MVP AI-агента за выходные: стек, каркас и грабли

Идея агента — это не «прикрутить чат к сайту». Агент отличается от голого промпта тем, что модель сама решает, какие инструменты дёрнуть и в каком порядке: поискать в базе, вызвать API, посчитать, спросить уточнение. За два дня можно довести до рабочего прототипа связку «модель + инструменты + ваши данные», которую не стыдно показать заказчику или инвестору. Дальше — вопрос шлифовки, а не переписывания с нуля.

Ниже — маршрут на выходные без иллюзий: что реально успеть, что придётся отложить и где новички теряют больше всего времени.

Что именно вы строите

MVP агента¹ — это минимальная версия, которая закрывает один сценарий целиком, а не десять наполовину. Хороший критерий: агент должен уметь пройти путь «вопрос пользователя → выбор инструмента → результат» без вашего вмешательства хотя бы в 7 из 10 случаев.

Типичные сценарии, которые ложатся в выходные:

• ассистент по внутренней документации (RAG² поверх ваших PDF и Confluence);
• агент поддержки, который ищет ответ в базе знаний и создаёт тикет, если не нашёл;
• помощник для рутины: разобрать входящие письма, вытащить данные, положить в таблицу.

Один узкий сценарий, доведённый до конца, продаёт идею лучше, чем пять функций, каждая из которых падает на втором шаге.

Стек: на чём собирать

Три слоя, которые нужно выбрать в первые полчаса и больше к этому вопросу не возвращаться.

Модель

Для прототипа берите то, к чему есть стабильный доступ и адекватная цена за токен. На практике выбор чаще всего между семействами OpenAI (GPT-4o, GPT-4o mini), Anthropic (Claude 3.5 Sonnet, Haiku) и открытыми моделями через локальный запуск. Для MVP логика простая: сначала запускаете на модели посильнее, чтобы поведение работало, потом при желании переключаете часть шагов на модель дешевле. Актуальные цены за миллион токенов смотрите на страницах тарифов провайдеров — они меняются каждые несколько месяцев.

Каркас агента

Три рабочих подхода:

Для выходного MVP с прицелом на дальнейшее развитие разумна золотая середина: SDK провайдера для вызова инструментов плюс отдельная библиотека для работы с данными. Так вы не тонете в абстракциях, но и не пишете парсер PDF руками.

Хранилище для данных

Если в сценарии есть поиск по вашим документам, нужен векторный поиск. Для прототипа подойдёт что-то, что поднимается одной командой или живёт в файле: локальные варианты вроде Chroma или FAISS не требуют отдельного сервера. Уходить в managed-решение с оплатой имеет смысл, когда MVP уже доказал ценность.

Порядок сборки по часам

Реалистичный план на два дня по 6-8 часов.

1. Час 1-2. Определить сценарий и «золотой» пример. Запишите 10 реальных запросов, на которые агент должен отвечать. Это ваш тест-набор до конца выходных.
2. Час 3-5. Каркас без данных. Поднимите вызов модели, подключите один инструмент-заглушку (например, функцию, возвращающую фиксированный ответ). Убедитесь, что модель сама решает его вызвать.
3. Час 6-10. Инструменты. Замените заглушки на реальные функции: поиск, вызов API, запись в таблицу. Опишите их так, чтобы модель понимала, когда что дёргать — качество описаний важнее кода внутри.
4. День 2, час 1-4. Данные. Загрузите документы, разбейте на фрагменты, положите в векторное хранилище, подключите поиск к агенту.
5. День 2, час 5-7. Прогон по тест-набору. Пройдите все 10 запросов, записывайте, где агент ошибся. Правьте описания инструментов и промпт, а не архитектуру.
6. День 2, час 8. Обёртка. Простейший интерфейс: консоль, телеграм-бот или страничка. Демо важнее красоты.

Где обычно застревают

Три ямы, которые съедают время незаметно.

• Расплывчатые описания инструментов. Модель вызывает не ту функцию или не вызывает нужную, потому что из описания непонятно, что она делает. Пишите описания как для стажёра: что принимает, что возвращает, когда применять.
• Слишком большие фрагменты в RAG. Если куски документов великоваты, в контекст попадает мусор, и агент отвечает мимо. Начните с фрагментов поменьше и проверьте, что находится именно релевантное.
• Отсутствие потолка на шаги. Агент зацикливается: вызывает инструмент, не удовлетворяется, вызывает снова. Поставьте лимит итераций и понятное поведение при его достижении.

Кому это пригодится, а кому нет

Пригодится:

• основателю, который проверяет гипотезу перед тем, как нанимать разработчиков — за выходные видно, работает ли идея вообще;
• разработчику, впервые собирающему агента: два дня на игрушечном проекте дают больше, чем неделя чтения статей;
• команде поддержки или операционному отделу, где есть повторяющаяся рутина с чётким входом и выходом.

Не пригодится как есть:

• там, где цена ошибки высока — медицина, юридические заключения, финансовые операции. Прототип за выходные не про надёжность, а про проверку идеи;
• если сценарий требует доступа к чувствительным персональным данным — прежде чем грузить их в облачную модель, разберитесь с требованиями к обработке;
• когда задача решается обычным поиском или парой SQL-запросов. Агент — не универсальная замена коду, а способ дать модели свободу выбора действий, и эта свобода стоит токенов и непредсказуемости.

¹ MVP (minimum viable product) — минимально жизнеспособный продукт: версия с одной ключевой функцией, собранная, чтобы проверить гипотезу с наименьшими затратами.

² RAG (retrieval-augmented generation) — подход, при котором модель перед ответом ищет релевантные фрагменты в вашей базе и отвечает, опираясь на них, а не только на то, что запомнила при обучении.