Agent vs RAG chatbot?

RAG отвечает из документов. Agent ещё выполняет действия в системах.

LangGraph обязателен?

Для multi-step — да. Simple tool loop — можно легче.

Безопасность CRM write?

RBAC на tools, confirm для critical actions, full audit log.

Используем для стандартизации tools. Подробнее — услуга MCP.

STT/TTS + agent backend — услуга Voice AI.

От 500 000 ₽ в зависимости от числа tools и каналов.

Поддержка prompts?

Versioned prompts, eval CI, SLA на tuning.

← Все решения

AI Agents

Разработка AI-агентов

Агенты, которые делают дела: вызывают CRM, генерируют документы, эскалируют человеку — не просто болтают.

AI-агент — LLM с возможностью вызывать инструменты: создать лид, найти цену в каталоге, сгенерировать PDF, запросить остаток в 1С. Bober AI Systems строит agents для продаж, поддержки и внутренних операций.

Кейс Yandex Telemost Agent: голосовой/чат ассистент с интegrations. Sales agent ELIA/KP-LLM: подбор SKU и сборка КП. Архитектура единая: LangGraph + tools + guardrails.

MCP (Model Context Protocol) стандартизирует доступ агента к CRM, файлам и API — меньше custom glue, проще audit. Мы разворачиваем MCP servers в private контуре.

Human-in-the-loop обязателен для финансовых и юридических действий: агент готовит черновик → человек подтверждает → commit в систему.

Production за 4–8 недель. Eval на сценариях «happy path» и edge cases. Бюджет — от 500 000 ₽.

Не продаём «autonomous AGI» — продаём измеримую автomation конкретных шагов процесса.

Ограничения простых ботов

—Чат-бот отвечает текстом, но не создаёт сделку в CRM
—Multi-step задачи требуют ручного копирования между системами
—Нет памяти контекста между сессиями и каналами
—Ошибки агента не логируются и не откатываются

Deliverables

—Agent с tool registry: CRM, search, documents, calculators
—State machine на LangGraph с human-in-the-loop
—MCP-серверы для безопасного доступа к системам
—Monitoring, eval и runbook

Как строим агентов

Tool design

Minimal API surface, idempotent writes, clear error messages для LLM.

Graph workflow

Nodes: plan → act → verify → escalate. Checkpoints для resume.

Safety

Allowlist tools, PII filters, spend limits, audit trail.

Eval

Scenario tests, tool call assertions, regression suite.

Agent architecture

—LangGraph orchestrator + persistent state (PostgreSQL)
—Tool layer: MCP servers / REST adapters to CRM, 1C, RAG
—LLM: private GigaChat or self-hosted
—Channels: Telegram, web, CRM sidebar
—Observability: LangSmith / custom traces, alerts on failures

Эффект

−45%

ручных шагов в multi-step сценариях

4–8 нед.

production agent

24/7

обработка типовых запросов

Связанные кейсы

Yandex Telemost Agent — ИИ для встреч и продаж

Автоматические итоги встреч в CRM

1С · Bitrix · YandexGPT · JavaScript

Команда экономит время, быстрее обрабатывает итоги встреч, не забывает договорённости и повышает качество сопровождения клиентов и продаж.

300 000 ₽

Подробнее о проекте →

Автоматизация коммерческих предложений

45 мин → 2 мин на КП

MySQL · CRM · Python · LLM

Один диалог вместо ручного прайса и Word. Цены и артикулы только из каталога — без выдуманных позиций. Таблица, НДС, условия и скачивание DOCX/PDF.

300 000 ₽

Подробнее о проекте →

FAQ

Agent vs RAG chatbot?: RAG отвечает из документов. Agent ещё выполняет действия в системах.
LangGraph обязателен?: Для multi-step — да. Simple tool loop — можно легче.
Безопасность CRM write?: RBAC на tools, confirm для critical actions, full audit log.
MCP?: Используем для стандартизации tools. Подробнее — услуга MCP.
Голос?: STT/TTS + agent backend — услуга Voice AI.
Бюджет?: От 500 000 ₽ в зависимости от числа tools и каналов.
Поддержка prompts?: Versioned prompts, eval CI, SLA на tuning.

Связанные услуги

Контакт

Или оставьте заявку

Агенты, которые делают дела: вызывают CRM, генерируют документы, эскалируют человеку — не просто болтают.