Семь деталей агента
Как эти детали работают вместе в цикле «подумать, сделать, проверить», разобрано на странице о том, как работает агент. Здесь каждая деталь по отдельности.
1. Модель: нейросеть, которая понимает задачу и выбирает следующий шаг.
2. Инструкция (системный промптсистемный промпт. Системный промпт это постоянная инструкция для нейросети, которую разработчик задает до начала разговора: кто она, что ей можно, что нельзя и каким тоном отвечать.): постоянное задание, где сказано, кто агент, что ему можно и когда звать человека.
3. Инструменты: подключения, через которые агент действует, например поиск заказа в CRM или отправка письма. Для них есть общий стандарт MCP (Model Context Protocol), который Anthropic открыла 25 ноября 2024 года как единый способ подключать ИИ к данным и сервисам.
4. Знания (RAGRAG. RAG это схема, в которой ИИ сначала находит нужные фрагменты в ваших документах, а потом отвечает, опираясь на них.): ваши документы, в которых агент ищет ответ перед тем, как ответить.
5. Память: история текущего разговора и сведения о клиенте, которые нужны в следующих разговорах.
6. Канал: где агент работает с людьми, например Telegram, почта, чат на сайте или телефон.
7. Контроль: права доступа, журнал действий и проверка человеком перед рискованным шагом.
Не каждому агенту нужны все семь. Ассистенту для себя хватает модели, инструкции и пары файлов. Агенту, который отвечает клиентам, нужны все детали, и чаще всего экономят на последней, контроле, а потом платят за это ошибками.
Открытые варианты каждой детали
Модель. DeepSeek R1 вышла 20 января 2025 года с открытыми весами (файлами модели, которые можно скачать) на лицензии MIT, Qwen 3 на лицензии Apache 2.0. Запускает их на вашем компьютере или сервере программа Ollama, ее лицензия тоже MIT.
Какие открытые моделимодель с открытыми весами. Модель с открытыми весами (open-weights model) это нейросеть, файлы параметров которой можно скачать и запустить на своем оборудовании. подходят бизнесу и сколько им нужно памяти, подробно на странице об открытых моделях.
Инструкция. Это обычный текст, отдельная программа для нее не нужна. Инструменты подключают через MCP или через готовые узлы конструктора.
Знания. Векторные базы (хранилища, где текст ищется по смыслу) Chroma и Qdrant распространяются по лицензии Apache 2.0. Конструктор Flowise на той же лицензии загружает документы, делит их на фрагменты и по кнопке «Upsert» сохраняет в такую базу.
Память. В документации открытой библиотеки LangChain описаны оба вида памяти: краткосрочная хранит историю одного разговора, долгосрочная хранит сведения между разговорами.
Канал. Бота в Telegram создают в @BotFather командой /newbot, после чего BotFather выдает токентокен. Токен это кусочек текста: слово, часть слова или знак, с которыми работает языковая модель. (ключ, через который программа управляет ботом). Храните токен как пароль: по документации Telegram, любой, у кого он есть, управляет ботом.
Контроль. Langfuse, открытая платформа для журнала и оценки работы ИИ-приложений, распространяется по лицензии MIT, кроме папок ee, и ставится на свой сервер. Сравнение открытых инструментов для сборки собрано на странице об открытых инструментах.
Что стоит денег
Открытая лицензия убирает плату за программы, но не за работу. Деньги уходят на три вещи: железо или облако для модели, время на сборку и проверку, сопровождение после запуска.
Модель на своем железе. Мощная видеокарта для открытой модели средней величины стоит около 749 990 ₽, аренда похожей карты в России около 66 ₽ в час; цены проверены 29 сентября 2026.
Модель в облаке. Вы платите за токены (кусочки слов, которыми модель считает текст), и цена зависит от модели и объема. Посчитать расход на своей нагрузке можно в калькуляторе облачного API.
Облако за рубежом подходит не для всех данных. По 152-ФЗ сбор и хранение данных граждан России ведутся в базах на территории России, а до передачи за рубеж оператор подает уведомление в Роскомнадзор; как мы с этим работаем, на странице о безопасности данных.
Сопровождение тоже стоит денег, даже если все программы открыты. Меняются прайс, правила и сами модели, и кто-то должен обновлять инструкцию, базу знанийбаза знаний для ИИ. База знаний для ИИ это отобранные и подготовленные документы компании, по которым ИИ-ассистент ищет ответы: регламенты, инструкции, каталог, ответы на частые вопросы. и проверять журнал хотя бы раз в неделю.
Больше всего обычно стоит время: проверка агента на реальных вопросах, правки инструкции, разбор ошибок после запуска. Сравнить свой сервер и облако по деньгам поможет калькулятор стоимости локального ИИ.
Где в деталях прячутся риски
Каждая деталь добавляет агенту возможности и вместе с ними риск. Вот что проверить в каждой до запуска.
Инструменты. Локальный MCP-серверMCP-сервер. MCP-сервер это программа, которая открывает ИИ-приложению доступ к одной системе по протоколу MCP: сообщает, какие действия и данные доступны, и выполняет запросы модели. по документации MCP работает с правами пользователя: видит файлы и переменные окружения и может выходить в сеть. Описания инструментов модель читает как инструкции, и в них можно спрятать команды. Ставьте серверы с открытым кодом и известным автором, фиксируйте версию, запускайте в контейнере и давайте каждому свой ключ с узкими правами.
Знания. Если в одной базе документы разных отделов или клиентов, агент может показать одному то, что положено видеть другому. OWASP относит это к рискам векторных баз и советует разграничивать доступ на уровне хранилища. Qdrant, например, рекомендует хранить метку владельца у каждого фрагмента и фильтровать по ней каждый запрос.
Память и журнал. В них оседают персональные данные клиентов. По статье 21 152-ФЗ, когда цель обработки достигнута или согласие отозвано, данные уничтожают не позже чем через 30 дней. Журнал Dify, например, по умолчанию хранит полные разговоры бессрочно, и очистку нужно включать отдельно.
Контроль. Его нельзя отложить на потом. OWASP называет три причины избыточной свободы агента: лишние функции, лишние права и лишняя самостоятельность. Журнал действий ошибку не предотвращает, но ограничивает ущерб и показывает, где она случилась.
Схема типового агента
Возьмем агента поддержки интернет-магазина, который отвечает на вопрос «где мой заказ». Вот как в нем работают семь деталей.
Модель на сервере компании понимает вопрос. Инструкция велит спросить номер заказа и не обещать сроки, которых нет в системе.
Инструмент читает статус заказа в учетной системе. Знания дают правила доставки и возврата, чтобы агент отвечал по ним, а не по памяти модели.
Память хранит историю разговора, чтобы клиент не повторял номер заказа. Канал это чат в Telegram.
Контроль: агент только читает заказы и ничего в них не меняет, каждое его действие пишется в журнал. Возврат денег оформляет человек: OpenAI советует отдавать человеку рискованные действия вроде отмены заказов, крупных возвратов и платежей.
Убрать деталь можно, но агент потеряет часть работы. Без инструмента он не знает статуса заказа, без знаний путает правила, без контроля его нельзя пускать к клиентам.