Диалог должен запускать процесс
Ассистент собирает вводные и вызывает функции CRM, внутреннего сервиса или редактора через согласованные инструменты.
Все услуги
AI · TOOL CALLING · MCP · BACKEND
Разработка AI-агентов и LLM-интеграций для продукта
Подключу модель к конкретному процессу: собрать контекст, вызвать разрешённое действие, проверить результат и продолжить задачу после ошибки. Начинаем с одного сценария и понятного критерия качества.
Обсудить задачу Первый шаг — выбрать задачу, границы инструментов и способ проверки результата.
Контрактытипизированные входы и результаты инструментов
Состояниезадача сохраняется между вызовами модели
Проверкаправа, параметры и результат на стороне приложения
КОГДА ПОДКЛЮЧАТЬ
Когда агенту нужно действовать внутри продукта
Полезный сценарий связывает контекст пользователя с ограниченным набором действий и проверяемым результатом.
Генерацию нужно редактировать
Модель создаёт документ, HTML-кадр или другой артефакт, который проходит проверку и остаётся доступным для правок.
Задача занимает несколько шагов
Нужно сохранять контекст, статусы операций и результаты, восстанавливать выполнение после сбоя.
Приложение подключают через MCP
Нужен интерфейс чтения и действий с авторизацией и теми же правилами, что действуют для пользователей приложения.
ЧТО ПОЛУЧИТЕ
Один работающий сценарий с наблюдаемым результатом
До реализации согласуем, где модель выбирает действие, что проверяет backend и когда требуется решение человека.
Модель процесса
Шаги, состояние задачи, данные контекста и критерии успешного завершения.
Инструменты агента
Схемы параметров, серверные проверки, результаты операций и необходимые интеграции.
Проверка качества
Набор репрезентативных сценариев, ошибки инструментов, неполные данные и ограничения модели.
Запуск и передача
Код, конфигурация, диагностика и описание границ реализации; стоимость вызовов и сопровождения оцениваем отдельно.
КАК ИДЁТ РАБОТА
Короткий путь от вопроса к решению
- 01
Выбираем сценарий
Какую работу выполняет пользователь и чем проверяется полезный результат.
- 02
Описываем инструменты
Какие данные агент читает, какие действия вызывает и с какими полномочиями.
- 03
Собираем рабочий контур
Модель, backend, состояние задачи и интерфейс результата.
- 04
Проверяем ограничения
Неудачные вызовы, повторы, качество генерации, задержки и стоимость на выбранных примерах.
ОПЫТ
Проекты и инженерная практика
открытый runtime
Явное состояние, события, инструменты инспекции и генерация контрактов.
LLM и артефакты
Работа над tool calling, семантическим контекстом и проверкой HTML-генерации.
MCP и действия
Чтение состояния и выполнение игровых действий через авторизованный серверный runtime.
TypeScriptNestJSLLMTool callingMCPEBCAPostgreSQL
ПРАКТИКА
Опыт в реальных проектах
Контекст, моя роль и результаты описаны отдельно. Масштаб одного проекта не является обещанием результата для другой задачи.
01 SimbaDimba
Как Павел Степанов прошёл путь от 10+ CustDev-интервью до MVP AI-коуча в Telegram: продукт, архитектура AI-агентов и небольшая команда.
02 EBCAОткрытый проект Павла Степанова: компоненты состояния, обработчики событий, инспекция runtime и генерация WebSocket- и GraphQL-контрактов.
03 Tabletop ForgeПлатформа Павла Степанова для настольных RPG: редактор правил и интерфейсов, отдельные игровые сессии, хранение миров и MCP для AI-агентов.
04 VIVIAI RuntimeРабота Павла Степанова над VIVIAI Runtime: LLM tool calling, состояние диалогов, команды, генерация HTML-артефактов и проверка результатов моделей.
ДО НАЧАЛА РАБОТЫ
Что стоит уточнить
Сколько стоит работа и какие сроки?
Оценка зависит от объёма, доступа к системам и критериев приёмки. Сначала разбираем один сценарий и ограничения, затем согласуем этапы, стоимость и срок. Для первой беседы достаточно описания задачи и обезличенного примера.
Кто работает над задачей и что остаётся после запуска?
Задачу разбираю лично я, Павел Степанов. До начала фиксируем состав работ, исходный код, документацию и порядок передачи. Поддержку и дальнейшее развитие обсуждаем отдельно.
ПО ТЕМЕ
Практика и инженерные решения
ПЕРВЫЙ ШАГ
Какую работу должен выполнять агент?
Опишите один сценарий, существующие системы и пример хорошего результата. По этим вводным разберём реализуемость и первый этап.