Agenci AI · Instrukcja Jak stworzyć agenta AI: narzędzia, metody i sześć kroków do pierwszego agenta

Z czego składa się agent AI

Agent AI to program, który z pomocą modelu językowego sam decyduje o kolejnym kroku i używa do tego narzędzi. Czym jest agent i czym różni się od chatbota oraz klasycznej automatyzacji, wyjaśniamy w artykule Agenci AI dla firm. Od strony technicznej każdy agent potrzebuje tych samych elementów:

• Model: model językowy, który czyta, planuje i formułuje tekst.
• Instrukcje: zadanie, ton, zasady, a przede wszystkim moment, w którym agent przekazuje sprawę człowiekowi.
• Narzędzia: interfejsy, przez które odczytuje dane lub wykonuje działania, na przykład sprawdza zamówienie lub tworzy zgłoszenie.
• Wiedza: dokumenty, do których ma dostęp, na przykład cenniki, podręczniki lub wcześniejsze odpowiedzi.
• Ograniczenia: uprawnienia, zatwierdzenia, maksymalne kwoty i limity kosztów.
• Rejestr działań i testy: możliwość prześledzenia każdej decyzji, każda zmiana sprawdzona na rzeczywistych przykładach.

Porównanie trzech metod

W praktyce często łączy się te metody: agent napisany w kodzie przeprowadza złożoną weryfikację, a n8n łączy go ze skrzynką pocztową, systemem gospodarki towarowej i CRM. Wybór platformy zależy mniej od narzędzia, a bardziej od tego, gdzie znajdują się Państwa dane, kto będzie później utrzymywać agenta i jakie obowiązują wymagania ochrony danych. n8n można na przykład uruchomić na własnych serwerach w UE. Więcej w artykule Własny hosting n8n.

Podłączanie narzędzi: czym jest MCP

Aby agent mógł działać, potrzebuje dostępu do Państwa systemów. Model Context Protocol (MCP) to otwarty standard służący do łączenia aplikacji AI z narzędziami i źródłami danych w jednolity sposób. Anthropic przedstawił go pod koniec 2024, a dziś obsługuje go wielu dostawców i wiele narzędzi. Dla firm oznacza to, że raz zbudowane połączenie, na przykład z systemem gospodarki towarowej, można wykorzystywać z różnymi modelami i platformami. MCP pomaga, ale nie jest konieczne. Wielu agentom wystarcza kilka bezpośrednio zaprogramowanych interfejsów.

Budowa agenta AI w sześciu krokach

1. Wybór wąskiego zadania: na przykład „odpowiadanie na pytania o status dostawy” zamiast „przejęcie obsługi klienta”.
2. Zebranie rzeczywistych przykładów: 30 do 50 typowych przypadków z poprawną odpowiedzią. Stanowią punkt odniesienia przy każdej zmianie.
3. Narzędzia z minimalnymi uprawnieniami: agent może odczytywać zamówienia, ale nie może księgować not uznaniowych. Uprawnienia do zapisu tylko tam, gdzie są rzeczywiście potrzebne.
4. Ustalenie instrukcji i przekazywania spraw: co agent może robić, czego nie może i kiedy przekazuje sprawę człowiekowi, na przykład przy reklamacjach lub niepewności.
5. Testowanie i pomiary: uruchomienie agenta na zebranych przykładach, klasyfikacja błędów według rodzaju, poprawa instrukcji i narzędzi, ponowne testy.
6. Uruchomienie z zatwierdzaniem: najpierw agent proponuje, a człowiek zatwierdza. Dopiero gdy wyniki są prawidłowe przez kilka tygodni, może wykonywać więcej działań samodzielnie. Limity kosztów i rejestry działają od początku.

Bezpieczeństwo i prawo

Agenci czytają teksty pochodzące z zewnątrz, na przykład e-maile lub strony internetowe. Mogą one zawierać ukryte instrukcje mające skłonić agenta do określonego działania. OWASP uznaje takie ataki, określane jako Prompt Injection, za największe zagrożenie dla aplikacji AI, a wśród kolejnych wymienia zbyt szerokie uprawnienia. Najważniejsze środki zaradcze to minimalne uprawnienia, zatwierdzanie działań mających konsekwencje oraz oddzielenie odczytu od zapisu.

Z prawnego punktu widzenia większość agentów w firmach nie stwarza istotnych problemów. Jeśli agent rozmawia bezpośrednio z ludźmi, muszą oni móc rozpoznać, że jest to AI (Art. 50 AI Act). W przypadku zastosowań we wrażliwych obszarach, takich jak rekrutacja, od grudnia 2027 obowiązują wymogi dotyczące AI wysokiego ryzyka. Przetwarzanie danych osobowych wymaga umowy powierzenia przetwarzania danych oraz, w miarę możliwości, serwerów w UE.

Samodzielne tworzenie czy zlecenie wykonania?

Samodzielne tworzenie opłaca się w przypadku wewnętrznych asystentów o niskim ryzyku, gdy ktoś w zespole ma chęć i czas, aby poznać temat. Wsparcie przydaje się, gdy agent pracuje z danymi klientów, łączy kilka systemów lub musi działać niezawodnie przez dłuższy czas. Nasz sposób pracy opisujemy na stronie Tworzenie agentów AI na zamówienie. Jako agencja AI wspieramy Państwa od pierwszego prototypu po eksploatację.