Существует три способа создания AI-агентов, которые различаются по степени свободы разработки: no-code (без знаний программирования), low-code (с частичным использованием настроек и простого кода) и full-code (свободная разработка на языках программирования).
No-code позволяет создавать AI-агентов через графический интерфейс (GUI) без программирования — путём комбинации LLM и инструментов через формы и настройки. Среди инструментов — Dify и Microsoft Copilot Studio. Dify имеет бесплатный план и позволяет быстро создать AI-агента в формате чата. Многие сотрудники уже используют бесплатный план Dify, чтобы создавать AI-агентов, отвечающих на вопросы в рамках внутреннего FAQ.
Low-code подходит для решения задач, с которыми не справляются no-code-инструменты: например, для условий ветвления и интеграции с внешними системами. Для работы используются n8n, Automation Anywhere. В этих инструментах можно выстраивать workflow в GUI и добавлять код там, где это необходимо.
Full-code предполагает разработку на языках программирования (например, на Python). Это даёт максимальную гибкость в проектировании работы AI-агентов. С помощью фреймворков LangChain и CrewAI можно реализовывать сложные процессы, связывая несколько AI-агентов. Этот подход подходит для глубокой интеграции с внутренними системами и внедрения собственной логики принятия решений.
Перед созданием AI-агента нужно выполнить три шага:
1. Выделить конкретные задачи в повседневных бизнес-процессах, которые можно автоматизировать (например, суммирование протоколов, первичная обработка писем, ввод данных из счетов-фактур).
2. Чётко определить цель и результат разработки. Например, сократить время создания протокола с 30 минут до 5 минут.
3. Выбрать способ разработки (инструменты и язык). Для простых повторяющихся задач подойдёт no-code, для интеграции с внешними системами — low-code или full-code.
Создание AI-агента в Dify включает 5 шагов:
1. Создать аккаунт на официальном сайте Dify, начать проект в бесплатном плане (в дальнейшем можно перейти на платный).
2. Настроить базу знаний (RAG): загрузить материалы (например, внутренние руководства, FAQ), чтобы AI-агент мог давать ответы на основе информации компании (если материалов нет, шаг можно пропустить).
3. Настроить LLM (например, ChatGPT, Claude) и промпт: чётко указать роль AI-агента, правила ответов, формат вывода. Важно чётко формулировать промпт — необходимо указывать роль, ограничения и условия (например, «отвечай в рамках внутреннего руководства, если не знаешь — пиши „неясно“»).
4. Интегрировать внешние инструменты (например, для отправки email, обновления таблиц) — это расширяет возможности AI-агента.
5. Протестировать на данных, близких к реальным, и опубликовать; после публикации проверять ответы и при необходимости корректировать промпт.
Создание AI-агента на Python состоит из 4 шагов:
1. Построить среду разработки.
2. Интегрировать API LLM.
3. Реализовать внешние инструменты.
4. Протестировать и улучшить.
Для этого нужно подготовить среду выполнения Python, установить библиотеки для построения AI‑агентов (LangChain, CrewAI), получить API‑ключи от LLM (OpenAI, Anthropic), настроить доступ из программы, хранить ключи в переменных окружения. Внешние инструменты (веб‑поиск, обращение к БД) реализуются как функции, которые может вызывать LLM; при этом важно чётко определить входы и выходы инструментов. Затем нужно протестировать работу агента в предполагаемых бизнес‑сценариях, при необходимости скорректировать промпт и определение инструментов.
Затраты на разработку AI‑агентов делятся на три типа: самостоятельное/no-code‑разработка, аутсорс, использование SaaS‑решений.
- При no-code‑подходе затраты определяются платой за инструменты. Dify предлагает бесплатный план, Professional‑план — 590 $ в год за рабочее пространство, Team‑план — 1590 $ в год.
- При аутсорсе стоимость зависит от сложности требований: от нескольких сотен тысяч рублей для простых агентов до нескольких миллионов для сложных (с интеграцией множества систем).
- SaaS‑решения позволяют начать использование за несколько десятков тысяч рублей в месяц — тарифы зависят от задач и числа пользователей.
AI-агенты применяются в основном для повторяющихся процессов с чёткими процедурами: суммирование протоколов и их рассылка, первичные ответы на электронные письма, извлечение данных из счетов и ввод в бухгалтерскую систему. Индивидуальные пользователи тоже могут создавать AI-агенты — многие no-code-инструменты имеют бесплатные планы для частных лиц. Примеры использования частными лицами: автоматизация управления личными задачами, подготовка черновиков для SNS и т. д.
Время разработки зависит от способа разработки и сложности задачи: для no-code (простые задачи) — от нескольких дней до недели, для full-code (сложные задачи, интеграция нескольких систем) — от нескольких недель до нескольких месяцев. Начинать лучше с небольших задач — так можно быстрее получить первые результаты.
Важно также учитывать вопросы безопасности: недостаточный дизайн безопасности и прав доступа к данным повышает риск утечки информации. В работе с клиентскими данными нужно ограничивать доступ AI-агентов к БД минимальным необходимым объёмом и вести логи операций.
Выбор инструмента зависит от задачи и уровня навыков: Dify — для задач, связанных с генеративными AI-чатами; n8n — для интеграции бизнес-систем; Python (full-code) — для задач со множеством индивидуальных требований.
После создания AI-агента возникают новые задачи: настройка правил использования внутри компании и более сложная автоматизация, объединяющая несколько задач.
Подписаться в Макс
