Битрикс24 Вайбкод

GELab-Zero: первый открытый стек для GUI-агентов Раньше создание ИИ-агентов, которые взаимодействуют с интерфейсами (кнопки, поля, меню), требовало закрытых систем, сложной инфраструктуры и больших моделей. GELab-Zero меняет это. 🔹 Что включено — Модель 4B – компактная, работает локально, без облачных вызовов. — Готовая инфраструктура – запуск в один клик, без ADB, Docker или сложных зависимостей. — AndroidDaily – новый бенчмарк на основе реальных сценариев использования Android-приложений: заполнение форм, навигация, выбор элементов. 🔹 Результаты — 73.4% точности на AndroidDaily – выше, чем у:  • UI-TARS-1.5 (47%)  • Gemini-2.5-pro-thinking (36.6%)  • GPT-4o (19.6%) — Обходит крупные модели (например, GUI-Owl-32B) на других тестах: ScreenSpot, OSWorld, AndroidWorld. 🔹Суть Это не просто модель – это полный стек: от алгоритма до инструментов запуска. Можно скачать, запустить на своем устройстве, проверить, как агент управляет интерфейсом, и улучшить – без ограничений.

🔹 Зачем это нужно — Разработчики могут тестировать GUI-агентов без доступа к закрытым API. — Исследователи получают воспроизводимую среду для сравнения методов. — Компании могут внедрять агентов для автоматизации интерфейсов – без зависимости от вендоров.

Подробнее 🔗 Hugging Face 🔗 Блог #GUIагенты #ИИ #OpenSource #GELabZero #АвтоматизацияИнтерфейсов

Сергей Востриков – руководитель направления Маркетплейс и интеграций Битрикс24, объясняет как работает переход от API к MCP. Когда ИИ перестает быть помощником – и становится частью системы Раньше интеграции – это были мосты: API, коннекторы, скрипты, которые соединяли CRM, 1С, аналитику. Каждый мост – ручная работа. Каждая система – отдельный остров. MCP меняет это. 🔹 Что такое MCP – Протокол, по которому приложение само говорит ИИ: «Вот мои данные. Вот какие действия я могу выполнить». – Нет нужды писать код под каждую систему. – ИИ получает контекст – не данные, а возможности. Он видит, как работать с системой, не зная ее интерфейса.

🔹 Как это работает на практике – Руководитель пишет в чат: «Сравни продажи по регионам за последний квартал и покажи, где упали». – ИИ:  • находит CRM – забирает данные о продажах  • обращается к ERP – берет себестоимость  • запрашивает аналитику – добавляет динамику  • формирует отчет – без того, чтобы кто-то вручную настраивал синхронизацию – Все это – в одном окне. Без переходов, без логинов, без интеграторов.

🔹 Что меняется для бизнеса – Не нужно «учить» ИИ, как работать с вашей системой – система сама объясняет. – Автоматизация перестает быть задачей разработчиков – она становится частью повседневного взаимодействия. – Управленческие решения начинаются не с запроса отчета, а с вопроса: «Почему продажи упали в Сибири?» – и система сама ищет ответ.

🔹 Почему это важно MCP – не про красивые интерфейсы. Это про то, чтобы ИИ не был «внешним» – а стал частью цифровой среды компании. Как электричество: вы не думаете о проводах, когда включаете свет. Так же – вы не думаете об API, когда спрашиваете: «Какие клиенты не оплатили?»

🔹 Состояние сегодня – MCP уже тестируют крупные российские экосистемы. – Производители ПО начинают открывать свои сервисы через этот протокол. – Это не фича. Это – новая основа для корпоративного ИИ. Подробнее в статье #MCP #ИИагенты #КорпоративныйИИ #Интеграции #БизнесИИ

ToolOrchestra: координация моделей и инструментов для эффективного решения задач NVIDIA и Университет Гонконга разработали ToolOrchestra – методику обучения специализированной модели-оркестратора, которая управляет работой других ИИ-агентов и инструментов, и выпустила на ее основе модель Orchestrator-8B. 🔹 Как это работает – Модель Orchestrator-8B (на базе Qwen3) не решает задачу сама. – Она чередует:  • рассуждение – анализ задачи и планирование шагов  • вызов внешних инструментов – поиск, код-интерпретатор, другие LLM – Claude, Llama-Nemotron, узкоспециализированные модели – Выбор инструмента зависит от этапа задачи: математика → специализированная модель, анализ текста → универсальная, поиск → поисковый движок. 🔹 Польза – Скорость: решение задач на 2,5 раза быстрее, чем при использовании одной флагманской модели. – Стоимость: расходы на вычисления снижены на 70%. – Точность: результат 37,1% на бенчмарке Humanity’s Last Exam – выше, чем у GPT-5 на 35,1%. 🔹 Обучение – Использован метод GRPO – не только за правильный ответ, но и за эффективность: минимальное количество вызовов, оптимальный выбор инструментов. 🔹 Суть Не нужно «всё в одну модель» – лучше распределить задачи между специализированными инструментами, управляя ими разумно. Это – переход от монолитных ИИ к гибким, экономичным системам. Подробнее о проекте GitHub #ToolOrchestra #ИИагенты #Оркестрация #LLM #Эффективность

Сергей Нотевский – AI Platform Lead в Битрикс24 рассказывает простыми словами о том, что такое ИИ-агент. Многие путают ИИ-агентов с обычными LLM-запросами или workflow. Разница – в автономности. 🔹 LLM (простой запрос) – Ты задаешь вопрос → модель отвечает. – Нет взаимодействия с внешними системами. – Пример: «Сделай краткое содержание звонка». 🔹 Workflow – Ты заранее прописываешь цепочку шагов: транскрипция → саммари → заполнение CRM. – Каждый шаг фиксирован, не меняется в процессе. – Пример: автоматическое обновление Сделки после звонка.

🔹 ИИ-агент – Ты ставишь цель: «Исследуй, какие поисковые движки лучше всего подходят для LLM-ассистента». – Модель сама:  • разбивает цель на шаги  • выбирает инструменты (поиск, чтение PDF, анализ)  • решает, что делать дальше, исходя из полученных данных  • повторяет цикл, пока цель не достигнута – Это – агентская петля:  1. Определить следующий шаг  2. Вызвать инструмент  3. Обновить контекст  4. Повторить

🔹 Ключевые элементы агента – LLM (движок) – Среда (интернет, файлы, CRM и т.д.) – Инструменты (поиск, парсеры, генераторы) – Автономное планирование – без жесткого сценария 🔹 Deep Research – пример – Не просто ищет информацию. – Ходит по десяткам источников, оценивает их качество, сравнивает, ищет пробелы, перепроверяет. – Выдает структурированный отчет – как человек-исследователь, но в 10 раз быстрее.

🔹 Что не обязательно для агента – 24/7 работа – Постоянная память (RAG) – Проактивность – Обучение в процессе Эти функции – полезны, но не определяют агентность.

🔹 Когда использовать агента, а когда workflow? – Workflow – если шаги известны заранее. – Агент – если путь к цели неочевиден, требует итераций и адаптации. Подробнее на Хабр #ИИагенты #MCP #LLM #АгентскаяПетля #DeepResearch

Salesforce расширила Agentforce 360: контроль и отладка ИИ-агентов 🔹 Полный трейсинг сессий – Логируются: входные запросы пользователя, внутренние шаги рассуждения агента, вызовы LLM, результаты проверок безопасности. – Позволяет восстановить полную цепочку действий агента для анализа ошибок или неожиданных результатов. 🔹 Оркестрация через MuleSoft Agent Fabric – Централизованный хаб для управления всеми активными агентами в инфраструктуре. – Показывает в реальном времени: кто запущен, какие задачи выполняет, какие системы задействованы. 🔹 Польза для разработчиков и администраторов – Можно выявлять паттерны сбоев до выхода в продакшен. – Упрощается отладка: не нужно воссоздавать сценарии вручную – вся история доступна в логах. – Аудит действий агентов становится системным, а не случайным. 🔹 Что изменилось Раньше – агенты работали как «черные ящики». Теперь – их поведение прозрачно, измеримо и контролируемо. Подробнее о Salesforce Agentforce 360 #Agentforce360 #ИИагенты #ОтладкаИИ #Мониторинг #Salesforce

Agent 365 – управление ИИ-агентами как ресурсами организации 🔹 Единый реестр агентов – Каждый ИИ-агент получает уникальный ID в системе Microsoft Entra. – Позволяет централизованно отслеживать, кто и как использует агентов внутри компании. 🔹 Контроль доступа – Права на данные и действия настраиваются по принципу минимальных привилегий. – Агенты получают доступ только к тем ресурсам, которые им необходимы для задачи. 🔹 Мониторинг эффективности – Дашборды показывают в реальном времени: сколько задач выполнено, насколько точно, сколько времени заняло. – Помогает выявлять неэффективные или перегруженные агенты. 🔹 Открытая совместимость – Работает не только с Copilot Studio, но и с open-source фреймворками, сторонними решениями, интегрированными через стандартные API. – Не привязан к экосистеме Microsoft – поддерживает гибридные среды. 🔹 Безопасность – Защита данных обеспечивается через Microsoft Defender и Purview – фильтрация, аудит, обнаружение аномалий. – Все действия агентов логируются и подлежат проверке. 🔹 Статус – Доступен в тестовом режиме в админ-панели Microsoft 365. – Пока не массовый выпуск – только для ранних пользователей. Подробнее #Agent365 #ИИагенты #КорпоративныйИИ #УправлениеАгентами

Stack Overflow планирует превратить Stack Internal в источник данных для корпоративных ИИ-агентов. 🔹 Суть изменения – Внутренние знания компаний (документы, решения, инструкции) конвертируются в структурированный формат, доступный через MCP. – ИИ-агенты получают доступ не к случайным ответам, а к проверенной корпоративной экспертизе. 🔹 Новый слой – рейтинг надежности – Каждый ответ оценивается по трем параметрам:  • автор (эксперт/новичок)  • актуальность (дата обновления)  • связность (согласованность с другими источниками) – Агент использует этот рейтинг для выбора наиболее достоверных данных. 🔹 Польза – Компании: превращают внутренние знания в актив, который используют ИИ-системы. – ИИ-агенты: получают точные, контекстно-релевантные данные без риска «галлюцинаций» на основе публичных форумов. – Разработчики: не нужно создавать собственные системы валидации – надежность уже встроена в данные. 🔹 Что в этом нового Раньше ИИ использовал Stack Overflow как публичный архив. Теперь – это закрытый, управляемый, оцененный источник для бизнес-задач. Подробнее stackoverflow.blog #StackOverflow #ИИагенты #MCP #КорпоративныйИИ #ДанныеДляИИ

MCP Apps Extension: интерактивные интерфейсы для ИИ-агентов Раньше MCP-серверы передавали только текст или JSON. Теперь – могут отправлять интерактивные интерфейсы через стандартизированный механизм. 🔹 Как это работает – Шаблоны пользовательского интерфейса – это ресурсы со схемой URI ui:// – Отображаются в изолированном iframe – безопасно и совместимо с браузерами – Взаимодействие (кнопки, формы, выбор) – через JSON-RPC – При отсутствии поддержки UI – возвращается текстовая версия (обратная совместимость) 🔹 Польза – Разработчики: не нужно писать код для отображения графиков, форм, загрузчиков – интерфейс приходит от сервера – Пользователи: вместо текстовых запросов – календари, кнопки загрузки, фильтры, визуализации – всё сразу и понятно – Все действия – с согласия пользователя, без скрытых действий 🔹 Суть ИИ-агенты перестают быть «текстовыми помощниками» – они становятся интерактивными инструментами, которые работают в любом приложении, как расширения, но с пониманием контекста. Подробнее #MCP #ИИагенты #ИнтерактивныйИИ #ИнфраструктураИИ #ОткрытыеСтандарты

AI-агенты и MCP 🔥 Подключайтесь к онлайн-митапу на этой неделе👇 ➖ 27 ноября. AI-агенты и MCP: как разгрузить команду и ускорить бизнес Расскажем, как AI-агенты могут усилить вашу команду и как MCP изменит интеграцию между системами.

Ai2 выпустил Deep Research Tulu (DR Tulu) – открытую модель на 8 млрд параметров для создания агентов глубокого поиска. 🔹 Автономное исследование – модель самостоятельно планирует поиск, использует внешние источники (поисковики, базы данных), собирает информацию из множества сайтов и формирует ответ с точными ссылками. 🔹 Динамическая оценка – обучена на методе RLER (Reinforcement Learning with Evolving Rubrics): критерии качества ответа меняются в процессе обучения, что предотвращает «взлом вознаграждения» и заставляет агента анализировать контекст, а не копировать шаблонные формулировки. 🔹 Производительность – на задачах длинных исследований (long-form research) показывает результаты, сопоставимые с OpenAI и Perplexity. 🔹 Стоимость – выполнение сложного запроса стоит менее 1 цента, в то время как аналогичная задача у OpenAI – до $1.80. Модель открыта для использования, настройки и дальнейшего развития. Подходит для исследовательских проектов, аналитики, автоматизированного сбора данных. Подробнее #DR_Tulu #ИИ_исследования #ОткрытыйИИ #Агенты_поиска

Google представил Antigravity – среду разработки для управления роем ИИ-агентов. 🔹 Manager View – централизованный интерфейс для контроля нескольких агентов, работающих одновременно в изолированных воркспейсах. Позволяет отслеживать статус, логи и результаты каждого агента в реальном времени. 🔹 Поддержка нескольких моделей – агенты работают на базе Gemini 3 Pro, Claude Sonnet 4.5 или GPT-OSS – выбор модели зависит от задачи. 🔹 Прямой доступ к инструментам – каждый агент может использовать редактор кода, терминал и веб-браузер без внешних подключений. 🔹 Память и адаптация – агенты запоминают контекст прошлых действий и учатся на поведении пользователя, улучшая точность выполнения повторяющихся задач. 🔹 Доступность – публичный превью доступен бесплатно для macOS, Windows и Linux. Google заявляет о щедрых лимитах на использование моделей – без жестких ограничений на количество запросов. Инструмент ориентирован на команды, которым нужно одновременно тестировать, отлаживать и развивать несколько ИИ-агентов в сложных сценариях. Почитать подробнее #Antigravity #ИИагенты #Оркестрация #МногоагентныеСистемы

Просто напишите в чат — Агент Марта подскажет, как работать с инструментами Битрикс24 👩‍🦰 А еще подскажет, что делать в конкретной ситуации: создаст сделку, поставит задачу и так далее.

С Мартой новые сотрудники освоят Битрикс24 без долгого обучения, а опытные пользователи сэкономят время — им не придется искать информацию и управлять всеми инструментами вручную.

Как начать диалог с Агентом Марта AI? 👀 Виджет находится в левом нижнем углу и доступен всем сотрудникам из любого раздела — кликните по нему, чтобы начать переписку. Другой вариант — перейдите в Мессенджер, найдите и откройте чат с Агентом Марта в списке чатов. 👉Подробнее Все обновления пользователи Битрикс24 получают постепенно. Пожалуйста, подождите, скоро все появится. 🔥 — очень ждем

LangChain представил песочницы для безопасного запуска ИИ-агентов – Sandboxes for DeepAgents. 🔹 Изоляция кода – сгенерированный агентом код выполняется не на локальной машине, а в удаленных, изолированных средах от партнеров: Runloop, Daytona, Modal. 🔹 Защита системы – предотвращает риски: вредоносные команды, доступ к файлам, запуск вредоносных скриптов – все ограничено контейнером. 🔹 Чистые окружения – для каждой задачи создается отдельная среда с нужными библиотеками и зависимостями, без конфликтов с основной системой. 🔹 Параллелизм и долгие задачи – можно запускать несколько агентов одновременно, выполнять длительные операции (например, анализ данных, генерация отчетов) без риска зависания или повреждения системы. Функция особенно полезна при тестировании агентов, работе с внешними API и сценариях, где код агента непредсказуем. Источник blog.langchain.com #LangChain #ИИагенты #Безопасность #Песочницы

SIMA 2 – ИИ-агент от Google DeepMind, который может взаимодействовать с виртуальными 3D-мирами: перемещаться, воспринимать среду и выполнять задачи на основе инструкций. 🔹 Планирование действий – разбивает сложные задачи на шаги и выполняет их самостоятельно, без пошаговой подсказки. 🔹 Перенос навыков между мирами – применяет знания из одного сценария (например, добыча ресурсов) к другому (сбор урожая), даже если среда новая. 🔹 Адаптация к незнакомым средам – работает в мирах, в которых никогда не была ранее, без дополнительного обучения. 🔹 Обучение через опыт – улучшает поведение на основе обратной связи: пробует, ошибается, корректирует действия. 🔹 Работа в динамических средах – успешно перемещается в мирах, сгенерированных в реальном времени моделью Genie 3, включая невидимые или изменяющиеся ландшафты. Агент не требует предварительной настройки под каждый мир – работает с любыми интерактивными 3D-средами на основе инструкций. Смотреть подробнее #SIMA2 #ИИагенты #3Dсреды #ГенеративныйИИ #DeepMind

API для LLM. Миша Васильев разработчик в команде AI Битрикс24 рассказывает о том, как работает протокол MCP. 🔹 Что такое MCP MCP (Model Context Provider) – открытый протокол, стандартизирующий способ, которым ИИ-агент получает доступ к инструментам, данным и интерфейсам внешних сервисов. Это не ИИ. Это мост между моделью и реальным миром – как API, но для агентов. 🔹 Как было раньше Раньше LLM могла только: – «Вам нужно зайти в календарь, нажать “Создать событие”, ввести время и пригласить участников» – и ждать, пока человек сделает это сам. Потом появилась возможность вызывать локальные функции внутри приложения – агент мог сам запустить функцию, если она была встроена в код. Но это требовало пересборки приложения при добавлении нового сервиса. 🔹 Как работает MCP сейчас Агент не знает, как устроены календари, CRM или базы данных. Он знает только: – «У этого сервера есть инструмент “создать событие” с параметрами: дата, время, участники» – «У этого сервера есть ресурс “список сотрудников” в формате JSON» Сервер – это отдельный процесс (локальный или удаленный), который: – описывает свои возможности (инструменты, ресурсы, промпты) – исполняет запросы агента – возвращает структурированный ответ Клиент – приложение, в котором работает агент (например, Битрикс24, IDE, чат-бот). Он подключается к серверу, получает список возможностей и передает запросы. Ключевые компоненты MCP 🔹 Инструменты – действия, которые меняют состояние системы. 🔹 Ресурсы – данные для чтения. 🔹 Промпты – шаблоны для сбора структурированных данных от пользователя. 🔹 Элицитация – агент может запросить уточнение у пользователя. 🔹 Сэмплинг – сервер может попросить клиента запустить запрос к другой LLM (например, для анализа текста). – Только с явным согласием пользователя. – Все данные передаются прозрачно. 🔹 Корневые директории – указание, где в файловой системе находятся важные папки. Помогает агенту находить файлы без ручного ввода путей. Польза для разработчиков и бизнеса

– Масштабируемость: подключить новый сервис – не переписывать код агента, а добавить сервер. – Безопасность: доступ к инструментам контролируется отдельно, без прямого доступа к системе. – Повторное использование: один MCP-сервер может обслуживать десятки агентов. – Изоляция: ошибка в инструменте не сломает агента. – Стандартизация: любой агент, поддерживающий MCP, может работать с любым сервером.

Битрикс24 скоро станет MCP-сервером. Это значит: – Сторонние ИИ-агенты смогут:  • добавлять Лидов в CRM  • создавать задачи  • обновлять Сделки – Без интеграций, без API-ключей, без кастомного кода. Подробнее #MCP #ИИагенты #Битрикс24 #ИИинтеграции #ИИразработка

Google опубликовал руководство объемом 50 страниц по созданию AI-агентов для реальных задач. Документ охватывает: 🔹 Архитектура агента – структура основных компонентов: планировщик, память, инструменты, контроллер. 🔹 Роль LLM – как языковая модель используется как центральный процессор для принятия решений, а не как генератор текста. 🔹 Интеграция инструментов – подключение внешних API, баз данных, MCP-серверов и скриптов для выполнения действий. 🔹 Оркестрация нескольких агентов – координация взаимодействия между агентами с разными ролями (наблюдатель, исполнитель, аналитик). 🔹 Деплой и продакшн – подходы к развертыванию в production: управление состоянием, мониторинг, обработка сбоев. 🔹 Оценка эффективности – метрики для измерения надёжности, точности и устойчивости агентов в реальных сценариях. 🔹 Самообучение и эволюция – методы, позволяющие агентам улучшать свою работу на основе обратной связи и результатов прошлых задач. 🔹 Пример: AlphaEvolve – детальный разбор архитектуры агента, способного адаптироваться и оптимизировать свои действия со временем. Документ ориентирован на разработчиков и исследователей, работающих с агентными системами. Доступен для ознакомления https://cloud.google.com/resources/content/building-ai-agents #AIагенты #Google #Агентные системы #ИИ

Марта – первый агент Битрикс24, который умеет поддерживать диалог, понимать задачу и действовать внутри корпоративной системы. Подробнее на: https://vc.ru/ai/2336767-homo-agentus-evolyutsiya-truda

Huxley-Gödel Machine (HGM) – ИИ-агент, разработанный в Университете KAUST, способный изменять свою собственную инфраструктуру для повышения эффективности. 🔹 Самообновление без изменения ядра – агент не модифицирует саму языковую модель, а переписывает внешние компоненты: управляющую логику, скрипты и инструменты, которые его окружают. 🔹 Фокус на долгосрочной продуктивности – вместо оптимизации под бенчмарки, HGM оценивает успех через показатель Clade Metaproductivity (CMP), который измеряет совокупную эффективность всех последующих версий агента. 🔹 Результаты на SWE-Bench Verified – на базе GPT-5-mini агент решил 61.4% задач, что выше, чем у других агентов, использующих ту же модель. 🔹 Открытый код – реализация доступна на GitHub для повторения экспериментов и дальнейших исследований. Источники: — https://github.com/metauto-ai/HGM — https://arxiv.org/pdf/2510.21614 #AIагенты #Новости #ИИвразработке #OpenSource

UI-Ins – новая модель от TongyiLab и RUC, предназначенная для работы с графическими интерфейсами мобильных приложений. 🔹 Фокус на намерениях – модель анализирует команду как цепочку целей, а не как одиночное действие. Это позволяет ей корректно выполнять сложные последовательности (например: «открой настройки сети, включи Wi-Fi, подключи к VPN»), даже если интерфейс отличается от ожидаемого. 🔹 Многошаговое планирование – перед выполнением действия модель генерирует несколько вариантов рассуждений, оценивает их и выбирает оптимальный. 🔹 Адаптация к изменениям – если состояние приложения меняется во время выполнения задачи (например, появляется диалог или переключается экран), модель корректирует план без сбоя. 🔹 Результаты – в тестах на AndroidWorld модель достигла 74.1% успешных выполнений. Для сравнения: Gemini 2.5 Computer Use — 69.7%. 🔹 Доступные версии – 7B (для локального тестирования) и 32B (для сложных сценариев). Модель особенно полезна для разработчиков, тестирующих агентов, которые взаимодействуют с интерфейсами: нажимают кнопки, заполняют формы, переключаются между приложениями. UI-Ins-7B: https://modelscope.cn/models/Tongyi-MiA/UI-Ins-7B UI-Ins-32B: https://modelscope.cn/models/Tongyi-MiA/UI-Ins-32B 📄 arXiv: https://modelscope.cn/papers/2510.20286 #GUIагент #UI-Ins #ИИвинтерфейсах #Новости #ИИвтестировании

Материал от Юрия Волошина, директора по продукту Битрикс24. ИИ-агенты: от хайпа к практике. Как найти баланс и правильно оценить соотношение между автоматизацией и рисками. https://secrets.tbank.ru/blogi-kompanij/ii-agenty-hajp-i-praktika/