Metabot Agent Stack (MAS)

Мир переходит от интерфейсов кликов к взаимодействию с ИИ через естественный язык. Ассистенты и агенты становятся основой нового поколения программ — они умеют понимать контекст, учиться и действовать.

Но как программировать таких агентов — без сложной архитектуры и кода?

Ответ — MAS (Metabot Agent Stack). Это не просто набор инструментов.MAS — это фреймворк проектирования разумных агентов, встроенный в инфраструктуру Metabot.

Что такое MAS

MAS (Metabot Agent Stack) — это архитектурный стек, который объединяет:

🧠 LLM‑интеграцию (OpenAI, Claude, GigaChat, Gemini и др.);

📚 векторные базы знаний (PgVector, ClickHouse, Elastic);

⚙️ Low‑code/Full-code сценарии и скрипты на JavaScript;

🔀 интеграцию с API и CRM/ERP системами;

🗂️ память и атрибуты для хранения контекста;

🛰️ агентные пайплайны и маршрутизацию намерений.

MAS разворачивается поверх платформы Metabot и превращает её из конструктора чат‑ботов в полноценную мультиагентную среду.

Архитектура MAS

MAS построен по принципу мультиагентных пайплайнов, где каждый агент выполняет конкретную роль, а их взаимодействие обеспечивает целостное поведение системы.

Компонент

Назначение

Intent Router

Анализирует запрос пользователя и направляет его в нужный агент.

RAG‑агент

Извлекает информацию из внутренних документов, формирует контекст и передаёт в LLM.

SQL‑агент

Строит SQL‑запросы к базам данных и формирует аналитические ответы.

Knowledge Base Search

Обеспечивает семантический поиск по базе знаний.

LLMClient

Управляет вызовами языковых моделей и их конфигурацией.

Snippets

Хранят параметры, промпты и настройки агента.

Tracing

Отслеживает взаимодействия и reasoning‑потоки между агентами.

MAS поддерживает работу в мессенджерах, web‑чатах, корпоративных интерфейсах и может интегрироваться с BI‑инструментами и DataLens.

MAS vs другие фреймворки

Функциональность

MAS (Metabot)

LangChain/LangGraph

LlamaIndex

Botpress / Rasa

Память и контекст

✅

⚠️ вручную

⚠️ ограничено

✅ FSM

Поддержка RAG

✅

✅

✅

⚠️ частично

Асинхронность

✅

⚠️ зависит от infra

⚠️

⚠️

Flow Logic

✅ (визуально)

⚠️ вручную

⚠️

✅

Интеграции (API, CRM, SQL)

✅ встроенные

❌

⚠️

⚠️

JS + Low‑Code

✅

❌ (Python)

❌ (Python)

✅

Поддержка мессенджеров

✅

❌

❌

✅

Запуск без кода

✅

❌

❌

⚠️

MAS занимает нишу между классическими LLM‑фреймворками и бизнес‑платформами:он даёт архитектурную гибкость LangChain/LangGraph, но упрощает программирование.

🧬 MAS как философия

“Нейросети не мыслят. Интеллект рождается в инфраструктуре вокруг них.”— Юрий Гарашко, «Сети жизни vs Deep Learning»

MAS воплощает идею событийно‑коммуникативной архитектуры:агент не существует изолированно, а живёт в потоке событий, контекстов и действий.

Каждый агент хранит собственную память, имеет зону ответственности и взаимодействует через Intent Router.Вся система строится вокруг атрибутов лида — единой модели состояния, что позволяет связывать диалоги, данные и действия без написания backend‑кода.

Что даёт MAS разработчикам и бизнесу

Быстрая сборка LLM‑ассистентов под любые задачи.

Поддержка RAG‑поиска и работы с корпоративными базами.

Интеграция с CRM, ERP, LMS, аналитикой и BI‑дашбордами.

Автоматизация поддержки, обучения и документооборота.

Простое масштабирование от одного агента к мультиагентной сети.

MAS позволяет компаниям перейти от «чат‑ботов с ИИ» к когнитивным операционным системам — где агенты не просто отвечают, а управляют процессами и принимают решения.

📚 Рекомендуемые материалы

Работа с LLMClient

Knowledge Base и RAG

Snippets и конфигурация агентов

Tracing и отладка reasoning

Интеграция с внешними API

Следующий шаг: изучите уроки по MAS и попробуйте создать собственного агента — участника предстоящего Баттла ассистентов и рыцарей!