В поддержку пишут «где мой заказ». Чтобы ответить, нужно найти клиента по телефону, достать его последний заказ, посмотреть статус доставки, а если посылка застряла - завести заявку на логиста. Обычным процессом это собирается: вебхук, запрос в базу, ветвление, ответ. Беда в том, что следующее сообщение будет «а адрес поменять можно», потом «пришлите счёт», потом «сколько я за год потратил». Каждый вариант - новая ветка, и через месяц схема превращается в куст, который страшно трогать.
ИИ-агент заходит с другой стороны. Вы не рисуете ветку под каждый вопрос, а даёте модели набор инструментов и правила, когда их звать.
Что такое ИИ-агент в Staqflow
ИИ-агент - это нода Staqflow, которая принимает запрос, обращается к языковой модели и разрешает ей вызывать другие ноды как инструменты: запрос в базу, поиск сделки в CRM, отправку сообщения, целый соседний рабочий процесс. Модель сама решает, какие инструменты нужны и в каком порядке, вызывает их, видит результаты и продолжает, пока не соберёт ответ. На холсте агент выглядит как обычная нода: слева вход с запросом, справа выход с готовым ответом.
Разница с нодой «Языковая модель» в одном: там вы заранее решили, что и когда спросить у модели, а здесь порядок шагов выбирает сама модель.
Как устроен агент на холсте
Снизу к агенту подключаются подноды - маленькие кружки, каждый отвечает за свою часть.
| Поднода | Зачем | Сколько |
|---|---|---|
| Модель чата | Кто думает: провайдер и модель, температура, предел токенов | одна, обязательно |
| Память | Чтобы агент помнил переписку с этим собеседником | одна, по желанию |
| Инструменты | Что агент умеет делать руками | сколько угодно |
| Запасная модель | Подхватывает, если основная ответила ошибкой или лимитом | по галочке |
| Формат ответа | Объект по JSON-схеме или список вместо свободного текста | по галочке |
Сам агент настраивается двумя полями. «Запрос» - что сделать или на что ответить, обычно сюда приходит текст из вебхука или сообщения в Telegram. «Системное сообщение» - роль, правила и тон: «Ты помощник поддержки магазина. Отвечай коротко, статус заказа проверяй инструментом, цену из головы не называй».
Инструментом может стать почти любая нода
Это главная возможность, ради которой всё и делалось. Вариант «инструмент» есть у 150 нод каталога: Postgres и ClickHouse, Битрикс24 и amoCRM, Telegram и почта, HTTP-запрос, работа с датой, таблицы Google. Берёте ноду, подключаете её снизу к агенту - и у модели появляется новая способность.
Заполнять параметры такой ноды целиком не нужно. У каждого поля есть кнопка «Значение задаст модель»: она подставляет выражение $fromAI('order_id', 'номер заказа клиента', 'string'), и номер подставит сама модель, когда решит позвать инструмент. Часть полей удобно зафиксировать самому: таблицу и схему в базе задать жёстко, а условие поиска отдать модели.
Что модель узнает об инструменте, решаете вы. В поле «Описание для модели» можно оставить автоматическое описание по типу ноды и её операции, а можно написать своё: «Возвращает статус заказа по его номеру». Модель читает только это, поэтому одна внятная строка экономит половину неудачных вызовов.
Три инструмента, которых нет у обычных нод
«Вызвать рабочий процесс» превращает в инструмент целый соседний процесс пространства: поля его входа становятся аргументами для модели, выход последней ноды возвращается обратно. Так прячут сложную механику - пусть «Эскалация дежурному» внутри делает пять шагов с проверками, модель знает только, что такой инструмент есть.
«MCP-клиент» подключает внешний MCP-сервер, и каждый инструмент сервера становится инструментом агента со схемой аргументов от самого сервера. Поддерживаются HTTP Streamable и SSE, авторизация Bearer-токеном или заголовком. Можно отдать агенту все инструменты сервера, только выбранные или все кроме перечисленных - меньше инструментов означает меньше токенов в каждом запросе и меньше неверных вызовов.
Сам агент тоже умеет быть инструментом другого агента, со своей моделью, памятью и своим набором инструментов. Из этого собирается схема «координатор и специалисты»: верхний агент разбирается, к кому идти, а узкие подагенты знают свою область и свои три-четыре инструмента.
Память: агент узнаёт собеседника
Без памяти каждый запрос начинается с чистого листа. С памятью агент видит, о чём говорили раньше, и на «а на какой адрес» отвечает про тот заказ, который обсуждали минуту назад.
Хранилищ четыре: «Память Staqflow» (ничего подключать не нужно, историю хранит платформа, у сессии есть срок хранения), Postgres, Redis и MongoDB в вашем контуре. Формат последних трёх совпадает с LangChain и n8n, так что таблицу n8n_chat_histories из старого проекта можно подключить как есть.
Настройки у всех общие. «Ключ сессии» определяет, чья это переписка: для бота в Telegram это ID чата, {{ $json.message.chat.id }}. «Окно контекста» задаёт, сколько последних обменов модель получает целиком, по умолчанию пять. Если разговоры длинные, включается сжатие: обмены, вышедшие за окно, модель пересказывает в короткую сводку, и сводка идёт перед окном.
Отдельная нода «Менеджер памяти» читает, дополняет и чистит историю: по команде /reset стереть переписку, а перед ответом агента подложить в память то, что известно о клиенте из CRM.
Когда обычный процесс, а когда агент
Простое правило: если вы заранее знаете порядок шагов - собирайте обычный процесс. Если порядок зависит от содержания запроса - берите агента.
| Задача | Чем решать |
|---|---|
| Каждый час выгружать заказы из CRM в таблицу | Обычный процесс: шаги известны, модель не нужна |
| Новый лид попал в CRM - отправить письмо по шаблону | Обычный процесс |
| Разобрать входящее письмо и достать из него поля | Нода «Языковая модель» внутри обычного процесса |
| Ответить клиенту на любой из сотни вопросов | ИИ-агент: он сам решит, в какую систему сходить |
| Разобраться в заявке, которая требует двух-трёх систем | ИИ-агент с несколькими инструментами |
| Техподдержка по продукту и по заявкам одновременно | Агент-координатор с подагентами |
Эти подходы спокойно живут в одном процессе. Частая схема: обычный поток принимает сообщение, чистит и проверяет данные, а дальше передаёт агенту только ту часть, где нужно соображать.
Как собрать первого агента
- Создайте процесс и поставьте триггер - вебхук, сообщение в Telegram или расписание.
- Добавьте ноду «ИИ-агент» и в поле «Запрос» подставьте текст сообщения.
- Нажмите плюс у нижнего порта «Модель» и выберите «Модель чата», укажите провайдера и ключ.
- Там же добавьте память, если агент должен помнить переписку, и подставьте ключ сессии.
- Подключите инструменты: найдите нужную ноду, опишите её для модели одной строкой, а поля, которые зависят от запроса, отдайте через «Значение задаст модель».
- В системном сообщении опишите роль и границы: чего не делать, когда признаваться, что не знает.
- Запустите процесс и откройте в панели «Выход» вид «Шаги агента» - там видно модель, память, токены и по порядку все вызовы инструментов с аргументами и результатами.
Последний шаг важнее, чем кажется. Почти вся отладка агента сводится к тому, чтобы посмотреть, какой инструмент модель позвала не вовремя, и уточнить его описание.
Сценарии
Поддержка в Telegram
Триггер Telegram, агент, «Память Staqflow» с ключом по ID чата. Инструменты: поиск клиента в Битрикс24, статус заказа в базе, расчёт доставки по API перевозчика, «Вызвать рабочий процесс» для эскалации. Клиент спрашивает как умеет, агент сам решает, в какую систему сходить, а неразрешимое отдаёт дежурному.
Заявки из формы в 1С и CRM
Форма на сайте, агент разбирает текст заявки, ищет контрагента в 1С, проверяет, нет ли уже такой сделки в amoCRM, создаёт недостающее и возвращает короткое резюме менеджеру. Чтобы агент не создавал сделку по выдуманному контрагенту, включите параметр «Инструменты по одному»: тогда модель вызывает один инструмент за шаг и видит результат до следующего вызова.
Разбор фото и скриншотов
Опция «Картинки из входа» включена по умолчанию: картинки из бинарных полей уходят модели вместе с запросом, до десяти штук и 20 МБ на элемент. Клиент прислал фото бракованной детали или скриншот ошибки - агент видит его сам, без отдельной ноды. Если нужен не ответ в чат, а строгие поля в базу, поставьте галочку «Требовать формат ответа» и подключите «Структурированный ответ» с JSON-схемой.
Внутренний помощник по документации
Инструменты: поиск по базе знаний через эмбеддинги, чтение свежих файлов через распознавание документов, внешний MCP-сервер с документацией библиотек. Агент отвечает сотрудникам и честно говорит, когда ответа в базе нет.
Частые вопросы
Сколько шагов агент может сделать
По умолчанию десять: столько раз модель может вызывать инструменты за один запрос. Предел меняется в параметрах, там же есть ограничение по времени. Когда шаги кончаются, агент не падает: последний круг идёт без инструментов, и модель отвечает тем, что уже выяснила, прямо говоря, чего узнать не удалось.
Какие провайдеры подходят для агента
Те, что умеют вызывать инструменты: OpenAI, Anthropic, Gemini, Mistral, Groq, DeepSeek, Qwen, xAI, OpenRouter и любой сервер с OpenAI-совместимым API. GigaChat, YandexGPT и Perplexity в ноде «Модель чата» пока не предлагаются - вызов функций у них устроен иначе. В обычной ноде «Языковая модель» они работают как раньше.
Можно ли дать агенту доступ только на чтение
Да, и это разумное умолчание для первого запуска. Агент умеет ровно то, что вы подключили снизу: если среди инструментов только поиск и чтение, записать он никуда не сможет. Операции записи удобно прятать за «Вызвать рабочий процесс», где внутри стоят ваши проверки.
Как агент считается в токенах
У агента и его модели свой класс: фиксированное процессорное время плюс трафик по токенам ответа провайдера. Инструменты, которые модель не позвала, не стоят ничего - платите только за фактические вызовы. Подробности про единицы учёта - на странице тарифов.
Что видно в истории запусков
Всё: вид «Шаги агента» показывает модель и запасную, память с ключом сессии, потраченные токены и каждый вызов инструмента с аргументами от модели и полученным результатом. Агент остаётся обычным процессом, который можно открыть, посмотреть и выгрузить файлом, а не чёрным ящиком.
Можно ли собрать агента из Claude или Cursor
Да. MCP-сервер Staqflow знает про типы портов: агента, его модель, память и инструменты можно создать и соединить прямо из переписки с ИИ-клиентом, а потом открыть и доправить руками.
Попробуйте
- Создайте пространство и соберите агента с одним инструментом: пусть сначала просто ищет заказ по номеру.
- Подключите Staqflow по MCP к своему ИИ-клиенту, если собирать процессы удобнее в переписке.
- Посмотрите каталог интеграций и отметьте те системы, которые стоит отдать агенту инструментами.
Начинать лучше с малого: один агент, два-три инструмента, память и понятное системное сообщение. Когда станет видно, какие вопросы приходят чаще, инструменты добавляются за минуты, а права и доступы остаются на пространстве, а не на агенте.