Главная мысль урока: прежде чем заказывать разработку агента, проверьте лестницу из четырёх ступеней: готовый продукт → no-code конструктор → фреймворк (это инструмент подрядчика, не ваш!) → голый API. Чем ниже ступень, тем точнее решение сидит на вашей задаче — и тем дороже его строить и содержать. Самая частая ошибка заказчика — оплатить стройку там, где можно было купить готовое. Спутник урока — справочник «Карта готовых решений».
Четыре ступени — как четыре способа получить дом
Нужен дом? Можно купить готовый, можно собрать из заводского конструктора, можно нанять бригаду с типовыми блоками, а можно строить по индивидуальному проекту кирпич за кирпичом. С агентами лестница точно такая же — и на каждой ступени вы платите за разное.
Ступень 1 · Готовый продукт (SaaS): купить и настроить
Агент уже построен, обучен и продаётся как сервис. Эталон — Intercom Fin для поддержки: подключаете свою базу знаний, и он отвечает клиентам. Платите за результат: $0.99 за решённое обращение (минимум 50 в месяц), команда пользуется бесплатно. (прайс Fin)
Конкуренты тарифицируют иначе: Chatbase продаёт «кредиты» на сообщения ($32–400/мес), Voiceflow в 2026 вовсе спрятал цены за «запросите демо». Считайте стоимость в своих единицах — диалогах в месяц. (Chatbase, Voiceflow)
✚ Работает завтра; качество и инфраструктура — забота вендора; платите по мере использования.
− Только то, что умеет продукт; ваши данные у вендора; единицы тарификации придуманы продавцом.
Подходит: типовые задачи, где вы не первые, — поддержка, запись, квалификация заявок.
Ступень 2 · No-code конструктор: собрать без программиста
No-code («без кода») — конструкторы, где автоматизация собирается мышкой из готовых блоков. В n8n агент — обычный блок схемы: триггер → AI-блок → действия. Облако от 20€/мес, а свой сервер — бесплатно, платите только за токены модели напрямую. Zapier продаёт «активности» агента, Dify — открытый конструктор на свой сервер (145 тыс. звёзд на GitHub — популярнее любого фреймворка). (n8n, Zapier, Dify)
✚ Собираете сами или толковый сотрудник; видно всю схему глазами; быстро менять.
− Потолок сложности: конструктор умеет то, что предусмотрели блоки. И риск платформы — см. «Под капотом» ниже.
Подходит: внутренние автоматизации с понятными шагами — отчёты, рутинные обработки, уведомления.
Ступень 3 · Фреймворк: инструмент вашего подрядчика
Здесь главная ловушка словаря. LangGraph, CrewAI, OpenAI Agents SDK — это не «готовое решение», которое вы берёте вместо разработки. Это конструктор для разработчика: набор деталей, из которых подрядчик строит вашего агента быстрее, чем с нуля. Для вас фраза «сделаем на LangGraph» означает не «купить», а «заказать» — она влияет на смету, сроки и на то, как вы будете съезжать с решения.
Зрелость на июнь 2026: LangGraph — версия 1.2, 34 млн загрузок в месяц, лидер серьёзных внедрений; CrewAI — самый быстрый путь к мультиагентному прототипу; Claude Agent SDK — обвязка Claude Code, открытая как библиотека. (обзор фреймворков, июнь 2026; Anthropic об Agent SDK)
✚ Подрядчик не изобретает велосипед: проверенные детали для циклов, согласований, трейсинга.
− Практики предупреждают: команды на фреймворках быстро получают 70–80% качества — и упираются в потолок абстракций, после чего переписывают. (12-Factor Agents)
Подходит: заказная разработка средней сложности, где нужны готовые механизмы оркестрации.
Ступень 4 · Голый API: построить точно по месту
Прямые вызовы модели + обычный код, без фреймворка. Звучит как самый сложный путь, но Anthropic настаивает: «самые успешные реализации используют простые композиционные паттерны, а не сложные фреймворки. Начинайте с прямых вызовов API — многие паттерны — это несколько строк кода». Фреймворк прячет промпты и усложняет отладку. (Anthropic, Building Effective Agents)
✚ Полный контроль: свои промпты, свой контекст, ничего лишнего; проще отлаживать.
− Всю обвязку (ретраи, журналы, согласования) подрядчик пишет и сопровождает сам.
Подходит: простые агенты (часто!) и, парадоксально, самые сложные — где фреймворк начинает мешать.
🔬 Под капотом: риск платформы — кейс на $0, который стоил людям года работы
В октябре 2025 OpenAI запустила Agent Builder — no-code конструктор агентов. Тысячи команд собрали на нём рабочие автоматизации. В 2026 OpenAI объявила: конструктор закрывается 30 ноября 2026, мигрируйте на Agents SDK — то есть «перепишите всё в коде». Платформа крупнейшего вендора прожила ~13 месяцев. (OpenAI, AgentKit)
Это и называется vendor lock-in — привязка к платформе: чем больше вашей логики живёт внутри чужого продукта, тем дороже переезд, когда продукт изменит цены, правила или закроется. Полностью избежать привязки нельзя — но можно выбирать её осознанно: открытый код, который можно увезти на свой сервер (n8n, Dify), привязывает слабее, чем закрытый сервис.
Отсюда главный вопрос заказчика на любой ступени: «как мы будем съезжать?» Что останется нашим — база знаний, промпты, логика, история диалогов — и в каком виде мы это заберём?
А Rasa? Честный статус
Rasa часто называют «опенсорс-альтернативой» — но это решение из другой эпохи и для другой ниши. Классическая Rasa — боты «старой школы»: распознают намерение по заранее заготовленным примерам фраз и ходят по жёстким сценариям. Современная надстройка CALM добавила LLM — но только для понимания реплики; сами шаги исполняет жёсткая логика. (Rasa, CALM)
Ниша Rasa в 2026 — регулируемые корпорации, которым нельзя отправлять данные во внешние LLM: CALM работает с небольшими локальными моделями полностью внутри своего контура. Для онлайн-школы это пушка по воробьям: если подрядчик предлагает Rasa без слов «требование — данные не покидают наш периметр», спросите почему.
Как выбрать ступень: три вопроса
Это типовая задача или ваш дифференциатор? Поддержку клиентов делают тысячи компаний — берите готовое (ступень 1–2). Уникальную механику вашего продукта — стройте (3–4).
Кто будет жить с этим после запуска? Ступени 1–2 поддерживает вендор или ваш сотрудник; 3–4 — подрядчик, и его поддержка должна быть в смете.
Что говорит статистика? Отчёт MIT (300 внедрений): 95% корпоративных AI-пилотов не дали эффекта на прибыль; при этом покупка у профильных вендоров успешна в ~67% случаев — втрое чаще, чем самостоятельная разработка. Дефолт — готовое; стройка — когда есть причина. (Fortune об отчёте MIT, авг. 2025)
Узнаёте логику? Это то же «начинайте с простого» из дерева выбора знаний (урок 15) — и та же развилка «managed или самосбор» из урока 14, поднятая на уровень всего проекта.
Зачем это вам как заказчику
Красный флаг: «сделаем всё на X» — где X любой модный фреймворк — без объяснения, почему именно X для вашей задачи. Нормальный подрядчик может рассказать, что у X под капотом и как вы с него съедете.
Прежде чем платить за разработку, потребуйте обоснование: «почему не готовый продукт? почему не конструктор?» Часовая проверка ступеней 1–2 экономит месяцы стройки.
Спросите про единицы оплаты: за результат (Fin), за сообщения (Chatbase), за действия (Zapier), за токены (API)? Переведите все варианты в «рублей за наш месяц работы».
Проверьте себя
Повторение блока 2. Для ассистента поддержки на сотни вопросов в день от учеников по базе в 2000 страниц вы выбрали RAG. Подрядчик спрашивает: «А может, агентный поиск — Anthropic же так делает?» Ваш ответ?
Верно, дерево выбора усвоено! Путь выбирает нагрузка, а не чужой пример: агентный поиск — инструмент для своих, RAG — сервис для толпы (урок 15).
Вспомните урок 15: профиль Claude Code (один пользователь, десятки запросов) противоположен профилю поддержки (сотни внешних запросов, секунды на ответ). А GraphRAG тут вообще ни при чём.
Нужен AI-агент в поддержку школы: отвечать на типовые вопросы, передавать сложные людям. С какой ступени начать разговор?
Именно! Поддержка — самая типовая задача на рынке. Сначала посчитать готовое (2000 диалогов × 60% решений × $0.99 ≈ $1200/мес), и только если рамки продукта жмут — спускаться по лестнице.
Поддержка — задача, которую решают тысячи компаний: дефолт — готовый продукт, а MIT-отчёт говорит, что покупка успешнее самостройки втрое. Стройка (на фреймворке или API) — когда готовое проверено и не подошло.
Подрядчик: «Сделаем вашего куратора на Rasa — это проверенный опенсорс». Какой вопрос вскроет проблему?
Верно! Rasa оправдана, когда данные не могут покидать контур компании или нужны строго детерминированные сценарии. Для куратора онлайн-школы это пушка по воробьям — вероятно, подрядчик просто продаёт то, что умеет.
Звёзды — не аргумент (у Rasa их много), дело в нише: жёсткие сценарии + локальные модели для регулируемых компаний. Правильный вопрос — «зачем нам именно это, если требования „без внешних LLM“ у нас нет?»
Чем фреймворк (ступень 3) принципиально отличается от готового продукта (ступень 1)?
Точно! Это главная словарная ловушка рынка: «возьмём готовый фреймворк» звучит как экономия, но означает стройку — со сметой, сроками, поддержкой и вопросом «как съезжать».
«Опенсорс» не значит «дёшево»: фреймворк бесплатен, но работа подрядчика с ним — нет. Ключевое различие: продукт работает сам, фреймворк — конструктор для разработчика.
Чему учит история OpenAI Agent Builder (запущен окт. 2025 — закрыт нояб. 2026)?
Верно! Даже платформа крупнейшего вендора прожила ~13 месяцев. Урок не «бойтесь no-code», а «оценивайте привязку»: открытое и переносимое (n8n на своём сервере) привязывает слабее закрытого сервиса.
Вывод не про no-code вообще и не про конкретную компанию: любой вендор может закрыть продукт. Урок — про осознанную привязку: что останется вашим и в каком виде вы это заберёте.
Практика: прогоните свои задачи по лестнице
🛠 Задание на 10 минут
Выпишите три задачи, которые хотите автоматизировать агентами (например: поддержка учеников, сборка еженедельного отчёта по запуску, разбор входящих заявок).
Для каждой ответьте: типовая или уникальная? кто будет поддерживать? — и назначьте ступень лестницы.
Проверка боем: спросите Claude Code: «Для задачи [ваша задача №1] сравни четыре пути: готовый SaaS-продукт (назови 2–3 актуальных), no-code конструктор, заказная разработка на фреймворке, разработка на голом API. Дай рекомендацию с расчётом примерной месячной стоимости каждого пути».
Если его ступень не совпала с вашей — разберитесь почему: это лучший момент урока.
Что дальше
Ступень выбрана — пора понять, из чего состоит сама автоматизация: триггеры, шаги, и где в конвейере место LLM. Об этом следующий урок.