Продукт 17 февраля 2026 г.

# AI-агент в корпоративном мессенджере: как устроен и зачем нужен бизнесу

> Разбираем архитектуру AI-агента в корпоративном мессенджере Пачка: треды как основа для работы ИИ, промпты, инструменты, безопасность. Реальные сценарии автоматизации для бизнеса и IT-команд.

Источник: https://pachca.com/blog/ai-agent-v-korporativnom-messendzhere

## Разбираем архитектуру AI-агента в Пачке: треды как основа для работы ИИ, промпты, инструменты и реальные сценарии автоматизации для бизнеса и IT-команд

Автор: Павел Любачев

![AI-агент в корпоративном мессенджере: как устроен и зачем нужен бизнесу](https://pachca.com/blog/ai-agent-v-korporativnom-messendzhere.webp)

Особенность **AI-агента** в отличие от обычного чат-бота в том, что он сам принимает решения. Получив задачу, он выбирает нужные инструменты, выполняет цепочку действий — прочитать файл, создать задачу в трекере, запросить данные из внешнего сервиса — и только потом отвечает. В отличие от ChatGPT или стандартных чат-ботов для бизнеса, агент действует, а не просто отвечает на вопросы.

**AI-агенты для бизнеса** снижают ручную работу: вместо того чтобы копировать обсуждение из мессенджера в трекер задач, агент делает это сам по команде. Вместо переключения между ChatGPT и рабочими инструментами — всё происходит прямо в переписке команды.

Мы встроили AI-агента в Пачку. Он живёт в тех же тредах, что и команда: читает контекст, создаёт задачи, анализирует код. В этой статье рассказываем, как он устроен изнутри.

## Зачем агенту мессенджер

Большинство AI-агентов сегодня живут в отдельных интерфейсах. [Чат-бот](https://pachca.com/help-center/integrations/webhook) на сайте, отдельное [приложение](https://pachca.com/help-center/start/vsyo-pro-prilozheniya-pachki), вкладка в IDE. У каждого свой контекст, свои данные, своя история разговоров.

Проблема в том, что рабочие решения принимаются не в AI-чатах. Они принимаются в переписке между коллегами, где обсуждаются задачи, делятся ссылками, просят помощь. Когда AI-агент живёт прямо в мессенджере, ему не нужно объяснять контекст. Он уже внутри разговора.

Это меняет сценарий использования. Раньше нужно было скопировать текст ошибки, вставить в отдельный AI-чат, дождаться ответа, вернуться в мессенджер и пересказать результат коллегам — пять шагов. Теперь достаточно упомянуть агента прямо в переписке. Он видит историю, понимает, о чём речь, и действует на месте.

## Почему треды — это главное

Когда мы начали проектировать агента, стало ясно, что основной единицей работы должен быть не чат, а **тред**.

### Изоляция контекста

В общем чате одновременно идут десятки разговоров: кто-то обсуждает релиз, кто-то баг на проде, кто-то новый дизайн. Если агент будет отвечать прямо в общий поток, он и сам запутается, и замусорит чат.

Тред решает эту задачу естественным образом. Каждый тред представляет собой изолированный разговор с чёткой темой. Агент видит только [сообщения](https://pachca.com/help-center/features/actions-with-messages) внутри треда и отвечает туда же. Он не путает обсуждение бага с обсуждением релиза, чат остаётся чистым, а в одном канале можно параллельно вести десять разных разговоров с агентом, и они не пересекаются.

### Сквозные треды — суперсила

Обычные [треды](https://pachca.com/help-center/features/threads) есть во многих мессенджерах. Но у Пачки есть важное отличие: **[сквозные треды](https://pachca.com/blog/chto-takoe-skvoznye-tredy-i-kak-ih-ispolzovat)**. Это значит, что в тред можно упомянуть любого сотрудника, и он увидит тред и всю его историю, даже если не состоит в исходном чате.

Для AI-агента это открывает мощный сценарий:

Тред

4 сообщения

![Марина Соколова](https://pachca.com/ava-female-1.webp)

✦

![Алексей Дмитриев](https://pachca.com/ava-male-1.webp)

![Марина Соколова](https://pachca.com/ava-female-1.webp)

Марина Соколова 12:34

@kai, посмотри, почему упали тесты в последнем PR

Kai Бот 12:34

Анализирую CI… Тесты упали из-за изменений в auth-модуле.

Kai Бот 12:35

@Алексей, похоже, это связано с твоим последним коммитом — можешь проверить?

![Алексей Дмитриев](https://pachca.com/ava-male-1.webp)

Алексей Дмитриев 12:38

Да, вижу. Сейчас поправлю, спасибо за контекст!

1 Менеджер пишет в чат команды

2 Агент создаёт тред и анализирует CI

3 Агент упоминает разработчика из другой команды

4 Алексей заходит из уведомления и видит полный контекст

1 Менеджер пишет в чат команды

2 Агент создаёт тред и анализирует CI

3 Агент упоминает разработчика из другой команды

4 Алексей заходит из уведомления и видит полный контекст

Без сквозных тредов пришлось бы вручную пересылать сообщения, объяснять контекст заново, терять время. С ними один тред становится единой точкой координации между людьми и агентом.

## Архитектура AI-агента: компоненты и принцип работы

Архитектура получилась компактной. Вот основные компоненты.

Вебхук

Пачка отправляет событие при каждом сообщении

@упоминание Ответ в тред

Сервер агента

Промпт

Контекст собирается для каждого вызова модели

Инструкции История Навыки Настройки

Ядро агента

LLM решает, какие инструменты вызвать и в каком порядке

API мессенджера Трекер задач Git Веб-поиск

Ответ в тред

Агент сам отправляет сообщения через API

Новый тред Ответ в тред Реакции

Вебхук

Пачка отправляет событие при каждом сообщении

@упоминание Ответ в тред

Сервер агента

Промпт

Контекст собирается для каждого вызова модели

Инструкции История Навыки Настройки

Ядро агента

LLM решает, какие инструменты вызвать и в каком порядке

API мессенджера Трекер задач Git Веб-поиск

Ответ в тред

Агент сам отправляет сообщения через API

Новый тред Ответ в тред Реакции

### Как агент получает сообщения

Пачка отправляет вебхук при каждом новом сообщении. Агент принимает его, проверяет подпись (HMAC-SHA256) и решает, нужно ли реагировать. Триггеров два: кто-то упомянул агента по имени или кто-то ответил на его сообщение в треде. Если ни то, ни другое не произошло, вебхук молча пропускается. Агент не читает все сообщения подряд, только те, где к нему обратились.

### Промпт: контекст решает

Качество ответов агента на 80% определяется тем, что мы кладём в промпт. Он собирается из нескольких частей.

В основе лежат **системные инструкции**: базовые правила поведения, доступные инструменты, ограничения. Сюда же включаются «навыки» с детальными инструкциями для конкретных сценариев вроде работы с трекером или репозиторием.

К ним добавляется **история переписки**: последние 20 сообщений из треда. Модель видит, кто что написал, в каком порядке, и может продолжить разговор естественно.

Если агент работает в треде, он также получает **родительское сообщение**, с которого тред начался. Тред на сообщении «Тесты упали» сразу задаёт контекст: разговор о тестах.

Наконец, подтягиваются **персональные настройки** пользователя. Каждый может настроить агента под себя: «всегда отвечай мне на английском» или «при создании задач ставь тег frontend». Настройки хранятся в профиле в Пачке и применяются при каждом обращении.

### Мозг: языковая модель + инструменты

Ядро агента — это цикл вызовов языковой модели. Модель получает системный промпт с инструкциями и набор инструментов, которые может вызывать: API мессенджера (отправка сообщений, чтение истории, работа с тредами), API трекера задач (создание, обновление, [поиск](https://pachca.com/help-center/effective-work/kak-bystro-iskat-kolleg)), API системы контроля версий (чтение файлов, коммиты, pull request'ы) и веб-поиск.

Модель сама решает, какие инструменты вызвать и в каком порядке. Это не жёсткий пайплайн «получил запрос, выполнил действие, ответил». Агент может выполнить цепочку из нескольких шагов: прочитать файл, найти в нём проблему, создать задачу, и только потом ответить в тред с результатами.

Через открытый API Пачки агента можно подключить к [n8n](https://pachca.com/help-center/integrations/avtomatizacii-v-pachke-s-pomoshchyu-n8n) — и встроить в существующие рабочие процессы компании без написания кода.

### Как агент отвечает

Агент никогда не отвечает напрямую в HTTP-ответе на вебхук. Вместо этого он сам отправляет сообщения через API мессенджера. Это даёт гибкость: агент может отправить несколько сообщений по ходу работы, сам решает, куда писать (в существующий тред или в новый), а ответ приходит когда готов, а не когда вебхук ждёт ответа.

Пока агент думает, он ставит на исходное сообщение реакцию-индикатор (анимированный [эмодзи](https://pachca.com/help-center/features/kastomnye-reakcii) «думаю»). Когда закончил, снимает.

## Безопасность и ограничения

AI-агент в рабочем мессенджере — это вопрос доверия. Вот как мы к нему подошли.

### Агент видит только свой тред

Агент не имеет доступа ко всем чатам и каналам. Он видит только тот тред или чат, где его упомянули. Это принципиально: сотрудники могут обсуждать конфиденциальные вещи в других ветках, и агент об этом ничего не знает.

### Защита от зацикливания

Несколько механизмов не дают агенту «зависнуть»:

- **Кулдаун 5 секунд** — агент не реагирует на повторные сообщения в том же треде, если предыдущий запуск был менее 5 секунд назад
- **Лимит в 15 шагов** — если модель не справилась за 15 вызовов инструментов, агент останавливается и сообщает об ошибке
- **Таймаут 5 минут** — жёсткий потолок на время работы
- **Запрет на «монолог»** — агент не отправляет больше двух сообщений подряд без ответа пользователя

### Мультитенантность

Один экземпляр агента может обслуживать несколько организаций. У каждого тенанта свой токен, своя подпись вебхуков, свой набор подключённых интеграций. Данные одной организации не пересекаются с другой.

## Навыки: как научить агента новому

Вместо того чтобы зашивать всю логику в код, мы вынесли поведение агента в **навыки**: текстовые файлы с детальными инструкциями.

Навык — это Markdown-документ, который подставляется в системный промпт. Например, навык работы с трекером задач описывает доступные действия (создать задачу, обновить [статус](https://pachca.com/help-center/features/profile-status), найти по фильтру), обязательные поля, правила именования и примеры типичных запросов с ожидаемыми действиями.

Такой подход удобен: новый навык — просто новый файл, без изменения кода. У каждой организации могут быть свои уникальные навыки. А если агент ведёт себя не так, чаще всего достаточно исправить текст навыка, а не лезть в код.

## Сценарии, которые уже работают

!

«Создай задачу из обсуждения»

Команда обсуждает в треде баг. Кто-то тегает агента: «@kai, заведи задачу». Агент читает историю треда, формулирует заголовок и описание, определяет приоритет и создаёт задачу в трекере. В описание автоматически добавляется ссылка на тред.

!

«Что происходит в CI?»

Разработчик спрашивает агента в треде PR: «Почему упал билд?». Агент запрашивает статус CI-проверок, находит упавший джоб, читает логи и отвечает с диагнозом. Если проблема очевидная — предлагает фикс.

!

«Прочитай и проанализируй файл»

Любой сотрудник может отправить агенту ссылку на файл в репозитории или веб-страницу. Агент скачает содержимое, проанализирует и ответит в тред — объяснит, что делает код, найдёт проблемы, предложит улучшения.

!

«Исследуй компанию»

Для sales-команды агент умеет по названию компании провести мини-исследование: найти сайт, определить размер команды, собрать ключевую информацию — и выложить структурированный отчёт прямо в тред.

## Что дальше

AI-агенты в корпоративных мессенджерах — это только начало. Сейчас агент реагирует на обращения, но логичный следующий шаг — проактивная работа. Например, автоматические дайджесты ключевых решений за неделю, предупреждения о рисках в открытых задачах, [напоминания](https://pachca.com/help-center/features/tasks) о забытых PR и незакрытых ревью.

Мессенджер с хорошей моделью тредов — не просто «[канал](https://pachca.com/help-center/features/types-of-chats) доставки» для AI. Это **среда**, в которой агент может полноценно работать бок о бок с командой. Сквозные треды превращают его из инструмента, которым пользуется один человек, в полноценного участника рабочего процесса, который может координировать действия между разными людьми и системами.

* * *

Тратите часы на сводки и напоминания коллегам?

Бесплатно покажем на звонке, как отдать это ИИ-помощнику.

## Частые вопросы об AI-агентах

### В чём отличие AI-агента от обычного чат-бота?

Чат-бот работает по заранее заданным сценариям: если пользователь написал X, бот отвечает Y. AI-агент принимает решения самостоятельно: он получает задачу, сам выбирает нужные инструменты, выполняет цепочку действий и возвращает результат. Агент может одновременно создать задачу в трекере, прочитать файл в репозитории и написать ответ — без жёстко прописанной логики.

### Как AI-агент получает доступ к данным компании?

Агент работает только в том треде или чате, где его упомянули. Он не имеет доступа к остальным каналам и не читает все сообщения подряд. [Доступ](https://pachca.com/help-center/features/system-roles) к внешним системам (трекер задач, Git) настраивается через API-токены — организация сама решает, к чему агент может обращаться.

### Можно ли настроить агента под свои процессы?

Да. Поведение агента задаётся через «навыки» — текстовые инструкции в Markdown. Каждая организация может создать свои навыки: например, правила именования задач, шаблоны сообщений или специфические сценарии работы с внутренними сервисами. Каждый пользователь также может задать личные предпочтения: язык ответов, [теги](https://pachca.com/help-center/administration/tags-team-members) по умолчанию, стиль общения.
