Перейти к основному контенту

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

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

Нет комментариев
Наверх