От чатов к автономным агентам

ИТ-директор компании «Эрегион» Игорь Кузнецов решил проверить гипотезу: можно ли полностью передать управление продуктовыми и ИТ-задачами ИИ-агентам. Ранее использование языковых моделей ограничивалось стандартным форматом «запрос — ответ» в чате, что требовало ручного контроля и постоянной проверки результатов на каждом этапе. Чтобы автоматизировать этот процесс, была создана система из 13 специализированных агентов, способных самостоятельно разбирать задачи, распределять нагрузку и фиксировать итоги работы.

Первые внедрения системы прошли в процессах компании «Кабель.РФ». Для управления задачами изначально рассматривался сервис Linear, однако он не подошел из-за жестких лимитов на количество карточек и ограниченной кастомизации этапов работы. В итоге была выбрана система Kaiten благодаря гибким настройкам процессов и открытому API. Поскольку у Kaiten не было готового MCP-сервера, для связи агентов с трекером через Claude Code был разработан собственный протокол.

Архитектура системы и стандарты работы

В реестр системы входит 13 ролей, включая аналитика, бэкендера, фронтендера, тестировщика, критика, прототайпера, маркетолога и DevOps. Чтобы агенты не импровизировали непредсказуемо, были введены жесткие стандарты — инструкции, определяющие правила поведения. Среди них есть стандарты создания новых агентов, правила обсуждения задач перед началом работы и регламент создания самих стандартов. При этом агенты сохраняют возможность оценивать ситуацию самостоятельно, но действуют строго в заданных рамках.

Процесс работы выглядит следующим образом: пользователь создает задачу в Kaiten со ссылкой на нужные стандарты и запускает агентов в автоматическом режиме. Агент собирает команду из подходящих специалистов из реестра, после чего команда обсуждает план. Роль «критика» является обязательной: этот агент оспаривает решения лида, ищет слабые места и заставляет коллег проверять факты, например, наличие товарного знака в базе ФИПС.

Итеративный подход и разделение фаз

Для снижения стоимости ошибки задачи разделены на две фазы. На первой маркетолог, продуктовый агент и прототайпер создают каркас, ТЗ и HTML-прототип. Только после проверки человеком и фиксации правок запускается вторая фаза, где бэкендер, фронтендер и DevOps разворачивают MVP и выполняют деплой на сервер. Такой подход позволяет избежать переписывания готового кода из-за ошибок в проектировании.

Система работает итерационно: пока одна фича не закрыта, агенты не переходят к следующей. Одним из ключевых преимуществ стало то, что агенты научились самостоятельно проверять друг друга. Это позволяет получать отфильтрованные результаты, например, в маркетинговых стратегиях, где критик может указать на отсутствие ценовой политики или лендинга еще на этапе планирования.

Первоисточник: Habr AI
Источник материала