3SELLER Journal 3SELLER →

Создание приложений с ИИ-агентами: 7 граблей прода, на которых агент сгорает за 3 дня

23.11.2026

Первый агент, которого я вывел в прод, сломался на третий день. Модель отличная, код чистый, демо на созвоне собрало аплодисменты. А потом агент получил восемь инструментов и ни одного внятного условия остановки. Он ходил по кругу, дергал API и за ночь сжёг 4 800 рублей. С тех пор я собираю такие приложения иначе: сначала схема на бумаге и список того, что может пойти не так, потом код.

Создание приложений с ИИ-агентами выглядит обманчиво просто. Чат-бот отвечает, агент действует. Разница в цене ошибки: бот соврёт в ответе, агент спишет деньги дважды или отправит письмо не тому клиенту. Дальше начинается инженерия, а не магия.

Агент отличается от чат-бота тремя вещами

Майкл Альбада в книге «Создание приложений с ИИ-агентами. Проектирование и внедрение мультиагентных систем» (2026, 368 страниц, русское издание) разбирает конструкцию по деталям. Продвинутая фундаментальная модель плюс инструменты, знания, память и механизмы обучения. Формулировка точная и отрезвляющая. Нет инструментов, памяти и цикла принятия решений - нет агента. Есть чат с амбициозным названием.

Цикл простой. Модель получает цель, выбирает инструмент, читает результат, выбирает следующий шаг. И так до выполнения условия. Работоспособная конструкция требует трёх ограничителей: лимит шагов, явный критерий успеха, точка вмешательства человека. Я ставлю лимит в 8-12 шагов для большинства бизнес-задач. Всё, что не уложилось, уходит на ручной разбор. Такой лимит гасит около 90% инцидентов.

Второй ограничитель важнее первого. «Сделай хорошо» - не критерий. «Заявка обработана, если заполнены 12 полей, клиент найден в CRM и назначен ответственный» - уже критерий. Пока его нет, агент будет считать успехом любой свой вывод.

Одна задача, один агент, ноль магии

Соблазн начать с мультиагентной системы огромный. Красиво же: исследователь, критик, исполнитель, координатор. На практике первый релиз почти всегда должен быть одиночным агентом с тремя-четырьмя инструментами. Так вы быстрее находите, где именно ломается логика.

Возьмём обработку входящих заявок. Реальный маршрут: письмо приходит на почту, нужно вытащить компанию, найти клиента в CRM, проверить историю сделок, определить приоритет, создать задачу менеджеру, отправить подтверждение. Шесть шагов, три источника данных, один внешний API. Вот это и есть карта агента. Не «пусть сам разберётся», а список переходов. У каждого есть вход, выход и режим отказа.

Я рисую такую карту в таблице: шаг, инструмент, что подаём на вход, что ожидаем на выходе, что делаем при ошибке. Заполнение занимает час. Экономит дни отладки. Особенно колонка про ошибки: пустой ответ, таймаут, 500-я ошибка и странные данные требуют разных реакций.

Инструменты важнее модели

Самая частая ошибка в создании приложений с ИИ-агентами: один универсальный инструмент на всё. Что-то вроде get_crm_data с десятью параметрами. Модель путается в параметрах, а вы потом читаете логи и не понимаете, откуда взялась сделка за 2019 год.

Дробите. find_client_by_phone, get_deals_by_client_id, get_last_activity, create_task. У каждого инструмента одно назначение, понятное название и описание, которое читает модель. Описание пишите как для нового сотрудника: что делает, когда использовать, чего не делает. Три-четыре предложения, не больше.

Схема входа должна быть жёсткой. Телефон в формате E.164, дата в ISO, идентификатор клиента числом. Всё, что можно проверить кодом, проверяйте кодом, а не надеждой на благоразумие модели. Ответ инструмента тоже проектируйте: не вываливайте весь объект из CRM на 40 полей, отдавайте пять нужных. Каждое лишнее поле в контексте повышает шанс, что модель зацепится не за то.

На Reddit в тредах про агентные пайплайны разработчики возвращаются к одной и той же мысли: модель выбирает инструмент по описанию, а не по вашему замыслу. Кривое описание - и агент берёт не тот вызов, хотя технически всё работает.

Отдельно про идемпотентность. Если агент повторяет шаг после таймаута, письмо не должно уйти дважды. Ключ идемпотентности на запись, дедупликация по идентификатору, проверка состояния перед действием. Скучно, но именно на этом ломаются пилоты, которые «в демо работали».

Память: три уровня, которые нельзя путать

Память агента - не одна векторная база. У меня в проектах их три, и они решают разные задачи.

Рабочая память - это текущий контекст: цель, история шагов, промежуточные результаты. Живёт в пределах задачи и умирает вместе с ней. Долгая память хранит факты о клиенте, проекте, договоре. Для сумм, дат и статусов это структурированное хранилище, а не эмбеддинги. Эпизодическая память - журнал прошлых задач: что делали, чем закончилось, где ошиблись. По нему удобно строить few-shot примеры для промпта.

Векторный поиск хорош для текстов: переписка, договоры, регламенты. Для чисел и дат он врёт с завидной стабильностью. «Последний платёж был в марте» и «в марте 2024» дадут похожие эмбеддинги, а разница для бизнеса принципиальная. Числа держите в SQL, тексты в поиске, и не смешивайте.

Ещё одна практическая деталь: суммаризация. После 10-15 шагов контекст разрастается так, что модель начинает терять начало. Я сжимаю историю каждые 8 шагов: что уже сделано, что осталось, какие данные подтверждены. Короткая сводка плюс последние три шага целиком. Стоимость падает, качество растёт.

Мультиагентность включайте, когда упёрлись в потолок

Мультиагентные системы оправданы, когда задача реально делится на разные компетенции или когда нужен независимый контроль. Классические схемы: супервизор с подчинёнными, последовательный конвейер, генератор с критиком. Каждая добавляет токены и точки отказа.

Считайте до запуска. Четыре агента, по шесть шагов, по три тысячи токенов на шаг - это 72 тысячи токенов на одну задачу. У меня был проект разбора заявок, где такая схема съедала в пять раз больше, чем одиночный агент с хорошими инструментами. Качество выросло на 4 процентных пункта. Мы оставили одиночного.

Правило простое. Мультиагентность нужна, если роли требуют разных инструкций и разного набора инструментов. Или если цена ошибки высока и нужен второй взгляд. Во всех остальных случаях помогает более узкая задача и более качественные инструменты.

Альбада отдельно отмечает: развёртывание агентов остаётся проблемой для многих организаций, особенно при быстром развитии моделей. Согласен на сто процентов. Исследовательские агенты и помощники разработчика уже ускоряют работу команд. Перенос в прод требует плана, а не энтузиазма.

Модели из России: 149 рублей и никакой иностранной карты

Половина практических вопросов, которые мне задают, не про архитектуру. Они про доступ. Где взять флагманские модели, если карта не работает, а аккаунты блокируются.

Для этого есть роутер 3GPT от 3SELLER. Доступ ко всем ключевым нейросетям из России, стартовый тариф от 149 рублей, пополнение российской картой, через СБП или криптой. Внутри Chat GPT 6 Astra, the model 5, 5.1 и 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений и генерация видео. Модель переключается в один клик. Можно сравнить, как одна и та же задача решается разными движками, и не переписывать интеграцию.

Интерфейс 3GPT с доступом к флагманским нейросетям из России

Для агентных сценариев это удобно ещё и тем, что не нужно держать пять подписок и пять биллингов. Один баланс, один ключ, понятная стоимость шага. Когда я считаю экономику агента, предсказуемый рублёвый счёт сильно упрощает жизнь.

Готовые агенты: самый быстрый способ понять, чего вы хотите

Прежде чем писать своего агента, полезно потрогать чужого. На странице ИИ-агентов 3GPT есть готовые сценарии под типовые задачи: тексты, разбор данных, помощь с кодом, аналитика. Выбираете агента, начинаете диалог, меняете модель прямо в чате.

Готовые ИИ агенты 3GPT с возможностью смены модели в чате

Смена модели в чате - не игрушка. Один и тот же промпт на разных моделях даёт разное поведение в инструментах: одна аккуратно вызывает функции, другая пытается ответить текстом. Пять минут сравнения экономят неделю проектирования. Я обычно прогоняю три модели на десяти реальных задачах и смотрю, где меньше шагов и меньше выдумок.

Картинки, видео и голос в том же контуре

Агент не обязан быть текстовым. Значительная часть приложений требует изображений: карточки товаров, обложки, иллюстрации в интерфейсе. Для этого есть 3gpt-image с доступом к сильным визуальным моделям, включая Nano Banana.

Генерация реалистичных изображений через 3gpt-image

Практический сценарий: агент готовит карточку товара, сам пишет описание, сам генерирует три варианта фона, сам собирает превью. Раньше это был конвейер из трёх сервисов и ручной сборки. Сейчас один цикл с проверкой на каждом шаге.

Примеры изображений, созданных нейросетью через 3GPT

С видео та же логика. Короткие ролики для соцсетей, озвучка, нарезка. Качества не всегда хватает для рекламы, но для внутренних задач и черновиков давно достаточно. Главное - не забывайте про права на исходники и лица людей.

Доступ ко всем флагманским моделям нейросетей из России открыт на официальном сайте 3GPT: https://3seller.com/3gpt.

Как я проверяю агента до продакшена

Демо показывает лучшее поведение. Прод показывает среднее. Разрыв закрывается тестами, и они не про unit-тесты кода.

Собираю набор из 30-50 реальных задач с известными правильными ответами. Прогоняю агента, считаю пять метрик: доля успешных задач, среднее число шагов, стоимость одной задачи, время выполнения, доля эскалаций человеку. Дальше смотрю трассировки, особенно на неудачах. В 80% случаев проблема не в модели, а в описании инструмента или в неоднозначной формулировке цели.

Обязательно проверяю поведение после смены модели или промпта. Регрессия на агентах тихая: формально всё работает, просто на 6% чаще стала уходить не туда. Без набора задач вы этого не увидите.

И ещё: логируйте всё. Вход, выход, выбранный инструмент, аргументы, ответ, длительность. Без трассировки отладка агента превращается в гадание.

Промпт - это спецификация, а не заклинание

Системный промпт у меня всегда состоит из пяти блоков: роль, цель, доступные инструменты, ограничения, формат ответа. Роль в одно предложение. Цель в одно. Дальше перечисление инструментов с условиями применения. Потом запреты: что нельзя делать никогда, какие данные не трогать, когда эскалировать. И формат: JSON со строгой схемой, если результат уходит в код.

Работает не магия формулировок, а отсутствие двусмысленности. «Будь полезным» бесполезно. «Если клиент не найден по телефону и email, верни status not_found и не создавай новую запись» - уже инструкция.

Промпт храните в git и версионируйте вместе с кодом. Каждое изменение прогоняйте через тот же набор из 30-50 задач. У меня был случай, когда безобидная правка одной строки подняла долю эскалаций с 8 до 22 процентов. Заметили только потому, что была история версий и тесты.

Фреймворк или свой цикл

На старте я почти всегда пишу цикл сам. Двести строк: запрос к модели, разбор вызова инструмента, выполнение, добавление результата в историю, проверка лимита. Так видно каждую деталь, и отладка занимает минуты, а не часы в чужой абстракции.

Фреймворк имеет смысл, когда появляются сложные сценарии: ветвление, несколько агентов, длинные задачи с сохранением состояния, интеграция с очередями. Тогда готовые примитивы экономят время. Но и здесь я оставляю себе логирование и точку вмешательства, иначе отладка превращается в археологию.

Критерий выбора простой: если команда не может объяснить, что происходит внутри одного шага, фреймворк слишком тяжёлый для текущей задачи.

Экономика считается до первой строки кода

Стоимость агента - не цена токена, а цена выполненной задачи. Считайте: среднее число шагов, средний объём контекста, доля повторных попыток, доля эскалаций. Умножьте на тариф. У меня был сценарий, где задача стоила 9 рублей при ручной работе за 40 минут. И сценарий, где агент жёг 300 рублей ради ответа, который менеджер давал за две минуты. Второй мы закрыли.

Три приёма, которые реально снижают счёт. Маршрутизация: классификацию и извлечение полей отдаём дешёвой модели, сложный синтез - дорогой. Кэширование повторяющихся запросов и справочных данных. Сжатие контекста вместо таскания всей истории. В сумме это часто даёт двукратную экономию без потери качества.

Доступы и предохранители

Агенту с доступом к CRM и биллингу нужны границы. Токены с минимальными правами, отдельный сервисный аккаунт, чтение по умолчанию, запись только там, где действительно нужно. Первый месяц я держу все опасные действия в режиме предложения: агент формирует действие, человек подтверждает.

Персональные данные маскируйте до отправки в модель. Номера карт, паспорта, адреса в открытом виде не нужны ни одной модели. Логи храните отдельно и с ограниченным доступом. Лимиты на количество вызовов и на сумму операций ставьте на уровне инфраструктуры, а не в промпте. Промпт можно уговорить, лимит нельзя.

Отдельно про инъекции. Всё, что приходит из внешних источников, - потенциальная инструкция для модели. Письмо клиента, текст со страницы, описание товара. Оборачивайте такие данные в явные границы и проверяйте, что агент не выполняет команды из содержимого. Простое правило: данные никогда не становятся инструкциями.

Мониторинг: агент ломается тихо

Худший отказ агента не выглядит как ошибка. Он выглядит как успешный ответ. Поэтому на дашборде у меня четыре графика: доля успешных задач, среднее число шагов, стоимость одной задачи, доля эскалаций. Резкий рост шагов почти всегда означает, что модель перестала понимать инструмент или изменился формат ответа API.

Алерты ставлю на отклонение от базовой линии, а не на абсолютные значения. Плюс ежедневная выборка десяти случайных трассировок глазами. Пять минут просмотра ловят то, что не поймает ни одна метрика.

Грабли, на которые я наступал

Первая: слишком много инструментов на старте. Восемь вместо трёх, и модель начинает комбинировать их наугад. Вторая: размытый критерий успеха. Агент формально завершает работу, а результата нет. Третья: отсутствие таймаутов и ретраев с ограничением. Внешний API моргнул, агент ушёл в цикл.

Четвёртая: попытка решить промптом проблему данных. Если в CRM дубли клиентов, никакая модель не разберётся, какой из трёх Иванов настоящий. Сначала чистите данные, потом добавляйте интеллекта. Пятая: запуск без человека в контуре. Первые недели эскалация на оператора обязательна, иначе вы узнаёте о проблемах от клиентов.

Шестая, самая обидная: вера в то, что агент заменит процесс. Агент автоматизирует шаги внутри процесса. Если процесс не описан, агент просто быстрее сделает ерунду.

С чего начать на этой неделе

  1. Выберите одну задачу, где есть повторяемость и понятный результат. Не самую важную, но и не игрушечную.
  2. Распишите маршрут в таблице: шаги, инструменты, входы, выходы, поведение при ошибке.
  3. Соберите 30 реальных примеров с правильными ответами. Это ваш тест и ваша совесть.
  4. Сделайте одиночного агента с тремя инструментами и лимитом шагов. Прогоните тесты, посмотрите трассировки.
  5. Подключите модель через 3GPT, сравните две-три модели на своих задачах и только потом думайте про мультиагентность.

Книга Альбады пригодится как карта: 368 страниц про проектирование и внедрение, от одиночных агентов до мультиагентных систем, с практическим уклоном. Читать её стоит до того, как вы напишете первую тысячу строк, а не после.

Начните с одной задачи и одного честного теста. Всё остальное, включая доступ к флагманским моделям, решается на 3seller.com/3gpt за 149 рублей и пару минут.

← Вернуться к блогу

Читать дальше