Умные ассистенты, агенты и многоагентные системы в Yandex Cloud

В этом репозитории содержится пример создания интеллектуального ассистента по продаже вин в Yandex Cloud, а также создания многоагентной системы для подбора ужина из основного блюда и вина на основе пожеланий пользователя. Мы по шагам рассматриваем следующие понятия:

Умные ассистенты: advanced-assistant.ipynb

• Использование языковых моделей в Yandex Cloud на базе Responses API и OpenAI SDK (в ранних версиях - на базе Yandex Cloud ML SDK)
• Простейшие ассистенты для поддержания контекста диалога
• Понятие Function Calling в генеративных моделях и его использование с ассистентами
• Вызов удалённых функций на основе Model Context Protocol
• Подключение текстовой базы знаний (индекса) к модели для реализации RAG
• Умное чанкование и индексирование таблиц Markdown
• Реализация агента с документным индексом и поддержкой нескольких функций: поиск в базе данных, вызов оператора, добавление покупок в корзину
• Многоагентное тестирование модели с помощью диалога двух агентов
• Реализация телеграм-бота на основе ассистента, с поддержкой нескольких пользователей

ReAct агенты

• Агенты и агентное взаимодействие в OpenAI Agents SDK - adk.ipynb
• ReAct-агенты в Smolagents - code-agent.ipynb

Agentic Workflows: langgraph-agent.ipynb

• Создание Agentic Workflow с помощью LangGraph поверх Responses API
• Тестирование Agentic Workflow с помощью фреймворка RAGAS

Запуск примера

Для работы с примером рекомендуется:

• Клонировать репозиторий (на своём ноутбуке или в проекте Yandex Datasphere)
• Для авторизации в облаке:
  • Создать сервисный аккаунт, имеющий права ai.editor, serverless.mcpGateways.anonymousInvoker и serverless.mcpGateways.invoker
  • [ИЛИ] Получить для этого аккаунта ключ авторизации, сохранить его в файл authorized_key.json в домашнюю директорию проекта, в этот файл добавить поле folder_id
  • [ИЛИ] Получить для этого аккаунта API-ключ и установить в проекте датасферы секреты folder_id, api_key (либо установить соответствующие переменные окружения)
• Установить секрет tg_token, если вы планируете тестировать телеграм-бота
• Открыть соответствующий ноутбук advanced-assistant.ipynb (Создание ассистента), adk.ipynb (Агенты в OpenAI Agent SDK), langgraph-agent.ipynb (построение Agentic Workflow) и code-agent.ipynb (ReAct-агент на основе кодогенерации)
• Для работы MCP потребуется развернуть MCP-сервера одним из следующих способов:
  • На виртуальной машине, запустив код из этого репозитория:

    fastmcp run mcp-wine-shop.py -t sse -p 8000 --host 0.0.0.0`
    fastmcp run mcp-rest.py -t sse -p 8001 --host 0.0.0.0
    

  • На FastMCP Cloud, используя репозиторий https://github.com/yandex-datasphere/advanced-assistant-mcp. Необходимо развернуть два MCP-сервера, указав в качестве скрипта запуска mcp-wine-shop.py и mcp-rest.py

В выступлениях

Примеры на основе Responses API и [OpenAI SDK]:

• 24 сентября 2025 г., воркшоп "Создание мультиагентной системы на базе AI Studio"

Примеры на основе Yandex Assistant API (морально устаревшие):

• 3 апреля 2025 г., вебинар "Создание Telegram-бота на базе LLM с RAG и Function Calling"
• 16 мая 2025 г., доклад Введение в агенты с YandexGPT и Yandex Cloud на конференции IML 2025
• 25 июня 2025 г., доклад Многоагентные системы в облаке Yandex Cloud на конференции GigaConf 2025
• 26 июня 2025 г., вебинар От AI-ассистента к многоагентным системам
• 17 июля 2025 г., семинар на летней школе SMILES-2025 от Skoltech и Харбинского политехнического университета

Благодарности

Пример подготовлен Дмитрием Сошниковым, телеграм-канал "Облачный адвокат". Значительную помощь в создании кода оказали Дмитрий Рыбалко и Сергей Нарбут.