Мультиагентные системы в маркетинге: связка контент, SEO и дистрибуция

Летом 2024 года Microsoft выпустила AutoGen 0.2, а стартап CrewAI за год привлёк раунд и оброс интеграциями — и оба фреймворка стали предлагать одно и то же: не один чат-бот, а команду ИИ-агентов, где каждый отвечает за свой участок задачи. Для маркетинга это выглядит соблазнительно. Вместо того чтобы вручную гонять один промпт через ChatGPT, вы собираете конвейер: агент-стратег ставит задачу, агент-копирайтер пишет текст, SEO-агент проверяет ключи, а агент-дистрибьютор раскидывает готовое по каналам. На бумаге — маркетинговый отдел за подписку. На практике всё сложнее, и об этом ниже.

Что такое мультиагентная система на самом деле

Мультиагентная система — это несколько LLM-агентов¹, каждый со своей ролью, инструментами и памятью, которые обмениваются сообщениями и вместе доводят задачу до результата. Ключевое отличие от одного длинного промпта — разделение труда и передача управления: один агент может остановить работу другого, запросить уточнение или отправить результат на доработку.

В маркетинге такой конвейер обычно раскладывают на три больших блока, которые исторически делали три разных человека.

• Контент. Агент генерирует черновик статьи, поста, письма или карточки товара по брифу и тону бренда.
• SEO. Отдельный агент проверяет плотность ключей, мета-теги, структуру заголовков, иногда подтягивает данные о частотности через API сервисов вроде Ahrefs или Serpstat.
• Дистрибуция. Агент планирует публикацию, адаптирует текст под площадку (длинный пост в блог, короткий — в Telegram) и ставит в очередь через API соцсетей или планировщик.

Почему не хватает одного агента

Один агент с гигантским промптом теряет фокус: попросите его одновременно писать креативно и жёстко соблюдать SEO-требования — и он начнёт жертвовать то одним, то другим. Разделение ролей позволяет каждому агенту иметь узкую инструкцию и свой контекст. SEO-агент не отвлекается на тон бренда, копирайтер не спотыкается о технические ограничения площадки.

Мультиагентная система не делает текст умнее. Она делает процесс воспроизводимым: одна и та же связка ролей выдаёт предсказуемый результат от задачи к задаче — и это ценнее разового гениального ответа.

Чем собирают такие системы

Своими руками мультиагентный конвейер сейчас чаще всего собирают на трёх фреймворках. Все они open-source, работают поверх моделей OpenAI, Anthropic, локальных LLM и требуют навыков разработки — это не готовые SaaS-кнопки.

Отдельно стоит no-code-слой: n8n, Make и подобные оркестраторы позволяют связать вызовы моделей и API площадок без кода. Это ближе к автоматизации, чем к настоящей мультиагентности — агенты там не спорят друг с другом, а просто выполняются по цепочке. Для многих маркетинговых задач этого достаточно, и порог входа заметно ниже.

Стоимость складывается из двух частей: подписки на фреймворк почти всегда нет (они бесплатны), но вы платите за токены модели. Прогон одной статьи через связку из трёх-четырёх агентов с несколькими итерациями доработки может стоить в разы дороже одного запроса к ChatGPT — потому что агенты переписываются между собой, и каждое сообщение — это токены. Актуальные цены на API смотрите на страницах OpenAI и Anthropic: они меняются несколько раз в год.

Где связка ломается

Красивые демо мультиагентных систем скрывают три хронические проблемы, о которых честнее знать заранее.

• Накопление ошибок. Если копирайтер выдал слабый черновик, SEO-агент отполирует слабый текст, а дистрибьютор разошлёт его по пяти каналам. Плохое решение масштабируется быстрее хорошего.
• Циклы и зависания. Два агента могут бесконечно гонять текст туда-сюда: один требует больше ключей, другой — больше живости. Без жёсткого лимита итераций это сжигает бюджет на токены.
• Иллюзия SEO. Агент проверяет плотность ключевых слов и заголовки, но реальное ранжирование зависит от факторов, которых модель не видит: ссылочный профиль, поведенческие метрики, авторитет домена. Технически чистый текст не гарантирует позиций.

Отдельный риск — фактические ошибки в контенте. Модель уверенно выдумает статистику или несуществующий кейс, а дистрибьютор опубликует это без проверки человеком. Для брендового контента такой автопилот опасен репутационно.

Кому это пригодится, а кому нет

Пригодится:

• Агентствам и командам, которые штампуют однотипный контент в объёме — карточки товаров, локальные лендинги, короткие SEO-заметки под низкочастотные запросы. Здесь конвейер экономит десятки часов в месяц.
• Тем, у кого уже есть разработчик или крепкий no-code-специалист. Без человека, способного собрать и чинить пайплайн, система превратится в дорогую игрушку.
• Проектам с чётким тоном бренда, зашитым в промпты агентов, и с обязательной проверкой финального текста человеком перед публикацией.

Не пригодится:

• Одиночному SMM-специалисту, ведущему один аккаунт: сборка и отладка конвейера отнимут больше времени, чем сэкономят. Одного хорошего чат-интерфейса хватит.
• Контенту, где цена ошибки высока — медицина, финансы, право. Тут автопубликация без экспертной проверки недопустима.
• Тем, кто ждёт роста трафика от одного лишь ускорения выпуска текстов. Больше среднего контента — это не больше трафика, а больше среднего контента.

С чего начать без переплаты

1. Опишите вручную свой текущий процесс: кто пишет, кто проверяет ключи, кто публикует. Автоматизировать имеет смысл только то, что уже работает у людей.
2. Соберите минимальную связку из двух агентов — контент и SEO — и держите публикацию на человеке. Дистрибуцию подключайте последней.
3. Поставьте лимит итераций между агентами (например, не больше двух кругов правок), чтобы не жечь токены на бесконечные споры.
4. Логируйте стоимость каждого прогона в токенах и сравнивайте с реальной экономией времени. Если конвейер дороже человека — он не нужен.

Мультиагентность в маркетинге — не магия и не замена команде. Это способ превратить хаотичную ручную работу в воспроизводимый конвейер, при условии, что кто-то этот конвейер собрал и следит за качеством на выходе.

¹ Агент — в контексте LLM это языковая модель, которой дали роль, набор инструментов (API, поиск, доступ к файлам) и цель, после чего она сама решает, какие шаги предпринять для достижения цели, а не просто отвечает на один вопрос.