Как создать ИИ-агента: пошаговый гайд для новичка

Коротко. Чтобы создать ИИ-агента, нужны четыре вещи: узкая задача с понятным результатом, набор инструментов (почта, таблица, поиск), системный промт с правилами и модель, которая решает, что делать дальше. Собрать такого агента можно в конструкторе без кода за вечер или написать скрипт на 40 строк. Ниже — как выбрать способ, пошаговый план, пример на Python и ошибки, на которых спотыкаются новички.

Что такое агент — в двух словах

Чат-бот отвечает на сообщение и ждёт следующего. Агент получает цель и сам крутит цикл: подумать → выбрать действие → выполнить → посмотреть на результат → решить, что дальше. Действия — это инструменты: прочитать письмо, найти строку в таблице, отправить сообщение. Подробнее о том, как агенты устроены и где уже работают, — в статье «ИИ-агенты: что это такое».

Три способа сделать ИИ-агента

Начинать лучше с конструктора или своего маленького скрипта: фреймворк окупается, когда агентов несколько или сценарии ветвятся.

Как создать ИИ-агента: пошагово

1. Выберите узкую задачу. Не «помогать с бизнесом», а «разбирать входящие заявки: определить тип, вытащить имя, телефон и суть, записать в таблицу». Задача должна повторяться и иметь проверяемый результат.
2. Опишите критерий готовности. Когда агент закончил? «Строка в таблице заполнена, менеджеру ушло уведомление».
3. Составьте список инструментов. Каждый инструмент — одна функция с понятным названием и параметрами: read_inbox(), add_row(name, phone, topic). Чем меньше инструментов, тем реже агент путается.
4. Напишите системный промт. Роль, цель, список инструментов, правила («не отправляй письма клиентам без подтверждения»), формат ответа, что делать при сомнениях.
5. Выберите модель. Для планирования — сильную, для рутины — быструю (подробнее ниже).
6. Поставьте ограничители. Максимум шагов за запуск, лимит расходов на ключе, подтверждение человеком для необратимых действий: удалить, оплатить, отправить наружу.
7. Протестируйте на 20 реальных примерах. Включите неудобные: пустое письмо, спам, два вопроса в одном. Записывайте каждый шаг агента в лог.

Пример: агент на Python за 40 строк

Самый простой агент обходится без фреймворков: модель отвечает JSON-командой, скрипт выполняет инструмент и возвращает результат в диалог. Такой протокол работает с любой моделью, даже без встроенной поддержки вызова функций. Пример использует OpenAI-совместимый API Умки — ключ создаётся в кабинете, как именно, мы показывали в статье «API-ключ: что это и как получить».

import json
from openai import OpenAI

client = OpenAI(api_key="ВАШ_КЛЮЧ", base_url="https://umka.chat/v1")

def add_row(name, phone, topic):
    print("в таблицу:", name, phone, topic)
    return "ok"

TOOLS = {"add_row": add_row}
SYSTEM = """Ты разбираешь заявки. Отвечай только JSON.
Чтобы вызвать инструмент: {"tool": "add_row", "args": {...}}
Когда задача решена: {"done": "краткий итог"}"""

def run(task, model="ID_МОДЕЛИ", max_steps=5):
    msgs = [{"role": "system", "content": SYSTEM},
            {"role": "user", "content": task}]
    for _ in range(max_steps):
        reply = client.chat.completions.create(model=model, messages=msgs)
        text = reply.choices[0].message.content
        msgs.append({"role": "assistant", "content": text})
        cmd = json.loads(text)
        if "done" in cmd:
            return cmd["done"]
        result = TOOLS[cmd["tool"]](**cmd["args"])
        msgs.append({"role": "user", "content": f"Результат: {result}"})
    return "лимит шагов исчерпан"

print(run("Заявка: Иван, +7 900 000-00-00, не приходит чек об оплате"))

Дальше добавляете инструменты по одному: чтение почты, поиск по базе, уведомление в мессенджер. Если пишете код с помощью ИИ, пригодится гайд «ИИ для кода», а модели для программирования собраны на странице нейросетей для кода.

Какую модель поставить в агента

Агент делает много запросов, поэтому модель влияет и на качество, и на цену. Схема, которая работает в большинстве задач: сильная модель планирует и принимает спорные решения, быстрая выполняет рутину — классифицирует, извлекает поля, переформатирует. Для планирования и длинных инструкций хорошо подходит Claude: он аккуратно следует правилам из системного промта. Перед запуском прогоните один и тот же набор тестов на двух-трёх моделях и сравните долю правильных результатов.

Типичные ошибки новичков

• Слишком широкая цель. «Веди мои соцсети» — агент утонет в решениях. Разбейте на узкие сценарии.
• Нет лимита шагов. Агент зацикливается и тратит бюджет. Ставьте max_steps и лимит на ключ.
• Необратимые действия без человека. Отправку клиентам, оплату и удаление — только после подтверждения.
• Нет логов. Без записи шагов не понять, почему агент ошибся.
• Секреты в промте. Пароли и ключи храните в переменных окружения, а не в тексте, который видит модель.

Сколько стоит запуск агента

Каждый шаг — отдельный запрос к модели. В Умке ответ быстрой модели стоит 1 токен, умной — 33 токена; через API списываются те же токены. Агент из шести шагов на умной модели расходует 198 токенов — около 79 ₽ на стартовом пакете (290 ₽ за 725 токенов) и около 66 ₽ на самом большом (3 900 ₽ за 11 700 токенов). Те же шесть шагов на быстрой модели — 6 токенов, около 2,4 ₽. Поэтому рутину отдавайте быстрой модели, а сильную зовите только на сложных развилках. Для тестов хватит стартовых 60 токенов, которые дают при регистрации.

Вывод

Создать ИИ-агента проще, чем кажется: узкая задача, два-три инструмента, честный системный промт и жёсткие ограничители. Начните с конструктора или скрипта из этой статьи, проверьте агента на реальных примерах и только потом расширяйте его полномочия.

Частые вопросы