«Я просто хочу агента»: как в MWS собрали виртуальную ИИ‑команду для разработки агентов

В первой части автор рассказал про мета‑агента — прототип системы, которая собирает ИИ‑ботов по описанию на естественном языке. Пользователь формулирует задачу, система сама проектирует архитектуру и возвращает готовый JSON с описанием агента.

Сейчас речь уже не про конкурсный демо‑проект, а про продакшен‑решение для корпоративных пользователей. Команда MWS превратила эксперимент в основной no‑code/low‑code инструмент своей платформы MWS AI Agents Platform и назвала его «ИИ‑команда» (AI Force).

Ниже — что именно появилось, как это устроено и в каких кейсах это полезно.

Что нового

По сравнению с конкурсным прототипом мета‑агента в MWS сделали несколько ключевых шагов:

1. Из одноразового демо — в стабильный сервис

   • Прототип собирал агента «одним выстрелом» под конкретный запрос.
   • В продакшене появилась устойчивая архитектура с ролями, инструментами, ограничителями и накопленным опытом.
   • Цель — чтобы ИИ‑агент для производства ИИ‑агентов работал предсказуемо не только на красивых демо, но и на реальных корпоративных задачах.

2. Виртуальная команда вместо одиночного бота

   • Вместо одного «волшебного» мета‑агента MWS собрала набор специализированных агентов, которые работают как команда.
   • Каждый агент отвечает за свою часть пайплайна: от разбора требований до сборки итогового JSON‑описания.

3. Формализация процесса разработки агентов

   • В систему встроили роли (кто за что отвечает), инструменты (чем можно пользоваться), ограничители (что делать нельзя).
   • Опыт запуска и ошибок сохраняется и влияет на дальнейшую работу.

4. Интеграция в MWS AI Agents Platform

   • «ИИ‑команда» стала главным инструментом вайб‑код/low‑code в платформе.
   • Пользователь описывает задачу, а на выходе получает готовое JSON‑описание агента для MWS.

Конкретные цифры по скорости, размеру контекста, стоимости вызовов моделей или бенчмаркам в материале не указаны. Фокус — на архитектуре и инженерном подходе.

Как это работает

Базовая идея: вместо одного «суперагента», который пытается делать всё, MWS собрала виртуальную команду из нескольких ИИ‑агентов. Они взаимодействуют по понятным правилам и вместе производят итоговый JSON‑описание нового агента.

Под капотом есть несколько ключевых элементов:

1. Мета‑агент как оркестратор

   • Получает от пользователя требования в естественном языке: «хочу бота, который…».
   • Делит задачу на этапы и распределяет работу между специализированными агентами.

2. Роли в ИИ‑команде Примеры типичных ролей (формулировки могут отличаться, но логика такая):

   • «Аналитик требований» — уточняет у пользователя детали, формализует задачу.
   • «Архитектор агента» — проектирует структуру будущего ИИ‑агента: какие инструменты, какие шаги, какие ограничения.
   • «Инженер промптов» — формирует промпты и инструкции для будущего агента.
   • «Валидатор» — проверяет, что итоговый JSON корректен, согласован и не содержит очевидных противоречий.

3. Инструменты и ограничители

   • Каждый агент имеет доступ только к нужным инструментам: например, к шаблонам агентов, базе знаний или схеме JSON.
   • Встроены ограничители, которые не дают агентам выходить за рамки: нарушать схему, использовать недоступные API, придумывать произвольные поля.

4. JSON как единый формат результата

   • На выходе «ИИ‑команда» возвращает готовый JSON, описывающий нового агента под MWS AI Agents Platform.
   • Этот JSON можно сразу использовать в платформе без ручной доработки.

5. Накопление опыта

   • Система запоминает удачные решения и типовые ошибки.
   • На основе этого корректирует поведение агентов: какие уточняющие вопросы задавать, какие паттерны архитектуры предлагать.

С технической точки зрения это именно инженерная система вокруг LLM‑агентов, а не просто «один большой промпт».

Что это значит для вас

Для чего использовать

«ИИ‑команда» полезна, если вы:

• Разрабатываете ИИ‑агентов под MWS AI Agents Platform

  • Вместо ручной сборки конфигураций вы описываете задачу на естественном языке.
  • Система сама проектирует архитектуру и выдает готовый JSON.

• Запускаете пилоты с ИИ‑ботами в компании

  • Можно быстро «набросать» несколько вариантов агентов под разные процессы.
  • Удобно для внутренних хакатонов, PoC и тестов гипотез.

• Не хотите погружаться в детали промпт‑инжиниринга и схем JSON

  • Вся инженерная рутина уезжает в «ИИ‑команду».
  • Вы остаетесь на уровне описания бизнес‑логики и ограничений.

Где особенно помогает

• Когда нужно быстро собрать много похожих агентов с вариациями под разные отделы или регионы.
• Когда важна предсказуемость поведения: нельзя, чтобы агент внезапно начал делать что‑то лишнее в рабочем процессе.
• Когда в команде мало людей с опытом проектирования сложных LLM‑систем, но есть запрос на ИИ‑функциональность.

Где не стоит применять

• Если вы

  • не используете MWS AI Agents Platform,
  • хотите разворачивать агентов полностью on‑prem без внешних зависимостей,
  • планируете глубокий кастомный бэкенд с нестандартными протоколами.

  В этих случаях проще написать своих агентов вручную под конкретную инфраструктуру.

• Если вам нужен один простой бот с минимальной логикой (например, FAQ‑чат на сайте). Для такого кейса полноценная «ИИ‑команда» может быть избыточной.

Информация о необходимости VPN или ограничениях доступа из России в материале не приводится. Перед внедрением имеет смысл уточнить у MWS условия использования и размещения.

Место на рынке

MWS AI Agents Platform с «ИИ‑командой» (AI Force) решает довольно конкретную задачу: автоматизировать проектирование и сборку ИИ‑агентов по описанию на естественном языке, с упором на корпоративный сценарий и предсказуемость.

В материале не приводятся:

• сравнения по скорости с GPT‑4o или Claude 3;
• сравнения по стоимости токена или вызова API;
• бенчмарки качества против других фреймворков агентов.

Поэтому оценивать продукт стоит по другим параметрам, которые явно описаны:

• Глубокая интеграция с MWS AI Agents Platform

  • Если вы уже в экосистеме MWS, «ИИ‑команда» даёт прямой путь от бизнес‑описания к рабочему агенту.

• Инженерный подход к безопасности и предсказуемости

  • Роли, инструменты, ограничители и накопление опыта — всё это уменьшает риск того, что агент «съедет с катушек» в боевом процессе.

• Ориентация на корпоративные сценарии

  • Система изначально задумывалась не как игрушечный конструктор, а как часть платформы для бизнеса.

Если вы выбираете между разными подходами к проектированию агентов — самописные пайплайны, open‑source‑фреймворки, инструменты от вендоров LLM — здесь главный аргумент MWS именно в виртуальной команде агентов и формализованном процессе, а не в сырых цифрах производительности.

---

Итог: MWS превратила конкурсный мета‑агент в продакшен‑сервис «ИИ‑команда» внутри MWS AI Agents Platform. Это виртуальная ИИ‑команда, которая по описанию задачи собирает архитектуру нового агента и отдает готовый JSON. Подходит тем, кто уже работает с MWS или планирует строить на ней корпоративных ИИ‑ботов и хочет минимизировать ручную инженерную работу и риск неожиданных сюрпризов от агентов.

---

Читайте также

• «Я просто хочу агента». Как мета‑агент сам собирает ИИ‑агентов по текстовому описанию
• Microsoft Copilot Studio: как собрать AI‑агента без навыков программирования
• Как научить ИИ помнить: Memory Store в Microsoft Foundry на реальном примере