СВОЙ Тех строит внутреннюю платформу ИИ-агентов: 200 инструментов и 5 чатов

Команда СВОЙ Тех, финтех-компании, выложила на Хабре разбор своей внутренней платформы ИИ-агентов. Заголовок называет два числа: около 200 инструментов и 5 чатов. Авторы строят собственный AI-ассистент внутри корпоративной инфраструктуры, а не надстройку над сторонним API. В анонсе заявлены три темы: архитектура «под капотом», набор подключённых инструментов и управление контекстом. Сам разбор лежит в полной статье, поэтому ниже только то, что можно уверенно прочитать из анонса, и инженерная логика вокруг этого.

Прототип против платформы

Отправная точка авторов проста: интеграцией ИИ в рабочие процессы сегодня никого не удивишь, а вот разница между быстрым прототипом и системой внутри компании огромна. Прототип на внешнем API собирается за пару дней. Он отвечает на вопросы, пишет черновики и хорошо смотрится на демо. Но как только агенту нужны внутренние данные, права доступа и реальные бизнес-процессы, начинается другая работа: интеграции, изоляция данных, контроль действий, воспроизводимость ответов.

Цифры в заголовке подсказывают, где здесь главная сложность. Двести инструментов — это двести описаний функций, схем параметров и сценариев ошибок. Если отдать их модели разом, описания съедят заметную часть контекстного окна, а выбор нужного вызова станет менее надёжным. Анонс не раскрывает, как именно разделены пять чатов. Но логика читается: чат под класс задач сужает набор доступных инструментов и данных, а вместе с ним и пространство возможных ошибок.

Что известно из анонса

Фактов в тизере немного, но они конкретные:

• Разработчик: СВОЙ Тех, финтех-направление.
• Формат: собственный AI-ассистент и внутренняя платформа специализированных агентов.
• Масштаб подключения: порядка 200 инструментов.
• Интерфейс: 5 чатов, каждый под свои бизнес-задачи.
• Среда: корпоративная инфраструктура, работа с внутренними данными.
• Отдельный блок материала: управление контекстом.

Последний пункт, пожалуй, самый интересный. В агентных системах контекст — это ограниченный ресурс. Его делят история диалога, результаты вызовов инструментов, выдержки из документов и системные инструкции. Кто и как решает, что оставить, а что вытеснить или сжать, часто определяет качество системы сильнее, чем выбор модели.

Что проверить, если строите похожее

Пока подробностей нет, анонс работает как чек-лист вопросов к собственному проекту. Их стоит задать до того, как открывать полную статью.

1. Сколько инструментов видит модель в одном запросе? Если все сразу, имеет смысл группировать их по задачам или подгружать по необходимости.
2. Есть ли разделение по ролям и сценариям? Несколько специализированных чатов проще тестировать и ограничивать по правам, чем один универсальный.
3. Как устроена работа с контекстом? Нужны явные правила: что хранится, что сжимается, что передаётся между агентами.
4. Где живут данные? Для финтеха вопрос о том, остаются ли они внутри контура, определяет всю архитектуру.
5. Чем измеряется результат? Без набора тестовых задач и метрик качества рост числа инструментов легко превращается в рост хаоса.

Главное в публикации СВОЙ Тех — не размер платформы, а то, что компания показывает инженерную кухню: как из набора интеграций получается рабочая система. Насколько убедительны детали, станет ясно из полного текста, но направление понятно. Корпоративные ИИ-агенты в финансовом секторе уходят от универсального чата к набору узких, контролируемых контуров с собственным управлением контекстом.