волю случая.

И AI-приложение тоже постепенно приходится строить по этим правилам.

Например, в Agents SDK есть guardrails для проверки входных данных, результатов работы и вызовов инструментов. Проверка может остановить выполнение. Есть и механизм human-in-the-loop, когда перед определёнными действиями требуется участие человека.

Получается довольно забавная ситуация.

Мы добавили в приложение искусственный интеллект, чтобы автоматизировать работу.

А потом начали писать ещё больше кода, чтобы контролировать, что именно этот интеллект делает.

И это, пожалуй, одна из самых важных особенностей нынешней AI-разработки.

Поэтому Python никуда не исчезает

На этом месте легко сделать неправильный вывод.

TypeScript растёт.

Агенты появляются.

AI SDK развивается.

Значит, Python скоро станет не нужен?

Нет.

Даже близко.

В AI-проектах Python по-прежнему огромен. Те самые 582 тысячи репозиториев против 86 тысяч TypeScript - довольно наглядная цифра.

Python остаётся очень сильным выбором для машинного обучения, работы с данными и большого количества задач вокруг моделей.

TypeScript просто оказался в другом месте.

Там, где модель нужно превратить в функцию продукта.

И вот здесь заголовок становится спорным

Если под «AI-разработкой» понимать всё - от обучения нейросетей до интерфейса чат-бота, - TypeScript главным языком не стал.

Если говорить именно о AI-приложениях, ситуация уже гораздо интереснее.

Потому что современное AI-приложение - это не только модель.

Это ещё сервер.

Интерфейс.

API.

Инструменты.

База данных.

Авторизация.

Очереди.

Логи.

Проверки.

И много обычного кода.

Всё это TypeScript умеет делать давно.

AI просто добавил ещё один довольно необычный компонент.

Мне кажется, именно это и произошло

TypeScript не пришёл в AI, чтобы заменить Python.

Он оказался особенно заметен там, где модель нужно превратить в функцию продукта.

Разработчик просто писал приложение.

Теперь в этом приложении есть модель, которая умеет отвечать, искать информацию и вызывать функции.

И язык вокруг неё оказался тем же, на котором уже написана большая часть продукта.

Если смотреть на AI как на разработку продуктов, а не только как на исследовательскую область, я бы условно разделил эту работу на несколько частей.

Есть код самой системы.

Есть модель и всё, что связано с её использованием.

Есть интерфейс, API, инструменты и бизнес-логика вокруг неё.

Границы между этими частями не строгие, и один язык вполне может использоваться сразу в нескольких местах.

Поэтому я бы не стал говорить, что TypeScript победил Python.

Это слишком простой вывод.

Гораздо интереснее другое:

AI постепенно становится обычной частью программного продукта.

А когда технология перестаёт быть отдельным экспериментом и превращается в ещё одну функцию приложения, выигрывает не обязательно тот язык, на котором написана самая умная модель.

Выигрывает тот, на котором удобно собрать всё остальное.

И здесь у TypeScript сейчас действительно очень сильная позиция.