Платформа для создания ИИ-агентов: как выбрать, на чём собирать

Вы решили собрать ИИ-агента под свою задачу и уткнулись в первый вопрос: на чём его собирать. Вбиваете «платформа для создания ИИ-агентов» и получаете десяток статей вида «15 лучших платформ», где всё свалено в один список: конструкторы, библиотеки для программистов, облачные сервисы. Из такого списка невозможно выбрать, потому что там сравнивают несравнимое. Отвечу коротко, а дальше разберу по частям. «Платформа» - это не один ряд брендов, а пять разных путей собрать агента. И выбирают между ними не по числу галочек в табличке, а по четырём простым вопросам про ваш бизнес.

Я собираю таких агентов под конкретные дыры в бизнесе, и вопрос «на чём» решается не первым. Сначала - какую одну задачу агент закрывает, и только потом, чем её собирать. Эта статья - про второе: какие бывают пути, где у каждого ловушка и как выбрать свой, не купив красивую демонстрацию вместо рабочей вещи. Что такое сам агент и из каких частей он собран, я разбираю отдельно в статье «Создание ИИ-агента»; здесь считаем, что с устройством вы уже знакомы.

Сразу честная рамка. Больше всего агентов на свете собрали в компаниях, которые сами делают модели. В Anthropic по опыту десятков команд заметили простую вещь. Цитата: «Instead, they were building with simple, composable patterns». По-русски: самые удачные внедрения строились не на сложных фреймворках, а на простых составных схемах. Держите это в голове, пока читаете про мощные платформы ниже.

Что называют платформой для создания ИИ-агента

Под одним словом «платформа» в выдаче прячется пять разных вещей. Они отличаются не ценой и не красотой интерфейса, а тем, сколько вы делаете руками и сколько берёт на себя инструмент.

• Конструктор без кода. Вы собираете агента мышкой из готовых блоков на холсте. Пример - n8n.
• Готовый SDK. Тоже код, но с минимумом деталей: пара команд - и агент бегает. Пример - OpenAI Agents SDK.
• Фреймворк. Библиотека для программиста: даёт кирпичи, из которых код собирает агента. Пример - LangGraph.
• Прямой вызов API. Никакой платформы вообще: ваш код напрямую обращается к модели. Самый простой путь.
• Подрядчик. Вы не выбираете инструмент сами - его выбирает тот, кто собирает агента под ваш чек.

Первые четыре - это «сделать самому или силами своего разработчика», и они идут по нарастанию: от «всё за вас» до «всё руками». Пятый стоит особняком: там платформу выбираете не вы. Разложу эту лестницу на схеме.

Дальше пройду по типам, которые вы выбираете сами, и покажу, где у каждого сильная сторона, а где ловушка.

Конструктор без кода: n8n и похожие

Это первое, что обычно имеют в виду под «платформой». Вы работаете мышкой: ставите блок «модель», блок «инструмент», соединяете их стрелками - и агент готов, кода писать не нужно. Как это устроено у n8n, сказано в их документации прямо. Цитата: «The AI Agent node lets you build an AI agent in n8n. Connect a chat model and one or more tools, and the agent decides which tools to call to complete a task». По-русски: узел агента позволяет собрать его прямо в n8n - подключаете модель и инструменты, а агент сам решает, какой инструмент вызвать под задачу. Это ровно та механика, что у любого агента: модель получает доступ к инструменту и сама ведёт работу.

У конструктора две сильные стороны для владельца. Первая - скорость и наглядность: процесс видно глазами, его можно показать команде. Вторая - выбор, где всё это живёт. У n8n два пути развёртывания. Цитата из документации: «n8n offers two primary deployment options: n8n Cloud (fully-managed) and Self-hosted (deploy on your own infrastructure)». По-русски: либо облако, которым управляет сам сервис, либо установка на вашем сервере. Облачный путь - «Fully managed, no setup or maintenance required», то есть сервис берёт установку и обслуживание на себя: удобно, когда своей технической команды нет. А базовую Community-редакцию, если ставить у себя, можно использовать бесплатно - в документации так и написано: «Free with almost the complete feature set», почти со всем набором возможностей. К вопросу «где живут данные» и «за что платите» вернёмся ниже, это как раз про выбор.

Теперь ловушка, о которой на витрине конструктора молчат. Красивый холст создаёт ощущение, что сложности нет. Но под капотом конструктор - это всё тот же фреймворк: документация n8n за устройством своего агента прямо отсылает к чужой библиотеке. Цитата: «Refer to LangChain's documentation on agents for more information about the service». По-русски: за подробностями об агенте идите в документацию LangChain. То есть «без кода» - это не «без сложности», а «сложность спрятана». Пока задача простая, холст экономит время. Как только нужна нестандартная логика или разбор, почему агент повёл себя не так, вы упираетесь в тот самый скрытый слой - и чинить его мышкой уже не выходит.

Фреймворк и код: когда платформа - это библиотека

Если у вас есть свой разработчик, «платформой» часто называют не сервис с холстом, а библиотеку в коде. Самостоятельной программы тут нет - есть набор кирпичей, из которых ваш программист собирает агента. Anthropic описывает, что эти библиотеки дают. Цитата: «These frameworks make it easy to get started by simplifying standard low-level tasks like calling LLMs, defining and parsing tools, and chaining calls together». По-русски: фреймворки берут на себя рутину - вызовы модели, описание и разбор инструментов, связывание шагов в цепочку.

Внутри этого типа есть своя лестница - от «дайте мне всё под контролем» до «соберите за меня по-быстрому».

• Низкоуровневый фреймворк. Пример - LangGraph. Из документации: «LangGraph is a low-level orchestration framework and runtime for building, managing, and deploying long-running, stateful agents». По-русски: низкоуровневый фреймворк и среда выполнения для долгоживущих агентов с памятью о состоянии. Его смысл - в контроле. Цитата: «LangGraph gives you fine-grained control to mix deterministic, hand-coded steps with LLM-driven agentic steps in the same graph». По-русски: тонкий контроль - смешивать жёстко прописанные шаги и шаги, которыми управляет модель, в одном графе. Платите за этот контроль сложностью: это инструмент для того, кто пишет код.
• Готовый SDK. Пример - OpenAI Agents SDK. Из документации: «The OpenAI Agents SDK enables you to build agentic AI apps in a lightweight, easy-to-use package with very few abstractions». По-русски: лёгкий набор с очень небольшим числом деталей. Агент здесь описан буднично: «Agents, which are LLMs equipped with instructions and tools» - модель, снабжённая инструкциями и инструментами. Это середина: кода меньше, чем в низкоуровневом фреймворке, а контроля больше, чем в конструкторе.

Показательно, что даже сам низкоуровневый фреймворк не зовёт к себе всех подряд. LangGraph прямо отсылает новичков к более простому варианту. Цитата: «If you are just getting started with agents or want a higher-level abstraction, we recommend you use LangChain’s agents». По-русски: если вы только начинаете или хотите абстракцию повыше, берите готовых агентов с заранее собранными схемами цикла. Это и есть главный совет при выборе фреймворка: не хвататься за самый мощный.

И предупреждение от Anthropic, которое стоит отдельной строки. Цитата: «If you do use a framework, ensure you understand the underlying code. Incorrect assumptions about what's under the hood are a common source of customer error». По-русски: берёте фреймворк - понимайте, что у него под капотом; неверные догадки об устройстве - это частый источник ошибок. Поэтому они же советуют не хвататься за лишнее. Цитата: «Frameworks can help you get started quickly, but don't hesitate to reduce abstraction layers and build with basic components as you move to production». По-русски: фреймворк помогает быстро стартовать, но не бойтесь убирать лишние слои и собирать на базовых кирпичах, когда выходите в рабочий режим.

Прямой вызов API: простое, которое часто и нужно

Самый незаметный путь - вообще без платформы. Ваш код напрямую обращается к модели и к паре нужных инструментов. Звучит как «для продвинутых», а на деле это то, с чего советуют начинать. Anthropic: «We suggest that developers start by using LLM APIs directly: many patterns can be implemented in a few lines of code». По-русски: начинайте с прямого обращения к API модели, многие приёмы собираются несколькими строками кода.

Почему это важно владельцу, а не только программисту. Чем меньше посредников между вашим кодом и моделью, тем меньше мест, где что-то сломается, и тем дешевле каждый запуск. Та самая фраза из начала статьи - про простые составные схемы вместо сложных фреймворков - родилась именно здесь. Для многих задач агент как таковой не нужен: хватает одного аккуратного запроса к модели с приложенными данными. Это дешевле, надёжнее и чинится за минуту.

Практический смысл для вас такой. Если вам называют цену за «мощную платформу», честный вопрос звучит так: а не решается ли моя задача прямым вызовом в несколько строк? Часто да. И тогда дорогой конструктор - это оплата удобства, которое вам не нужно. О том, чем агент вообще отличается от простого бота, я разбираю в статье «Чат-бот или ИИ-агент для бизнеса».

Четыре вопроса, по которым выбирают платформу

Вот то, ради чего всё затевалось. Выбирать платформу по списку возможностей бесполезно: у всех написано «агенты, инструменты, память». Выбирают по четырём вопросам про ваш бизнес.

Первый - где живут ваши данные. Если агент работает с заявками клиентов, договорами, ценами, важно, где это всё обрабатывается. Облачный сервис удобен, но данные идут через чужую инфраструктуру. Путь с установкой у себя это меняет: у n8n при self-hosted, по их словам, «You control the environment and configuration» - вы управляете средой и настройкой сами. Для чувствительных данных это часто решающий довод.

Второй - кто будет чинить. Агент не собирается один раз навсегда: модель меняется, задача растёт, что-то ломается. Спросите себя, кто поправит. Конструктор мышкой правит тот, кто его собрал. Код правит разработчик. Если ни того ни другого под рукой нет, выбор между типами сужается сам собой, и честнее идти к подрядчику, чем покупать инструмент, который некому обслуживать.

Третий - за что вы платите. Платформы по-разному берут деньги. За облако платят подпиской по тарифу. За установку у себя - своим сервером и временем команды, зато софт может быть бесплатным: Community-редакция n8n, как сказано выше, бесплатна почти со всем набором. За подрядчика - чеком за результат. Разберитесь, что именно вы оплачиваете: доступ к сервису или закрытую задачу.

Четвёртый - где потолок. У каждого пути есть граница, за которой он перестаёт тянуть. У конструктора это нестандартная логика, которую мышкой не выразить. У готового SDK - момент, когда нужен контроль тоньше, чем он даёт. Полезно заранее прикинуть, упрётесь ли вы в потолок через месяц - или задача в него никогда не вырастет, и тогда можно смело брать самое простое.

Разложу эти четыре вопроса в один проход: ответили - и тип платформы выбрался почти сам.

Сравнение путей в одной таблице

Соберу типы в одну картину. Это не рейтинг «кто лучше»: лучшего вообще нет, есть подходящий под вашу задачу. Примеры в скобках - иллюстрация типа, а не совет «берите именно этот».

Как выбрать строку - уже знаете: прогоните задачу через четыре вопроса выше. Если идёте к подрядчику, признак хорошего простой: он начинает не с демонстрации платформы, а с вопросов про ваш день и деньги. Мой порядок такой же - сначала карта, где утекает, потом одна дыра, и считаем в рублях. Из чего складывается цена такой работы, я разбираю в статье «Внедрение ИИ под ключ».

Частые ошибки и когда платформа не нужна вовсе

Самая дорогая ошибка при выборе - взять самую мощную платформу «на вырост». Мощная платформа дороже, сложнее и даёт больше мест, где можно ошибиться. Anthropic советует обратное. Цитата: «we recommend finding the simplest solution possible, and only increasing complexity when needed. This might mean not building agentic systems at all». По-русски: берите самое простое решение и усложняйте только по необходимости, а это иногда значит не строить агентскую систему вовсе. То есть честный первый шаг - не выбор платформы, а вопрос, нужен ли тут вообще агент.

Вторая ошибка - поверить демонстрации. На красивом холсте всё работает за минуту, и кажется, что готово. Но один показ и повторяемость - разные вещи. Рабочий агент на любой платформе держится на двух вещах: на приёмке результата и на точке, где он зовёт человека. Хорошие инструменты это понимают. У OpenAI Agents SDK, например, прямо встроен механизм участия человека по ходу работы. Цитата: «Human in the loop: Built-in mechanisms for involving humans during agent runs». Если платформа не даёт вам поставить такую проверку, она продаёт игрушку, а не исполнителя.

Короткий чек-лист ошибок при выборе платформы:

1. Взяли самую мощную «на вырост» - платите за сложность, которая не нужна.
2. Выбрали по списку галочек, а не по четырём вопросам про свой бизнес.
3. Поверили демонстрации, не прогнав десятки реальных случаев.
4. Не спросили, где живут данные, - и отдали чувствительное в чужое облако зря.
5. Не подумали, кто будет чинить, - собрали на инструменте, который некому обслуживать.

Платформа не нужна вовсе в трёх случаях. Первый - задача решается прямым вызовом модели в несколько строк. Второй - случаи однотипны и укладываются в жёсткий порядок шагов. Третий - у вас ещё нет собранных данных и ясного задания: тогда сначала порядок в делах, а инструмент потом. Что именно агент снимает, а что остаётся на человеке, видно не на демонстрации, а на дистанции: об этом - статья «Как работает ИИ-агент».

Выбор платформы для создания ИИ-агента - это не гонка за самой умной машиной, а точный ответ на четыре вопроса: где данные, кто чинит, за что платите, где потолок. Начните с самого простого, поставьте приёмку и точку остановки - и инструмент станет рабочей вещью, а не строкой в счёте за подписку.

Источники

Не хотите выбирать платформу вслепую, а сначала понять, нужен ли тут агент и где он окупится? Оставьте четыре ответа о вашем деле - в ответ пришлю карту автоматизации: где машина снимет работу, а где даст пустую цифру.