Мы давно делали разные ML-штуки и каждый раз упирались в одно и то же: модель работает, а вокруг неё нужна ещё куча инфраструктуры. Хостинг, очереди, секреты, доступы, голос, телефония, CRM. Получалось, что 90% времени уходит на «коробку», а не на логику.
AGONTS — попытка собрать эту коробку один раз, чтобы все следующие AI-сотрудники собирались за минуты, а не за месяц.
Из чего состоит
- AI-сотрудник — главный объект. Инструкция, доступ к подключениям, право вызывать инструменты.
- Сценарии — цепочки шагов с триггерами (событие или расписание).
- Голос — звонит и принимает звонки через SIP.
- Подключения (MCP) — стандарт от Anthropic. Любой внешний сервис — Bitrix, Postgres, ваш REST API.
- Песочница — Docker-контейнер у нас, в котором сотрудник пишет код и сразу его запускает.
- Документы — база знаний, которую сотрудник цитирует со ссылкой на источник.
Что сейчас работает
Модели — GPT, Claude, DeepSeek, Llama или локальные Ollama. Работаем через BYOK: вы подключаете свои ключи напрямую к провайдерам, а платформа оркестрирует их без накрутки с нашей стороны.
Голос идёт через SIP — звонки приходят и уходят с обычного номера. STT/TTS — любой OpenAI-совместимый.
Подключения — MCP-серверы, которые можно подключить через интерфейс. Свои тоже — если у сервиса есть REST API, его можно обернуть в MCP за несколько часов.
Куда движемся
Если коротко — расширяем то, что сотрудник умеет делать руками. Цель не в том, чтобы он лучше отвечал в чате, а в том, чтобы он закрывал задачи целиком.
Будем писать сюда, что катим в продакшен — раз в неделю или чаще, как пойдёт.