Как создать AI-агента для бизнеса: из чего он состоит и как собирается

Что значит «создать AI-агента»: модель — не весь агент

Когда говорят «сделайте нам AI-агента», часто подразумевают подключение модели вроде GPT, GigaChat или YandexGPT к окну чата. Но чат с моделью агентом не является. Он отвечает на вопросы, но не ходит в ваши системы, не выполняет действия и не отвечает за результат. AI-агент отличается тем, что вокруг модели построена система: она получает задачу, обращается к данным, вызывает инструменты, принимает решения по правилам и оставляет след своих действий.

Поэтому «создание агента» лишь отчасти состоит из выбора модели, а в основном из всего остального: проектирования процесса, интеграций, проверки и сопровождения. Модель можно заменить за день, а переписывать интеграции и правила приходится неделями. Если коротко сравнить агента с чат-ботом, это сделано в статье «AI-агент и чат-бот».

Ниже семь частей, из которых собирается рабочий агент. Каждую можно проверить отдельно, и каждая может стать причиной сбоя.

Часть 1. Задача и границы: что агент делает и чего не делает

Первое, что фиксируется, это описание работы: какой процесс агент выполняет, что считается результатом, какие решения принимает сам, а какие передаёт человеку. Это не формальность. Агент без границ либо пытается решить всё и ошибается, либо отказывается от всего и бесполезен.

• Входы: из каких каналов поступает работа (почта, чат, CRM, файл, звонок).
• Выход: что агент должен вернуть или сделать, в каком формате и куда записать.
• Свобода решений: какие действия разрешены без согласования, какие требуют одобрения, какие запрещены.
• Метрика: по какому показателю вы поймёте, что агент справился.

Хорошо составленное описание задачи помещается на одну-две страницы и становится основой для технического задания. Как выбрать процесс, с которого начинать, подробно разобрано в статье «Какой процесс автоматизировать первым».

Часть 2. Модель: мозг, который можно заменить

Языковая модель читает задачу и контекст и решает, что делать дальше: ответить, запросить данные, вызвать инструмент. Выбирают её не по рейтингам, а по требованиям процесса.

Хорошая архитектура позволяет заменить модель без переписывания всего агента. Это страхует от изменения цен, ограничений поставщика и появления более подходящих решений. Варианты сравниваются в статьях «GigaChat, YandexGPT или открытая модель» и «Локальные LLM для AI-агентов». О работе без VPN читайте в материале «ИИ в России без VPN».

Часть 3. Инструкция: как агент понимает свою роль

Инструкция, или системный промпт, это текст, который модель получает перед каждой задачей. В нём описаны роль, порядок работы, правила принятия решений, формат ответа, примеры и случаи, когда нужно остановиться и позвать человека. Хорошая инструкция короче, чем кажется, и конкретнее, чем хочется: «если сумма больше порога, передай руководителю», а не «будь внимателен к крупным суммам».

• правила записываются так, чтобы их можно было проверить на примере;
• исключения перечисляются явно, а не подразумеваются;
• в инструкцию не кладут секреты и ключи, их место в защищённых настройках;
• версия инструкции хранится вместе с результатами проверки, чтобы изменения можно было откатить.

Как строится инструкция и какие ошибки в ней встречаются чаще всего, объясняет статья «Системный промпт AI-агента».

Часть 4. Инструменты: руки агента

Без инструментов агент может только говорить. Инструмент это функция, которую агент вызывает: найти заказ в 1С, создать задачу в CRM, отправить письмо, прочитать файл, посчитать по формуле. Модель сама ничего не выполняет, она формирует запрос на вызов, а выполняет его ваша система.

• Права ограничиваются минимально необходимыми. Если агенту достаточно читать, запись ему не даётся.
• Опасные действия идут через согласование: оплата, удаление, массовая рассылка, изменение клиентских данных.
• Каждый инструмент описывается точно: что делает, какие параметры принимает и что возвращает. Неточное описание приводит к неверным вызовам.
• Результаты проверяются: агент не должен считать успешным то, что инструмент вернул с ошибкой.

Устройство вызова инструментов подробно разобрано в статье «Инструменты AI-агента: function calling и MCP». Для процессов с 1С и CRM интеграции вынесены отдельно, см. «Интеграция AI-агента с 1С и CRM».

Часть 5. Знания и память: откуда агент берёт факты

Модель знает общий мир, но ничего не знает о вашей компании: тарифах, регламентах, клиентах, истории переписки. Эти сведения агенту нужно подать. Для этого используются два механизма.

• Поиск по знаниям (RAG). Агент находит нужные фрагменты в вашей базе документов и отвечает на их основании. Это основной способ работать с актуальными и закрытыми данными, см. «RAG по базе знаний» и «Дообучение или RAG».
• Память. Сохранение того, что агенту стоит помнить между обращениями: сводки диалогов, договорённости, предпочтения. Модель сама между запросами ничего не помнит, всё делает приложение, см. «Память AI-агента».

Качество этой части определяет качество ответов сильнее, чем выбор модели. Устаревший регламент в базе или плохо нарезанные документы дают уверенный, но неверный ответ. Причины и способы исправления описаны в статье «Почему RAG отвечает неверно», подготовка данных — в статье «Подготовка данных для ИИ».

Часть 6. Правила и безопасность: чего агенту делать нельзя

Правила это ограничения, которые работают независимо от модели. Модель можно уговорить, запутать, подсунуть ей враждебный текст в письме. Поэтому важнейшие запреты закладываются не в инструкцию, а в сам код и права доступа.

• лимиты на число действий и суммы за период;
• белый список разрешённых инструментов и адресатов;
• проверка параметров перед выполнением действия;
• аварийный выключатель, который останавливает агента одним действием;
• защита от враждебных инструкций, спрятанных во входящих документах и письмах.

Работа с этими рисками описана в материалах «Безопасность AI-агентов», «Человек в контуре» и «Вопросы службы безопасности». Если в процессе есть персональные данные, посмотрите «ИИ и 152-ФЗ».

Часть 7. Проверка и журналы: как узнать, что агент работает

Агент ошибается, и это нормально. Ненормально не знать, как часто и в чём. Для этого собираются две вещи: набор для проверки качества и журналы действий.

Набор для проверки

Это двадцать-пятьдесят и более реальных случаев вашего процесса с известными верными ответами. Агента прогоняют по ним после каждого заметного изменения, сравнивают результат, смотрят, что стало лучше, а что хуже. Без такого набора любое улучшение «на глаз» может незаметно сломать другое. Методика описана в статье «Как оценить качество AI-агента».

Журналы и наблюдение

Журнал хранит, что агент получил, какие инструменты вызвал, что получил в ответ и что решил. Он нужен для разбора ошибок, для ответа на претензию и для контроля стоимости. Поверх журнала строится мониторинг показателей. Подробности — в статье «Как мониторить AI-агента».

В каком порядке собирается агент

Части выше можно описать одним списком, но создают их не одновременно. Типичная последовательность выглядит так.

1. Описание процесса и метрики на реальных примерах. Это основа для всего остального.
2. Проектирование: границы агента, источники данных, список инструментов и прав, точки согласования.
3. Первая версия без интеграций: модель, инструкция, база знаний, прогон на примерах. Уже на этом шаге видно, решается ли задача.
4. Подключение инструментов: сначала чтение, затем запись, сначала на тестовом контуре.
5. Правила и ограничения: лимиты, белые списки, аварийное отключение.
6. Проверка: прогоны на наборе, разбор ошибок, правка, повторный прогон.
7. Опытная эксплуатация на реальном потоке под наблюдением, замер «до» и «после».
8. Передача и сопровождение: документация, обучение, мониторинг.

Начинать лучше с узкой версии, а не с полного охвата: так быстрее видно результат и дешевле исправлять ошибки. Об этом принципе — в статье «MVP AI-агента». Полная схема этапов описана в «Этапы разработки AI-агента».

Создавать самому или заказывать

Прототип агента на готовых инструментах можно собрать за вечер, и это хороший способ понять, как всё устроено. Разница между прототипом и рабочей системой в частях 5-7: данные, правила, проверка и журналы. Именно они определяют, можно ли доверить агенту реальный процесс.

• Своими силами разумно, если задача простая, цена ошибки невысока, а сотрудник готов разбираться и сопровождать. Платформы и библиотеки перечислены в статье «Фреймворки для AI-агентов».
• С подрядчиком разумно, если нужны интеграции, безопасность, проверка на ваших данных и ответственность по договору. Как выбрать исполнителя, читайте в статье «Своя команда, фрилансер или студия».

Если нужен проект целиком, посмотрите страницу «Разработка AI-агентов» и пакет «AI-агенты под ключ». Более широко задачи ИИ для бизнеса собраны на странице «Разработка ИИ для бизнеса».

Модель можно заменить за день. Правила, проверку и интеграции за день не заменить, и именно в них заключена ценность агента.