#AI #агенты #API

Вел на выхах занятие об использовании AI-инструментов для работы с апи, в том числе анализа существующих. Например, мне нужно подключить эквайринговый сервис для приема платежей.

1) Скармливаю модельке ссылку и краткое описание бизнес-языком, чего хочу.

2) Прошу сгенерить схему взаимодействий между участниками системы в puml.
— ChatGPT выдает корректную схему, предлагает несколько вариантов интеграции, иногда ошибается в синтаксисе puml, но легко исправляет
— Deepseek допускает логические ошибки на самой схеме, за 2-3 итерации получается исправить

3) Прошу построить пошаговый сценарий с указанием методов, которые нужно вызвать, необходимыми заголовками и телом запроса
— ChatGPT косячит в некоторых полях, но исправляется, если казать на конкретный метод
— Deepseek порывается сам придумать, что передавать в запросе, нужно заставлять брать инфу из доков

4) Прошу сгенерить коллекцию, чтобы импортировать в постман. Обе модельки справляются.

5) Протыкиваю запросы в постмане, иногда получаю ошибки из-за формата, заставляю модель переделать запрос.

6) Добиваю до состояния, когда вся цепочка отрабатывает корректно, отдаю обратно в LLM.

7) Прошу сгенерить мне спеку с описанием сценария, схемой, примерами запросов. Делают страшную примитвную пдф, но я и требований не прописывал.

Итого, примерно за час ленивого промптинга я получил интеграционный сценарий, набросок спеки, коллекцию для тестирования. Что важно - результат проверен на реальных запросах.

Уже неплохо, но можно пойти дальше:

Запросить у модельки скрипт, который последовательно дергает методы, и выдает результат для обработки LLM, чтобы не кликать самому. Немного проще но мало.

Можно локально или в облаке развернуть микро-агента, которому даешь на вход доку, ключики от апи, описание бизнес-сценария. Он генерит цепочку вызовов и сам проходит ее. Если получает ошибку, самостоятельно перепроверяет корректность запроса и сценария и пробует заново. На выходе выдает протестированный сценарий, спеку, коллекцию для тестирования. Либо останавливается по ограничению итераций.

Примерно так должна выглядеть работа над типовой задачей интеграции в AI-мире. А инженер должен распознавать такие возможности автоматизации в своей работе и быстро клепать под них инструментики.