Портфолио

Проекты, которыми мы гордимся

SynthIQ Agent — помощник, который всегда на связи

Помощник работает круглосуточно, помнит прошлые разговоры и сам ходит в 20+ рабочих программ компании. Писать ему можно в Telegram, в рабочем чате или из браузера — как обычному сотруднику.

Результат

Ответ на рутинный запрос: часы → секунды
20+ подключений заменили 4 отдельных бота
Работает круглосуточно, доступен 99.9% времени

Проблема: Команде из 50+ человек нужен был один помощник, который сводит вместе разрозненные программы — задачи, рабочий чат, CRM, почту и документы — и доступен круглосуточно, чтобы не прыгать между окнами.
Решение: Собрали помощника, который сам обращается к 20+ рабочим программам (коннекторы по технологии MCP), держит общую базу знаний со связями между людьми, задачами и документами, знает заранее заготовленные сценарии и выполняет поручения по расписанию.

Claude Agent SDKMCPNeo4jDockerTypeScript

3 месяца

GraphForge — база знаний, которая обновляет себя сама

Помощники читают задачи, почту и календарь и сами дописывают базу знаний компании — связи между людьми, проектами и документами всегда актуальны.

Результат

10 000+ автоматических обновлений базы в неделю
Актуальность данных: дни → минуты
Ручное обновление больше не нужно

Проблема: База знаний компании (10 000+ записей) устаревала за пару дней: обновлять её руками было работой на двух аналитиков, а задачи, почта и календарь между собой не сходились.
Решение: Сделали помощников, которые сами достают факты и связи из 5 источников и вносят их в базу знаний. Каждое изменение проверяется и попадает в журнал.

Neo4jPythonAI AgentsGraph Mutations

2 месяца

Agent Swarm — ежедневная сводка по команде

Группа помощников по расписанию собирает данные о работе сотрудников из задач, почты, календаря и CRM и присылает каждому руководителю готовую сводку за день.

Результат

Ручной сбор данных: -80%
Сводка за 15 минут вместо 2 часов
Охват: 50+ сотрудников

Проблема: Руководители тратили 2+ часа в день, чтобы вручную собрать картину по сотрудникам: задачи, почта, встречи и CRM жили в разных программах, общего обзора не было.
Решение: Помощники по расписанию сами забирают данные из 4 программ, приводят их к одному виду в общей базе знаний и готовят персональную сводку для каждого руководителя.

Agent SwarmCronNeo4jData Mining

2 месяца

Долговременная память для помощника

Слой памяти для помощника, который работает круглосуточно: он помнит, о чём договорились неделю назад, и не начинает каждый разговор с чистого листа. Память собрана из 4 связанных сетей поверх базы знаний. Разворачивается на вашем сервере, лицензия открытая (MIT).

Результат

Помощник помнит контекст между разговорами — неделями и месяцами
Каждый факт привязан к дате: «что обсуждали в марте» находится по времени

Проблема: Помощники теряли нить между разговорами — каждый следующий диалог начинался с нуля.
Решение: Развернули память из 4 связанных сетей поверх базы знаний со связями. Каждый разговор пополняет долговременную память: повторы склеиваются автоматически, а помощник сам перечитывает и уточняет накопленное. В основе — открытая система памяти Hindsight: в замере её авторов она набрала 91,4% на тесте LongMemEval (с моделью Gemini 3 Pro, декабрь 2025).

Agentic MemoryNeo4jMCPDockerProduction 24/7

4 месяца

Hybrid GraphRAG — ответы по базе документов компании

Система отвечает на вопросы по внутренним документам: ищет и по смыслу текста, и по связям между документами. 93%+ верных ответов на проверочных наборах.

Результат

93%+ верных ответов на отраслевых проверках
Прирост +20% к обычному поиску по смыслу
Ответ на запрос — меньше 0,5 секунды

Проблема: Обычный поиск по смыслу давал 70-75% верных ответов на отраслевых вопросах — для рабочего применения в корпоративной аналитике этого мало.
Решение: Собрали систему, которая совмещает два способа поиска: по связям между документами и по смыслу текста. Ответ строится в два прохода — сначала широкая выборка, затем отбор самого подходящего.

GraphRAGKNNPythonNeo4j

1 месяц

Корпоративный чат с помощником

Один чат с помощником на всю компанию: у каждого сотрудника свои права доступа, писать можно текстом и голосом, присылать картинки и документы.

Результат

100+ сотрудников, у каждого свои права
Ввод текстом, голосом и файлами
Среднее время ответа — меньше 3 секунд

Проблема: Компании нужен был единый чат с помощником на 100+ сотрудников — с разными правами доступа, обращением к внутренним программам и поддержкой голоса, изображений и документов.
Решение: Построили платформу со входом по корпоративной учётной записи и правами по ролям, обращением к внутренним программам, чатом на текст, голос, изображения и PDF и панелью администратора.

Vercel AI SDKNext.jsMCPOAuth2

2 месяца

CostGuard — счёт за нейросеть меньше на 75%

Разобрали, на что связка помощников тратит деньги, и сократили счёт за работу нейросети на 75% без потери качества ответов.

Результат

Счёт за нейросеть: $12 000 → $3 000/мес (-75%)
Качество ответов: сохранено на 97%+ от исходного
Скорость выполнения: +40% за счёт параллельной работы помощников

Проблема: Связка из 8 помощников обходилась в $12 000+ в месяц на работу нейросети: на каждом шаге пересылалась вся переписка целиком, и расход рос кратно.
Решение: Провели аудит и перестроили работу: промежуточные результаты стали храниться в файлах, а не пересылаться между помощниками; часть запросов ушла на модели, которые включают только нужную часть «мозга» (Nemotron 3 Super — 12 млрд параметров из 120 млрд); повторяющуюся часть запроса стали переиспользовать, а сами запросы — отправлять пачками.

Multi-AgentCost OptimizationMoEContext Engineering

1.5 месяца

LegalFlow — помощник для разбора договоров

Помощник читает договоры, вытаскивает ключевые условия и готовит короткое резюме для руководства. Связи между документами держит в общей базе знаний.

Результат

Разбор договора: 8 часов → 45 минут (-90%)
Точность извлечения условий: 94%+
База связей: 500+ документов, противоречия находятся сами

Проблема: Юридический отдел тратил 8+ часов на разбор каждого договора: найти ключевые условия, сравнить с прошлой версией, подготовить резюме для руководства. При потоке 50+ договоров в месяц задержки доходили до 2 недель.
Решение: Сделали помощника, который сам находит в договоре сроки, суммы, обязательства и условия обслуживания, выстраивает связи между документами в базе знаний и готовит структурированное резюме.

Claude APIMCPNeo4jLegalTechNLP

3 месяца

Sandbox Guardian — помощник не выходит за отведённые границы

Многоуровневая изоляция для помощников, у которых есть доступ к рабочим серверам: отдельная песочница, список разрешённых действий, наблюдение за поведением и аварийная остановка.

Результат

0 выходов за границы песочницы за 6 месяцев работы
Подозрительное поведение замечается меньше чем за 5 секунд
Все до одного вызова инструментов попадают в журнал

Проблема: Помощник с доступом к командной строке, файлам и внешним программам в принципе мог выйти за границы песочницы — как в случае Alibaba ROME (2026), где агент начал майнить криптовалюту на корпоративных серверах.
Решение: Закрыли помощника в отдельной файловой песочнице, развели процессы, оставили только разрешённый список инструментов с точными правами, добавили наблюдение за нагрузкой на процессор, сеть и диск и автоматическую остановку при превышении порогов.

Agent SecuritySandboxbwrapRuntime MonitoringDocker

1.5 месяца

SecureAgent — независимая проверка безопасности помощников

Проверка безопасности связки из 12 помощников: попытки выйти из песочницы, подмена инструкций, права на вызов инструментов и утечки данных между помощниками.

Результат

23 уязвимости обнаружены и устранены
Выход из песочницы: 3 способа закрыты
Время реагирования на отклонения: минуты → секунды

Проблема: Крупная компания запустила 12 помощников с доступом к внутренним программам — CRM, кадры, финансы. После случая с агентом Alibaba ROME, который начал майнить криптовалюту, понадобилась независимая проверка безопасности всей связки.
Решение: Провели проверку глазами злоумышленника: пробовали вывести помощника из песочницы, подменить ему инструкции (напрямую, через подсунутые документы и в несколько шагов), проверили права на все 47 инструментов и поискали утечки переписки между помощниками. Внедрили правила управления помощниками с аварийной остановкой и слежением за отклонениями.

AI SecurityRed TeamMCP AuditAgent Governance

1.5 месяца

MCP Shield — порядок в правах на подключения

Проверка и наведение порядка в 15+ подключениях к рабочим программам (коннекторы по технологии MCP): кто и что имеет право вызывать, проверка передаваемых данных и ограничение частоты обращений.

Результат

15+ подключений проверены и защищены
Разграничение доступа: 3 уровня ролей, 200+ правил «кому какой инструмент»
Несанкционированные вызовы блокируются в 100% случаев, перегрузок подключённых программ не было

Проблема: Связка помощников работала с 15+ подключениями — рабочий чат, задачи, хранилище кода, файловое хранилище, база знаний — без единых правил доступа. Любой помощник мог вызвать любой инструмент без ограничений по роли и частоте, а через такую цепочку могли утечь данные.
Решение: Проверили каждое подключение: расписали все инструменты по ролям (администратор, расширенный доступ, песочница), настроили проверку прав на каждый вызов и проверку передаваемых данных по описанию, закрыли доступ к рабочим каналам по участию, добавили ограничение частоты обращений и автоматические оповещения в канал безопасности.

MCP SecurityRBACOAuth2API HardeningTypeScript

2 месяца

AgentGov — правила, по которым работают помощники

Свод правил для связок из нескольких помощников: разбивка по уровням риска, пределы самостоятельности, автоматические предохранители, лимиты расходов, передача решения человеку, неизменяемый журнал действий и отчётность для проверяющих.

Результат

Цепные сбои: 3/мес → 0 за 4 месяца
Полный журнал действий с неизменяемой подписью — готовность к аудиту по EU AI Act
4 критичные операции подтверждает человек
Готовность к требованиям: EU AI Act, NIST AI 600-1, SOC 2

Проблема: Связки помощников — от 6 в финтех-компании до 10+ в крупной — работали без формальных правил: не было разбивки по уровням риска, лимитов на действия, передачи решения человеку, контроля расходов и журнала. Регуляторы запрашивали документы по управлению рисками и готовность к европейскому закону об ИИ (EU AI Act). Риск цепных сбоев здесь сопоставим с атаками групп-вымогателей Akira/Qilin через помощников (2026).
Решение: Разработали и внедрили свод правил: разбивку помощников по уровням риска европейского закона об ИИ, пределы самостоятельности для каждого, предохранители с лимитами по частоте и стоимости действий, обязательное подтверждение человеком для критичных операций, неизменяемый журнал с подписью каждого действия, запись причин каждого решения, сопоставление с требованиями EU AI Act / NIST AI 600-1 / SOC 2 и панель показателей соответствия.

Agent GovernanceEU AI ActCircuit BreakersHITLNISTComplianceFinTech

2.5 месяца

AgentMesh — 12 помощников работают как одна команда

Платформа, через которую помощники передают друг другу задачи и делятся результатом: общий формат сообщений, маршрутизация задачи к тому, кто умеет её решать, и передача по цепочке.

Результат

Время сложных задач: 30 мин → 5 мин (-83%)
Дублирование работы между помощниками: устранено
12 помощников работают как единая система

Проблема: 12 помощников работали изолированно — не могли передать задачу друг другу, дублировали работу и не имели общего языка. Сложная задача, где нужно несколько помощников, занимала больше 30 минут.
Решение: Разработали платформу с общим форматом сообщений, маршрутизацией задачи к тому помощнику, который умеет её решать, передачей по цепочке с запасным вариантом и единым наблюдением за всеми обменами.

Multi-AgentOrchestrationJSON-RPCTypeScriptNeo4j

2 месяца

AgentQA — контроль качества помощников

Платформа сама проверяет качество помощников: прогоняет их по реальным сценариям после каждого изменения, сравнивает варианты инструкций и предупреждает, если качество поехало.

Результат

Покрытие проверками: 500+ реальных сценариев
Время обнаружения поломки: дни → минуты
Сравнение вариантов инструкций с проверкой на случайность (p-value <0.05)

Проблема: Связка из 8 помощников не имела контроля качества — правки инструкций и смена модели незаметно ломали то, что раньше работало, а качество проверяли вручную на 10-20 примерах.
Решение: Построили конвейер проверок: автоматический прогон 500+ реальных сценариев после каждого изменения, сравнение двух вариантов инструкций с проверкой, что разница не случайна, наблюдение за качеством в реальном времени и оповещения при падении ниже порога.

Agent TestingCI/CDEvaluationPythonBenchmarks

1.5 месяца

AgentID — у каждого помощника свой пропуск

Учёт доступов для помощников: каждый получает собственный пропуск, ключи меняются по расписанию, любое действие записывается за конкретным помощником и привязано к структуре компании.

Результат

Действие привязано к конкретному помощнику в 100% случаев
Смена ключей проходит без остановки работы
Все 10+ выданных доступов — в едином реестре

Проблема: 10+ помощников работали под общими ключами и общими служебными учётными записями — нельзя было понять, кто именно что сделал. Смена одного ключа ломала сразу всех, а списка выданных доступов не существовало.
Решение: Разработали учёт доступов, где у каждого помощника свой пропуск и свои ключи: ключи меняются по расписанию без остановки работы, каждое действие записывается за конкретным помощником, права выдаются по ролям и связаны со структурой компании.

NHIIdentity ManagementRBACKey RotationAudit

1.5 месяца

AgentContext — помощники делятся находками

Общая память для помощников: то, что один выяснил утром, доступно другому днём — факты, результаты поиска и контекст задач лежат в одной базе знаний.

Результат

Дублирование работы: 40% → 5%
Доступ к находкам другого помощника: мгновенно
Общая база знаний: 50 000+ фактов

Проблема: Каждый помощник хранил свои наработки отдельно — тот, кто разобрался в теме утром, не мог передать выводы помощнику, работавшему над смежной задачей днём. До 40% работы дублировалось.
Решение: Построили общий слой памяти: помощники записывают результаты работы как факты в базу знаний со связями, а остальные подписываются на нужные темы через подключения (технология MCP). Повторы склеиваются, у фактов есть версии и срок жизни.

Knowledge GraphNeo4jMCPContext SharingMulti-Agent

2 месяца

Готовы подключить ассистента?

От 50 000 ₽/мес. Расскажите о задаче обычными словами — через 24 часа ассистент уже работает у вас в Telegram

Портфолио

Проекты, которыми мы гордимся

SynthIQ Agent — помощник, который всегда на связи

Результат

Ответ на рутинный запрос: часы → секунды
20+ подключений заменили 4 отдельных бота
Работает круглосуточно, доступен 99.9% времени

Проблема: Команде из 50+ человек нужен был один помощник, который сводит вместе разрозненные программы — задачи, рабочий чат, CRM, почту и документы — и доступен круглосуточно, чтобы не прыгать между окнами.
Решение: Собрали помощника, который сам обращается к 20+ рабочим программам (коннекторы по технологии MCP), держит общую базу знаний со связями между людьми, задачами и документами, знает заранее заготовленные сценарии и выполняет поручения по расписанию.

Claude Agent SDKMCPNeo4jDockerTypeScript

3 месяца

GraphForge — база знаний, которая обновляет себя сама

Результат

10 000+ автоматических обновлений базы в неделю
Актуальность данных: дни → минуты
Ручное обновление больше не нужно

Проблема: База знаний компании (10 000+ записей) устаревала за пару дней: обновлять её руками было работой на двух аналитиков, а задачи, почта и календарь между собой не сходились.
Решение: Сделали помощников, которые сами достают факты и связи из 5 источников и вносят их в базу знаний. Каждое изменение проверяется и попадает в журнал.

Neo4jPythonAI AgentsGraph Mutations

2 месяца

Agent Swarm — ежедневная сводка по команде

Результат

Ручной сбор данных: -80%
Сводка за 15 минут вместо 2 часов
Охват: 50+ сотрудников

Проблема: Руководители тратили 2+ часа в день, чтобы вручную собрать картину по сотрудникам: задачи, почта, встречи и CRM жили в разных программах, общего обзора не было.
Решение: Помощники по расписанию сами забирают данные из 4 программ, приводят их к одному виду в общей базе знаний и готовят персональную сводку для каждого руководителя.

Agent SwarmCronNeo4jData Mining

2 месяца

Долговременная память для помощника

Результат

Помощник помнит контекст между разговорами — неделями и месяцами
Каждый факт привязан к дате: «что обсуждали в марте» находится по времени

Проблема: Помощники теряли нить между разговорами — каждый следующий диалог начинался с нуля.
Решение: Развернули память из 4 связанных сетей поверх базы знаний со связями. Каждый разговор пополняет долговременную память: повторы склеиваются автоматически, а помощник сам перечитывает и уточняет накопленное. В основе — открытая система памяти Hindsight: в замере её авторов она набрала 91,4% на тесте LongMemEval (с моделью Gemini 3 Pro, декабрь 2025).

Agentic MemoryNeo4jMCPDockerProduction 24/7

4 месяца

Hybrid GraphRAG — ответы по базе документов компании

Результат

93%+ верных ответов на отраслевых проверках
Прирост +20% к обычному поиску по смыслу
Ответ на запрос — меньше 0,5 секунды

Проблема: Обычный поиск по смыслу давал 70-75% верных ответов на отраслевых вопросах — для рабочего применения в корпоративной аналитике этого мало.
Решение: Собрали систему, которая совмещает два способа поиска: по связям между документами и по смыслу текста. Ответ строится в два прохода — сначала широкая выборка, затем отбор самого подходящего.

GraphRAGKNNPythonNeo4j

1 месяц

Корпоративный чат с помощником

Результат

100+ сотрудников, у каждого свои права
Ввод текстом, голосом и файлами
Среднее время ответа — меньше 3 секунд

Проблема: Компании нужен был единый чат с помощником на 100+ сотрудников — с разными правами доступа, обращением к внутренним программам и поддержкой голоса, изображений и документов.
Решение: Построили платформу со входом по корпоративной учётной записи и правами по ролям, обращением к внутренним программам, чатом на текст, голос, изображения и PDF и панелью администратора.

Vercel AI SDKNext.jsMCPOAuth2

2 месяца

CostGuard — счёт за нейросеть меньше на 75%

Результат

Счёт за нейросеть: $12 000 → $3 000/мес (-75%)
Качество ответов: сохранено на 97%+ от исходного
Скорость выполнения: +40% за счёт параллельной работы помощников

Проблема: Связка из 8 помощников обходилась в $12 000+ в месяц на работу нейросети: на каждом шаге пересылалась вся переписка целиком, и расход рос кратно.
Решение: Провели аудит и перестроили работу: промежуточные результаты стали храниться в файлах, а не пересылаться между помощниками; часть запросов ушла на модели, которые включают только нужную часть «мозга» (Nemotron 3 Super — 12 млрд параметров из 120 млрд); повторяющуюся часть запроса стали переиспользовать, а сами запросы — отправлять пачками.

Multi-AgentCost OptimizationMoEContext Engineering

1.5 месяца

LegalFlow — помощник для разбора договоров

Результат

Разбор договора: 8 часов → 45 минут (-90%)
Точность извлечения условий: 94%+
База связей: 500+ документов, противоречия находятся сами

Проблема: Юридический отдел тратил 8+ часов на разбор каждого договора: найти ключевые условия, сравнить с прошлой версией, подготовить резюме для руководства. При потоке 50+ договоров в месяц задержки доходили до 2 недель.
Решение: Сделали помощника, который сам находит в договоре сроки, суммы, обязательства и условия обслуживания, выстраивает связи между документами в базе знаний и готовит структурированное резюме.

Claude APIMCPNeo4jLegalTechNLP

3 месяца

Sandbox Guardian — помощник не выходит за отведённые границы

Результат

0 выходов за границы песочницы за 6 месяцев работы
Подозрительное поведение замечается меньше чем за 5 секунд
Все до одного вызова инструментов попадают в журнал

Проблема: Помощник с доступом к командной строке, файлам и внешним программам в принципе мог выйти за границы песочницы — как в случае Alibaba ROME (2026), где агент начал майнить криптовалюту на корпоративных серверах.
Решение: Закрыли помощника в отдельной файловой песочнице, развели процессы, оставили только разрешённый список инструментов с точными правами, добавили наблюдение за нагрузкой на процессор, сеть и диск и автоматическую остановку при превышении порогов.

Agent SecuritySandboxbwrapRuntime MonitoringDocker

1.5 месяца

SecureAgent — независимая проверка безопасности помощников

Результат

23 уязвимости обнаружены и устранены
Выход из песочницы: 3 способа закрыты
Время реагирования на отклонения: минуты → секунды

Проблема: Крупная компания запустила 12 помощников с доступом к внутренним программам — CRM, кадры, финансы. После случая с агентом Alibaba ROME, который начал майнить криптовалюту, понадобилась независимая проверка безопасности всей связки.
Решение: Провели проверку глазами злоумышленника: пробовали вывести помощника из песочницы, подменить ему инструкции (напрямую, через подсунутые документы и в несколько шагов), проверили права на все 47 инструментов и поискали утечки переписки между помощниками. Внедрили правила управления помощниками с аварийной остановкой и слежением за отклонениями.

AI SecurityRed TeamMCP AuditAgent Governance

1.5 месяца

MCP Shield — порядок в правах на подключения

Результат

15+ подключений проверены и защищены
Разграничение доступа: 3 уровня ролей, 200+ правил «кому какой инструмент»
Несанкционированные вызовы блокируются в 100% случаев, перегрузок подключённых программ не было

Проблема: Связка помощников работала с 15+ подключениями — рабочий чат, задачи, хранилище кода, файловое хранилище, база знаний — без единых правил доступа. Любой помощник мог вызвать любой инструмент без ограничений по роли и частоте, а через такую цепочку могли утечь данные.
Решение: Проверили каждое подключение: расписали все инструменты по ролям (администратор, расширенный доступ, песочница), настроили проверку прав на каждый вызов и проверку передаваемых данных по описанию, закрыли доступ к рабочим каналам по участию, добавили ограничение частоты обращений и автоматические оповещения в канал безопасности.

MCP SecurityRBACOAuth2API HardeningTypeScript

2 месяца

AgentGov — правила, по которым работают помощники

Результат

Цепные сбои: 3/мес → 0 за 4 месяца
Полный журнал действий с неизменяемой подписью — готовность к аудиту по EU AI Act
4 критичные операции подтверждает человек
Готовность к требованиям: EU AI Act, NIST AI 600-1, SOC 2

Проблема: Связки помощников — от 6 в финтех-компании до 10+ в крупной — работали без формальных правил: не было разбивки по уровням риска, лимитов на действия, передачи решения человеку, контроля расходов и журнала. Регуляторы запрашивали документы по управлению рисками и готовность к европейскому закону об ИИ (EU AI Act). Риск цепных сбоев здесь сопоставим с атаками групп-вымогателей Akira/Qilin через помощников (2026).
Решение: Разработали и внедрили свод правил: разбивку помощников по уровням риска европейского закона об ИИ, пределы самостоятельности для каждого, предохранители с лимитами по частоте и стоимости действий, обязательное подтверждение человеком для критичных операций, неизменяемый журнал с подписью каждого действия, запись причин каждого решения, сопоставление с требованиями EU AI Act / NIST AI 600-1 / SOC 2 и панель показателей соответствия.

Agent GovernanceEU AI ActCircuit BreakersHITLNISTComplianceFinTech

2.5 месяца

AgentMesh — 12 помощников работают как одна команда

Результат

Время сложных задач: 30 мин → 5 мин (-83%)
Дублирование работы между помощниками: устранено
12 помощников работают как единая система

Проблема: 12 помощников работали изолированно — не могли передать задачу друг другу, дублировали работу и не имели общего языка. Сложная задача, где нужно несколько помощников, занимала больше 30 минут.
Решение: Разработали платформу с общим форматом сообщений, маршрутизацией задачи к тому помощнику, который умеет её решать, передачей по цепочке с запасным вариантом и единым наблюдением за всеми обменами.

Multi-AgentOrchestrationJSON-RPCTypeScriptNeo4j

2 месяца

AgentQA — контроль качества помощников

Результат

Покрытие проверками: 500+ реальных сценариев
Время обнаружения поломки: дни → минуты
Сравнение вариантов инструкций с проверкой на случайность (p-value <0.05)

Проблема: Связка из 8 помощников не имела контроля качества — правки инструкций и смена модели незаметно ломали то, что раньше работало, а качество проверяли вручную на 10-20 примерах.
Решение: Построили конвейер проверок: автоматический прогон 500+ реальных сценариев после каждого изменения, сравнение двух вариантов инструкций с проверкой, что разница не случайна, наблюдение за качеством в реальном времени и оповещения при падении ниже порога.

Agent TestingCI/CDEvaluationPythonBenchmarks

1.5 месяца

AgentID — у каждого помощника свой пропуск

Результат

Действие привязано к конкретному помощнику в 100% случаев
Смена ключей проходит без остановки работы
Все 10+ выданных доступов — в едином реестре

Проблема: 10+ помощников работали под общими ключами и общими служебными учётными записями — нельзя было понять, кто именно что сделал. Смена одного ключа ломала сразу всех, а списка выданных доступов не существовало.
Решение: Разработали учёт доступов, где у каждого помощника свой пропуск и свои ключи: ключи меняются по расписанию без остановки работы, каждое действие записывается за конкретным помощником, права выдаются по ролям и связаны со структурой компании.

NHIIdentity ManagementRBACKey RotationAudit

1.5 месяца

AgentContext — помощники делятся находками

Результат

Дублирование работы: 40% → 5%
Доступ к находкам другого помощника: мгновенно
Общая база знаний: 50 000+ фактов

Проблема: Каждый помощник хранил свои наработки отдельно — тот, кто разобрался в теме утром, не мог передать выводы помощнику, работавшему над смежной задачей днём. До 40% работы дублировалось.
Решение: Построили общий слой памяти: помощники записывают результаты работы как факты в базу знаний со связями, а остальные подписываются на нужные темы через подключения (технология MCP). Повторы склеиваются, у фактов есть версии и срок жизни.

Knowledge GraphNeo4jMCPContext SharingMulti-Agent

2 месяца

Готовы подключить ассистента?

От 50 000 ₽/мес. Расскажите о задаче обычными словами — через 24 часа ассистент уже работает у вас в Telegram