Стек, который мы используем в реальных проектах
Не список всего, что умеем — это была бы маркетинговая страница. Здесь — инструменты, которые реально появляются в наших проектах, с объяснением когда и почему.
Четыре провайдера. Выбираем под задачу и требования к данным.
Используем в проектах, где данные не должны покидать российскую инфраструктуру. GigaChat и YandexGPT работают на российских серверах, подходят под требования 152-ФЗ. Для задач с персональными данными — это часто единственный правильный выбор, а не запасной вариант.
Применяем в: квалификаторы лидов, FAQ-агенты, маршрутизаторы запросов.
Хорошо интегрируется с другими Яндекс-сервисами. Быстрый, стабильный API, хорошая документация, поддержка function calling. Для проектов в экосистеме Яндекса — естественный выбор.
Применяем в: OCR-агенты (в связке с DocumentAI), чат-боты для ритейла, агенты в Яндекс.Облаке.
Лучшее следование инструкциям среди всех моделей в нашей практике, длинный контекст (200 000 токенов в Sonnet), точность на юридических и технических текстах.
Применяем в: анализ договоров, ревью технической документации, агенты для юридических фирм (с учётом маршрутизации ПДн).
Ограничение: сервера за пределами РФ. Если задача связана с ПДн — нужна анонимизация перед отправкой или смена провайдера.
Используем в проектах без жёстких требований к локализации данных, особенно когда нужна мультимодальность (изображения + текст).
Применяем в: агенты с разбором фотографий документов, визуальная проверка актов и накладных, задачи где нужен vision.
n8n как основной движок. Когда добавляем Python.
Почему n8n, а не Zapier или Make
- Данные на вашей инфраструктуре, не в облаке сервиса.
- Открытый исходный код — можно посмотреть, что именно происходит с данными.
- Нативный LLM-узел, работа с JSON, HTTP-запросы без ограничений.
Когда добавляем Python/кастомный код
n8n не всегда хватает для: сложной обработки документов (PDF parsing, OCR постобработка), векторных баз данных (FAISS, Chroma, Weaviate), сложной бизнес-логики с множеством условий, интеграции с 1С через COM-объект.
В таких случаях пишем Python-микросервис и вызываем его через HTTP из n8n. Агент остаётся читаемым в n8n, только один узел вызывает внешний код. Это примерно 20% проектов.
Типичная архитектура агента
→ Нормализация входных данных
→ LLM-узел (промпт + данные пользователя)
→ Routing (ветвление по типу запроса)
→ Tool calls (CRM API / база знаний)
→ Формирование ответа
→ Отправка (Telegram / email / запись в CRM)
→ Логирование
Bitrix24 и AmoCRM: глубина интеграций и практические нюансы.
Bitrix24
- Создание и обновление лидов, сделок, контактов через REST API
- Чтение и запись кастомных полей
- Вебхуки о событиях (новая заявка, смена статуса)
- Написание в открытые линии
Rate limiting в Cloud: 50 запросов/сек — при высокой нагрузке нужна очередь запросов, мы это учитываем.
AmoCRM
- Полный CRUD сделок, контактов, компаний
- Работа с воронками и этапами
- Вебхуки на изменения статусов
Типичный сценарий: новая заявка → агент квалифицирует в Telegram → создаёт сделку в AmoCRM с тегами + нужным этапом + задачей менеджеру. Время: 2–3 минуты без участия человека.
1С 8.3: два способа интеграции и когда что выбирать.
Начиная с 1С 8.3.6 платформа поддерживает собственные HTTP-сервисы. Агент вызывает их через n8n. Работает удалённо, не нужен Windows-сервер рядом с агентом.
Ограничение: нужен программист 1С для написания HTTP-обработчика (~8–16 ч работы).
Стандартный OData-интерфейс — самый простой способ получить данные на чтение. Подходит для выгрузки справочников, документов, остатков.
Для простых задач (агент читает прайс-лист из 1С, сверяет номенклатуру) — OData достаточно.
Прямое управление 1С через COM-объект — максимальная гибкость, любые операции.
Ограничение: только Windows, только там, где 1С установлена локально. Python-агент должен жить в той же локальной сети.
Telegram, WhatsApp, VK: где живут ваши клиенты.
Telegram Bot API
Основной канал для B2B-агентов в России. API стабильный, документация подробная, вебхуки работают надёжно.
Что умеет агент: диалог (FSM — конечные автоматы), inline-кнопки для квалификации (бюджет / тип задачи / срочность), отправка документов и медиа, групповые чаты как ассистент команды.
WhatsApp Business API
В России доступен через официальных провайдеров (360dialog, Waba.io и др.). Стоимость: от 3 000 ₽/мес за доступ к API + плата за сообщения.
Используем когда: клиент работает с физлицами (B2C) или в нише, где аудитория активна в WhatsApp (строительство, ритейл, медицина).
Распознавание и синтез речи: российские и глобальные варианты.
Open source модель транскрипции от OpenAI. Разворачиваем локально — данные никуда не уходят. Применяем в: расшифровка совещаний, обработка аудиосообщений в Telegram. Разворачивается на GPU-сервере клиента или в закрытом контуре.
STT-решение от Сбера на российских серверах. Хорошее качество распознавания русской речи, включая профессиональную лексику. Применяем в: голосовые боты для колл-центров, расшифровка звонков в CRM.
Синтез речи высокого качества. Используем в проектах, где нужен голос конкретного бренда или исходящие голосовые уведомления.
Ограничение: сервера за рубежом. Для проектов с требованиями к локализации — используем российские TTS (Sber Speech, Yandex SpeechKit).
Где живёт агент: три варианта размещения.
Агент разворачивается на вашей инфраструктуре. Данные не покидают вашу сеть.
- Когда выбираем: ПДн, медицинские данные, банковский сектор, корпоративные NDA
- Требования: VPS или выделенный сервер Linux, минимум 4 ГБ RAM для n8n
Данные в РФ, сервера сертифицированы, подходит под 152-ФЗ. Не нужно своей инфраструктуры.
- Когда выбираем: нет своей инфры, но данные должны быть в РФ
- Стоимость: от 2 000 ₽/мес за VPS с n8n
Для проектов без требований к локализации данных.
- Когда выбираем: глобальный стартап, данные без ПДн, нужна глобальная CDN
Что важно знать до начала проекта, а не после.
Персональные данные (152-ФЗ)
Если агент обрабатывает ФИО, телефоны, адреса — LLM, которая это видит, должна быть российской или агент должен анонимизировать данные перед отправкой в зарубежную модель.
В большинстве B2B-сценариев агент работает с бизнес-данными (ID сделки, суммы, категории), а не с ПДн напрямую. Прорабатываем архитектуру так, чтобы ПДн в промпт не попадали.
Что мы делаем по умолчанию
- В ТЗ явно прописываем, какие поля данных агент видит
- Анонимизируем ПДн до передачи в LLM где это возможно
- Рекомендуем хранение логов диалогов отдельно от CRM
- При необходимости делаем вариант с полностью российским стеком
Lock-in и зависимость
Агент на n8n — открытый код, читаемые workflows. Если вы решите уйти к другому подрядчику, забрать агента и продолжить работу с ним — технических препятствий нет. Мы специально не создаём зависимостей.
Промпты агента — это ваши данные. Системный промпт содержит описание вашего процесса и правил поведения. Он хранится в вашей инфраструктуре, не «у нас в базе».
Инструменты, которые проверены в рабочих проектах, а не в презентации
Российский стек — не компромисс, а выбор
GigaChat и YandexGPT работают на российских серверах, подходят под требования 152-ФЗ и не зависят от курса доллара в инфраструктурных расходах клиента. Для задач с персональными данными — это часто единственный правильный выбор, а не запасной вариант. Мы работаем с обоими провайдерами в продакшн-режиме.
Глобальные модели — когда задача требует
Антропик и OpenAI дают более высокую точность на сложных сценариях: анализ договоров, генерация структурированного вывода, работа с кодом. Если ваша задача требует максимальной точности и данные можно обрабатывать за пределами РФ — используем лучший инструмент под неё, а не под маркетинг.
Оркестрация через n8n — почему не кастомный код
n8n — open source, разворачивается на вашем сервере, визуальная логика читается без программиста. Агент, которого мы сдали вам, вы можете открыть и посмотреть, как он устроен. Без lock-in к нашей инфраструктуре. Кастомный Python-код добавляем там, где n8n принципиально не хватает мощности — это примерно 20% проектов.
Нужна консультация по выбору стека для вашей задачи?
Покажите нам задачу — оценим, какой стек подходит, почему, и что это будет стоить. Аудит бесплатный.