Как дать агенту "руки": 4 типа подключения внешних сервисов

Заметил, что стал объяснять эту штуку на воркшопах даже не технарям — с тех пор как Claude Code и Сodex перестали быть инструментами для разработчиков и превратились в агентные среды общего назначения.

Почему это важно?

Ну вот хотите вы посмотреть анализ рынка ИИ вакансий (скоро выложу) – просите агента сходить на hh и собрать инфу. Он открывает ваш хром и идет вручную кликать по вакансиям, выжирая лимиты за 10 минут.

Или наоборот, парсите телеграм-каналы, а он пытается написать юзербота, который залогинится под вашим аккаунтом (что в какой-то момент приведет к его блокировке).

Короче: в мире, где возможности агента ограничены набором его коннекторов к внешнему миру – понимать типы этих коннекторов и области их применения – база.

———

Начну с двух противоположностей (на видео выше именно они)

———

Тип 1: Ручное управление браузером (aka browser use)

Место подключения: Фронтенд

Поведение: агент ведет себя как пользователь – смотрит на страницу (через текстовый снэпшот или скриншот) и "думает" перед каждым следующим действием.

Плюсы:
⦁ Можно подстраиваться под неожиданные изменения UI, не нужен детерминизм.
⦁ Почти не распознается бот-детекторами, потому что агент между действиями "тупит" так же, как живой человек.

Минусы:
⦁ Долго и дорого: модель жрет токены на размышления перед каждым кликом.
⦁ В UI часто есть не все функции, которые спрятаны в коде.


Тип 2: скрипт, вызывающий API (сюда же идут все mcp/cli – это просто доп. обертка над API)

Место подключения: Бэкенд

Поведение: агент пишет скрипт, который стучится напрямую к бэкенду. Скорее всего, скрипт за раз делает сразу несколько действий. Часто в цикле.

Ему не нужно думать на каждом шаге, потому что в документации API уже есть все нужные методы и не нужно смотреть на страницу, чтобы понять куда дальше кликать.

Плюсы:
- Очень быстро
- Надежно, не зависит от фронта

Минусы:
- Не все функции есть в публичном API: в GetCourse нельзя управлять домашками студентов через API
- Ценник: инвесторские api для доступа к биржевым метрикам могут стоить несколько тысяч долларов в месяц

———

Это по сути два "официальных" способа.

В реальности, это часто не работает – В реальности мы часто не хотим ждать часы, пока агент кликает страницы, или не готовы платить за API. Или в нем просто нет того, что нужно

Тогда переходим к двум промежуточным типам ("злые братья-близнецы" предыдущих методов):

Тип 1.2: браузерная автоматизация

Место подключения: все еще фронтенд, как в Типе 1

Поведение: но теперь, вместо того, чтобы "думать" на каждом шаге, он пишет playwright скрипт, который за один прогон проходит в цикле по всем действиям. Нужно заранее знать, какие есть селекторы, как обходить пагинацию и т.д.

Плюсы:
- Быстро (но медленнее API)
- Можно сделать все, что может сделать пользователь через браузер

Минусы:
- Легко детектится антифродом — поведение скрипта не похоже на человека
- Хрупкость – обновились селекторы на фронтенде → скрипт не работает

———

Тип 2.2: Неофициальный API (притворяемся фронтендом)

Место подключения: все еще бэкенд, как в типе 2

Поведение: агент притворяется фронтендом и дергает внутренний API, который мы нашли через "Network" в консоли разработчика. Аутентификация тут обычно по кукиз, либо вообще отсутствует, если страница доступна без логина (привет, api.hh.ru/search)

Плюсы:
- Есть все, что есть в UI, но быстро
- Часто бесплатно или по стоимости личного аккаунта

Минусы:
- Почти всегда нарушение ToS
- Иногда нужны приседания с обновлением кукиз

——————

tl;dr на примере HR:

- Добавить 100 HRD в коннекты на линкедине – 1
- Легально обрабатывать заявки кандидатов – 2
- Разово спарсить 1000 вакансий – 1.2
- Парсить 10 000 вакансий в день – 2.2

«Домашка»: привести примеры каждого типа для – обработки входящих заявок в тг (задачи кучи малых бизнесов в РФ)

Правильные ответы будут в следующем посте

@ai_grably