Metabot Agent Stack

AI-компоненты для сценариев, диалогов и управляемых AI-процессов

Metabot Agent Stack (MAS) — это набор AI-компонентов платформы Metabot, который позволяет встраивать искусственный интеллект внутрь сценариев, диалогов и бизнес-процессов.

Это не просто “чат с ИИ” и не отдельный агент, живущий сам по себе.

Это AI-runtime внутри Metabot, где интеллект работает как управляемый слой системы: анализирует свободный текст и голос, обращается к знаниям, возвращает структуру, помогает принимать решения внутри сценария — но не заменяет сам сценарий.

Зачем это нужно

Обычный сценарий хорошо работает, пока пользователь отвечает строго по структуре:

нажимает кнопки
выбирает варианты
идёт по заранее заданным веткам

Но в реальном диалоге это быстро ломается.

Например, сценарий ожидает:

Выберите тип проблемы

А пользователь пишет:

Соседи сверху топают, слышу шаги и телевизор через потолок

Для дерева условий это шум. Для Metabot Agent Stack — это нормальный вход в AI-сценарий.

Здесь подключается LLM Query: компонент, который анализирует сообщение, извлекает смысл и возвращает структурированный результат, после чего сценарий продолжает работу уже в понятной и управляемой логике.

Как это работает

Типовой паттерн выглядит так:

вопрос сценария → ответ пользователя → AI-компонент → структурированный результат → следующий шаг сценария

Например:

{
  "problem_type": "ударный шум",
  "source": "потолок",
  "room_type": "спальня"
}

То есть AI здесь не заменяет сценарий. Он помогает сценарию:

понять свободный ввод
извлечь структуру
обработать голос
найти знания
и продолжить процесс без потери контроля

Главная идея Agent Stack

Metabot Agent Stack нужен там, где одного дерева условий уже недостаточно, но при этом нельзя потерять управляемость процесса.

AI здесь выполняет роль:

семантического анализа
интеллектуального вычислительного узла
обработки свободного текста
поиска по базе знаний
работы с голосом
извлечения структуры
генерации ответа в рамках логики сценария

То есть MAS — это не “бот с ИИ”. Это сценарная система со встроенным AI-слоем.

Почему это другой класс решения

На рынке обычно есть два полюса:

1. Сценарные бот-платформы

Они хорошо умеют:

кнопки
ветки
анкеты
воронки
рассылки

Но как только нужно:

понимать свободный текст
использовать голос
работать с базой знаний
извлекать сущности
встраивать интеллект в процесс

архитектура начинает ломаться или обрастать костылями.

2. Открытые AI-чаты и agentic AI

Они умеют:

общаться свободно
рассуждать
генерировать текст
использовать инструменты

Но у них часто нет:

сценарной архитектуры
предсказуемой логики переходов
управляемого контракта ответа
контроля пользовательской траектории
встроенной бизнес-логики

Metabot Agent Stack соединяет эти два мира.

Ты получаешь:

управляемость сценарной платформы
гибкость AI-компонентов
расширяемость через код и плагины
возможность строить AI-процессы без потери контроля

Ключевые компоненты MAS

LLM Query

Главный AI-компонент для сценариев.

Позволяет:

отправить запрос в языковую модель
передать контекст и промпт
получить текст или JSON
сохранить результат в атрибуты
продолжить сценарий по логике

Подходит для анализа сообщений, классификации, извлечения структуры, определения намерения, профилирования и генерации ответа.

Voice Input

Компонент голосового ввода.

Позволяет:

принимать голосовые сообщения
распознавать речь
передавать результат дальше в сценарий
использовать голос как полноценный входной интерфейс

Knowledge Base Search

Компонент работы с базой знаний.

Используется для:

FAQ
инструкций
продуктовых описаний
внутренних регламентов
корпоративных знаний

Позволяет строить knowledge-based ответы и снижать галлюцинации модели.

Prompt Registry

Контур управления промптами.

Позволяет:

выносить промпты из кода
хранить их в таблицах
переиспользовать
версионировать
разделять по задачам и агентам

Это важно там, где AI становится частью продукта, а не разовой настройкой.

LLM Client

Низкоуровневый AI-клиент для инженеров и интеграторов.

Отвечает за:

сборку промптов
transport
fallback-логику
конфигурацию моделей
обработку ответа
трассировку

Tracing & Observability

Встроенная трассировка AI-процессов.

Позволяет видеть:

какой промпт ушёл
какой ответ пришёл
сколько занял запрос
какие токены были израсходованы
где возникла ошибка

Это делает AI-процессы объяснимыми, отлаживаемыми и пригодными для реальной эксплуатации.

Три уровня Metabot Agent Stack

Уровень	Для кого	Что внутри
High-level	сценаристы и low-code специалисты	LLM Query, Voice Input, Knowledge Base Search, Prompt Registry
Engineering layer	инженеры и интеграторы	LLM Client, transport, async execution, fallback, runtime control
Infrastructure	надёжность и масштабирование	knowledge base, storage, tracing, observability, state

Что можно собрать на MAS

На базе Metabot Agent Stack можно запускать:

AI-консультантов по базе знаний
продуктовые ассистенты
support-сценарии и сервисные боты
голосовые интерфейсы
AI-квалификацию лидов
профилирование пользователей
маршрутизацию сложных запросов
внутренние ассистенты для команд
гибридные AI-сценарии с данными и API

Что ты получаешь в рамках этого испытания

В испытании без алиби ты получаешь не “магический AI”, а доступ к стеку, логике и компонентам, через которые интеллект становится частью управляемой системы.

Тебе открываются:

описание архитектуры MAS
документация по компонентам
понимание того, как AI встраивается в сценарий
примеры практического использования
связь между сценарием, интеллектом, данными и ответственностью

Задача здесь не просто “посмотреть на AI”.

Задача — понять:

как интеллект работает внутри системы и почему ответственность всё равно остаётся на человеке

Где это уже видно на практике

Если ты уже проходил Orion, то ты, скорее всего, видел часть компонентов MAS в работе.

Например, в профилировании используются:

LLM Query
Voice Input
AI-обработка ответов внутри сценария

То есть Metabot Agent Stack — это не абстрактный набор функций, а уже работающий слой внутри реальной системы.

Чем MAS полезен именно для этого испытания

Испытание без алиби посвящено не “восхищению ИИ”, а позиции оператора.

Именно поэтому MAS здесь важен:

он показывает, что интеллект можно встроить в процесс
показывает, что AI — это не магия, а архитектурный слой
помогает увидеть, где заканчивается модель и начинается ответственность человека
даёт практический язык для работы с AI-системами без сакрализации

Главное отличие

Metabot Agent Stack — это не набор разрозненных AI-функций. Это целостная компонентная архитектура для управляемых AI-процессов внутри платформы Metabot.

Ты не выбираешь между:

жёстким сценарием без интеллекта
и свободным AI без контроля

Ты получаешь третью модель:

сценарий + интеллект + данные + голос + знания + инженерная управляемость

в одной системе.

Документация

Подробная документация по стеку, компонентам и инженерным возможностям доступна здесь:

👉 Открыть документацию Metabot Agent Stack

Если хочешь глубже разобраться в разработке, конфигурации и практических сценариях использования — начинай оттуда.

Короткая формула

Metabot Agent Stack — это AI-runtime для сценариев, диалогов и управляемых AI-процессов внутри Metabot.

Полная версия