ИИ-агент на OpenAI - это не разовый промпт в ChatGPT, а рабочая система, которая вызывает функции, помнит контекст диалога и подключена к CRM, доставке или эквайрингу заказчика. Делаю такие штуки для интернет-магазинов, Telegram-ботов на aiogram и связок в n8n, и от проекта к проекту повторяется один и тот же набор компонентов. Ниже разбираю, что реально входит в разработку такого агента и на что уходит бюджет.
По теме статьи
Готовое решение
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Подключу к вашему сайту чат-бота на Claude API. Бот отвечает на вопросы клиентов голосом вашего бренда, знает каталог и условия доставки, забирает лиды в CRM или Telegram.
от25 000 ₽
AI / Claude API
Искусственный интеллект для бизнеса
AI-чатбот на сайт с базой знаний, автообработка заявок, генерация контента, умный парсинг. Claude API, OpenAI, RAG.
от50 000 ₽
Из чего состоит ИИ-агент на OpenAI для рабочих задач
Когда беру заказ на агента, а не просто чат-бота с промптом, собираю пять слоёв, и от того, сколько из них реально нужно бизнесу, зависит и срок, и цена.
- Модель - флагман OpenAI или более лёгкая mini-версия для рутинных ответов, выбираю по соотношению цена и качество под конкретный поток запросов.
- Инструменты (function calling) - функции, которые агент может вызвать: создать заказ в CRM, посчитать доставку через СДЭК, проверить статус оплаты.
- Память и состояние - база на сервере в РФ, где хранится история диалога и контекст клиента, без иностранных облаков вроде Google Sheets, если там лежат контакты людей.
- База знаний для RAG - документы компании, прайсы, инструкции, из которых агент берёт факты, а не выдумывает их.
- Оркестрация - код, который решает, когда вызвать модель, когда функцию, а когда просто вернуть готовый ответ, и что делать при сбое внешнего API.
На практике для магазина на Tilda это обычно связка: кастомный скрипт на сайте, бэкенд на PHP на обычном хостинге, который дёргает OpenAI и параллельно СДЭК и эквайринг, и админка, где видно всю переписку с клиентом. Отдельный сервер тут не нужен: агент ходит по HTTP и складывает диалоги в MySQL.
Responses API и обычный function calling: что выбираю для агентов
OpenAI за последние два года несколько раз меняла интерфейс для агентов, и в задачах это ощущается напрямую. Assistants API, который был стандартом в 2024 году, OpenAI отключила 26 августа 2026 года: теперь агентов собирают на Responses API, который объединяет в одном вызове модель, инструменты и хранение истории.
Для простых сценариев, где агент в основном отвечает и изредка вызывает одну-две функции, беру обычный Chat Completions с function calling и сам пишу цикл обработки: для сайта на PHP, для Telegram-бота на Python с aiogram. Это дешевле по токенам и полностью под моим контролем.
Для более сложных агентов, где нужен встроенный поиск по файлам, выполнение кода или веб-поиск, использую Responses API - там эти инструменты уже подключены, и не приходится реализовывать поиск по векторной базе с нуля.
| Вариант | Что это | Когда использую |
|---|---|---|
| Chat Completions + function calling | Ручной цикл вызовов, полный контроль над логикой | Простой бот с 1-2 функциями и жёстким бюджетом на токены |
| Responses API | Встроенные инструменты: поиск по файлам, код, память диалога | Агент с базой знаний и несколькими внешними системами |
| Assistants API | Отключён с 26 августа 2026 года, новые и старые проекты на нём не работают | Нет, нужна миграция на Responses API |
Какие интеграции нужны ИИ-ассистенту на GPT в реальном бизнесе
Модель сама по себе ничего не решает, ценность агента в инструментах, которые она вызывает. В моих проектах чаще всего повторяются такие задачи:
- приём и квалификация заявок из Tilda-скриптов - агент читает форму, задаёт уточняющие вопросы, передаёт готовый лид в CRM;
- расчёт доставки через API СДЭК прямо в диалоге, без переключения на менеджера;
- проверка оплаты и статуса заказа через эквайринг, например связку T‑Bank с WooCommerce;
- Telegram-бот на aiogram, где агент ведёт переписку и параллельно пишет в CRM;
- сборка сценария через n8n, когда часть логики удобнее держать в визуальных нодах, а GPT отвечает только за текст и принятие решений.
Если нужна такая интеграция под конкретный процесс, беру такие задачи в рамках услуг по веб-разработке и автоматизации, где расписаны форматы работ и что входит в каждый.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
База знаний и RAG: как агент отвечает по документам компании
RAG (retrieval-augmented generation) нужен, когда агент должен отвечать не общими фразами, а по конкретным документам компании: прайсу, регламенту, условиям доставки. Документы режу на куски, перевожу в эмбеддинги и кладу в векторную базу. При вопросе клиента агент ищет там релевантные фрагменты и подставляет их в промпт, вместо того чтобы полагаться на общие знания модели, которые могут быть неточными или устаревшими.
Плюс такого подхода в том, что ответ можно проверить по источнику и увидеть, откуда агент взял цифру. Минус - базу нужно переиндексировать при каждом заметном изменении документов, и это отдельная задача в поддержке проекта, а не разовая настройка.
Если в базе лежат не только прайсы, а контакты клиентов и история обращений, держу такую базу на сервере в РФ, а не в стороннем облаке - этого требует 152-ФЗ, и на практике это ещё и снимает вопросы с задержками, сервер стоит ближе к пользователям.
Память диалога, лимиты и ограничения GPT-агента
У модели есть контекстное окно, и при длинном диалоге приходится либо ужимать историю через суммаризацию, либо хранить только последние N сообщений плюс краткую выжимку по клиенту. Без этого агент через пару десятков реплик либо забывает начало разговора, либо упирается в лимит токенов и падает с ошибкой.
Если агент берёт данные из внешних документов или писем, добавляю проверку на то, что он не выполняет инструкции, найденные внутри самого документа - это стандартная дыра для агентов с RAG, когда в присланном файле лежит текст вроде «игнорируй предыдущие инструкции».
Стоимость токенов тоже стоит считать заранее. На связке младшей модели OpenAI и function calling один диалог с клиентом обычно обходится в доли рубля, но при потоке в несколько тысяч заявок в месяц это уже статья расходов, которую закладываю в расчёт вместе с ценой разработки.
Сколько стоит разработка агента на OpenAI и из чего складывается цена
| Тип задачи | Что входит | Пример из практики |
|---|---|---|
| FAQ-бот без CRM | модель, промпт, канал в Telegram | ответы на частые вопросы без записи в базу |
| Агент с CRM и оплатой | function calling, вебхуки, логирование | связка вроде T‑Bank и amoCRM в одном сценарии |
| Агент с базой знаний | векторная база, переиндексация, оркестрация | ответы по документации или прайсу компании |
По деньгам ориентируюсь так:
- AI-интеграция (Claude API, OpenAI, RAG) - от 50 000 ₽;
- чат-бот с базой знаний (RAG) - от 50 000 ₽;
- Telegram-бот - от 30 000 ₽;
- автоматизация в n8n - от 25 000 ₽;
- техподдержка агента после запуска - от 15 000 ₽ в месяц;
- консультация перед стартом, если нужно сначала прикинуть архитектуру - от 3 000 ₽.
Итоговая сумма растёт от количества внешних систем, которые агент должен вызывать, и от того, нужна ли своя база знаний или хватает промпта с парой функций.
Частые вопросы
Чем ИИ-агент отличается от обычного чат-бота на GPT?
Чат-бот просто отвечает текстом на основе промпта. Агент дополнительно вызывает функции: создаёт заказ, считает доставку, обновляет статус в CRM, и сам решает, какую функцию вызвать в конкретный момент диалога.
Нужен ли отдельный API-ключ OpenAI или хватит подписки ChatGPT Plus?
Для рабочего агента нужен именно API-ключ OpenAI с оплатой по токенам, подписка ChatGPT Plus для этого не подходит - она привязана к интерфейсу chat.openai.com и не даёт доступа к function calling и Responses API в вашем коде.
Сколько времени занимает разработка ИИ-агента на OpenAI?
Простой бот с 1-2 функциями и без базы знаний обычно занимает 1-2 недели. Агент с интеграцией CRM, эквайринга и доставки, плюс RAG по документам компании, растягивается на 4-6 недель, в основном из-за тестирования на живых заявках и настройки внешних API.
Можно ли подключить такого агента к сайту на Tilda или WordPress?
Да, на Tilda обычно ставлю кастомный скрипт, который обращается к серверной части с логикой агента, а на WordPress бэкенд можно завести прямо в теме или отдельным сервисом. Сама модель и function calling живут на сервере, фронтенду отдаётся только готовый ответ.