Бокс ИИ Агентов
Бокс сценарных ИИ-агентов с RAG — это компонент, который необходимыми частями встраивается в сценарные боты и добавляет им «умные» узлы: агент понимает контекст диалога, опирается на базу знаний компании по методологии RAG и выполняет прикладные действия через инструменты (интернет-поиск, поиск по закрытым вопросам, вычисления), не разрушая логику сценария.
- Для любых мессенджеров
- Для любой отрасли
Компонент
Компонент платформы MetaBot: Бокс сценарных ИИ-агентов для быстрого внедрения и надежного RAG
Проблема
- Пользователи решительно не понимают, как им взаимодействовать с полностью открытым ботом без интерфейса.
- Роутер внутри промпта часто не обеспечивает необходимую надежность вызова агентов, многоступенчатая структура RAG плодит ошибки в геометрической прогрессии
- RAG утрачивает надежность от некорректных и «шумных» вопросов пользователей, остающихся в истории чата
Как работает решение:
Пользователь взаимодействует со сценарием: отвечает на вопросы, выбирает из списка, нажимает кнопки. Сценарий собирает параметры и формирует формализованный запрос к агенту — с макроподстановками и четкой структурой. В другом случае агент может предоставить простой доступ к LLM с поисковыми целями или по предустановленному промпту.
Агент обрабатывает запрос и возвращает результат. При этом ответ может быть двух типов:
- Строгий (структурированный). Например, данные из базы: остатки на складе, статус заказа, курс валюты. Сценарий сам решает, как показать этот результат пользователю.
- Свободный (сгенерированный). Агент формирует естественный ответ по промпту на основе собранных данных. Пользователь видит связный текст от ИИ, но сам запрос оставался под контролем сценария.
Важно: в обоих случаях инициатива остается за сценарием. Пользователь не может задать произвольный вопрос (кроме специальных агентов-ассистентов с предустановленным промптом без RAG). Сценарий жестко определяет, какие данные собирать и какой запрос отправлять агенту.
Чем это отличается от обычного ИИ-чата
| Обычный ИИ-чат | Сценарный ИИ-агент |
|---|---|
| Пользователь пишет что хочет | Пользователь отвечает на вопросы сценария |
| Запрос — свободный текст | Запрос — формализованная структура с макроподстановками |
| ИИ сам решает, что ответить | Агент отвечает строго на поставленный запрос |
| Контроль только через промпт | Контроль через логику сценария + промпт |
| Ответ всегда свободный | Ответ может быть строгим (данные) или свободным (генерация) |
Основной состав Бокса агентов
| Агент | Что делает | Тип ответа |
|---|---|---|
| RAG-агент | Ищет информацию в базе знаний по сценарному вопросу с макроподстановками, воронке, может генерировать ответ по промпту | Свободный (генерация) |
| CRM-агент | Взаимодействует с API CRM, уточняя текущее состояние заказа, наличие на складе и т.д. | Строгий (данные) |
| ClickHouse-агент | Делает запросы к данным в реальном времени | Строгий (данные) |
| Агент-калькулятор | Считает по формулам бизнеса | Строгий (числа) или свободный (расшифровка расчета) |
| Агент с интернет-поиском | Получает справку из открытых источников | Свободный (собранные факты) |
| Агент-ассистент | С предустановленным промптом, отвечает на свободные вопросы пользователя (единственное исключение) | Свободный |
| Агент сценарного сбора | Только собирает параметры, передает следующему агенту | Не возвращает ответ пользователю |
Преимущества
- Полный контроль над запросом. Пользователь не может увести диалог в сторону, задать некорректный или провокационный вопрос, провоцирующий неточности.
- Гибкость ответа. Где нужны сухие данные — получаете структуру. Где нужна живая коммуникация — агент генерирует текст.
- Предсказуемость. Одинаковые параметры + одинаковый промпт = одинаковый результат.
- Прозрачность. Вы видите, какие параметры собраны, какой запрос ушел, что вернул агент.
- Модульность. Добавляйте агентов под конкретные задачи, не ломая существующих сценариев.
Каталог агентов и готовые решения на их основе
Примеры интеграции агентов в готовые решения МЕТАБОТ:
| Тип агента | Что делает | Готовые решения на его основе |
|---|---|---|
| RAG-агент (база знаний) | Отвечает по вашим документам, FAQ, регламентам. Не выдумывает, а ищет в загруженных материалах. |
• Чат-консультант по базе знаний — для поддержки клиентов 24/7. • Бот для персонала — ответы на вопросы по внутренним регламентам. |
| Агент ClickHouse (данные в реальном времени) | Делает запросы к базам данных: проверяет остатки, статусы заказов, цены, историю обращений. |
• Бот проверки статуса заказа — клиент вбивает номер и видит, где груз. • Бот наличия на складе — для оптовых продаж. |
| Агент-калькулятор | Считает по формулам бизнеса: стоимость доставки, скидки, проценты, сложные тарифы. |
• Калькулятор стоимости доставки — интеграция с логистикой. • Бот для конкурсов — подсчёт очков участников. • Кредитный калькулятор — для финансовых сервисов. |
| Агент «сценарный сбор» | Жёстко собирает параметры по списку (страна, артикул, дата) и подставляет их в шаблоны. |
• Бот сбора заявок — для сложных продуктов, где важны все детали. • Бот записи на сервис — сбор данных клиента и его проблемы. |
| Агент открытого диалога | Свободно общается, но в рамках заданных правил и тем. Может перефразировать и уточнять. |
• Бот-экскурсовод — для туристических порталов. • Бот-ассистент на сайт — первичная консультация по любым вопросам. |
Как выглядит в работе
Пример 1. Строгий ответ (данные)
Сценарий спрашивает: «Введите артикул товара».
Пользователь вводит: «АРТ-123».
Сценарий формирует запрос к ClickHouse-агенту:
text
{
«запрос»: «остатки»,
«артикул»: «АРТ-123»,
«склад»: «Москва»
}
Агент возвращает: {«остаток»: 47, «статус»: «в наличии»}.
Сценарий показывает: «Товар АРТ-123 в наличии на складе в Москве: 47 штук».
Пример 2. Свободный ответ (генерация)
Сценарий собирает параметры подбора тура: страна, даты, бюджет.
Формирует запрос к RAG-агенту с промптом:
text
На основе базы знаний туров подбери 3 варианта по параметрам:
страна: Италия, даты: 10-20 июня, бюджет: до 2000 евро.
Опиши каждый вариант: отель, перелет, что включено.
Агент возвращает связный текст с тремя предложениями.
Сценарий показывает этот текст пользователю.
Пример 3. Гибрид (конкурс)
Сценарий конкурса собирает действия участника: пригласил друга, сделал репост.
Агент-калькулятор ведет подсчет очков (строгий ответ: цифры).
В финале сценарий запрашивает у RAG-агента: «Сформируй персональное поздравление победителю с суммой очков {очки} и призом {приз}». Агент генерирует текст.