AI агенты
Пачка как среда для AI-агентов
Пачка — готовая среда для ваших AI-агентов. Упомяните агента в треде — остальное он сделает сам. Агент находится внутри разговора, видит контекст и действует автономно.
- Агент — участник команды — действует как сотрудник: читает обсуждения, создаёт задачи, отправляет результаты. Ответственность остаётся за человеком, агент выполняет работу
- Треды как единица работы — каждый тред изолирован, агент видит только его содержимое и отвечает туда же, не загрязняя общий чат
- Сквозные треды — упомяните любого сотрудника в треде, и он увидит весь контекст, даже если не состоит в исходном чате. Один тред — единая точка координации между людьми и агентом
Пример работы AI-агента в треде Пачки
Читает тред, ищет ответ в базе знаний, отвечает в тот же тред
Читает историю треда, формирует заголовок и описание, создаёт задачу в трекере
Получает заявку в канале, уточняет детали через форму, маршрутизирует ответственному
Запрашивает статус CI-проверок, находит упавший джоб, читает логи и отвечает с диагнозом
Скачивает файл по ссылке из репозитория или веб-страницы, анализирует и отвечает в тред
Находит сайт компании, определяет размер команды, собирает ключевую информацию в отчёт
Следит за сообщениями в канале, при триггере отправляет уведомление или выполняет действие
Приветствует нового сотрудника, отправляет инструкции, помогает настроить профиль
Напоминает о задачах, готовит дайджест непрочитанного, собирает повестку к встрече
Отвечает на типовые вопросы от коллег, пока вы заняты, используя контекст ваших проектов
Находит все треды и сообщения, где вас упомянули, и собирает краткую сводку
Как это работает
Получение события
Агент получает события через исходящий вебхук — упоминание по имени, ответ в тред или личное сообщение боту.
Сбор контекста
Агент читает историю сообщений и информацию о чате, чтобы понять контекст запроса. Если бота вызвали в треде и других сообщений нет — основной контекст в родительском сообщении.
- GETСписок сообщений чата — история сообщений треда или чата
- GETИнформация о сообщении — родительское сообщение треда
- GETИнформация о чате — участники и тема чата
Выполнение действий
Агент выполняет нужные действия — отправляет сообщения, создаёт задачи, вызывает внешние сервисы. Реакция-индикатор показывает пользователю, что агент работает.
- POSTНовое сообщение — отправить сообщение в канал или беседу
- POSTНовый тред — создать тред и ответить
- POSTНовое напоминание — создать задачу из контекста разговора
- POSTНовая реакция — поставить реакцию-индикатор
Ответ
Результат агент отправляет обратно в тред или в личные сообщения и снимает реакцию-индикатор.
- POSTНовое сообщение — отправить результат
- DELETEУдаление реакции — снять реакцию-индикатор
Практические советы
- Реакции как индикатор — агент ставит реакцию (например, ⏳) при получении запроса и снимает по завершении. Пользователь сразу видит, что агент работает
- Один бот — один агент — создайте отдельного бота для каждого агента, чтобы разделить права и логику
- Контекст из треда — читайте историю треда перед ответом, а не только последнее сообщение. Так агент учитывает весь контекст разговора
- Обработка ошибок — если агент не может выполнить задачу, пусть он ответит в тред с пояснением, а не молчит. Прозрачность действий важнее идеального результата
Как подключить Пачку к агенту
llms.txt
Самый простой способ для разовых задач. Скопируйте ссылку в промпт агента — он получит сводку API со ссылками на документацию. Подходит, когда нужно быстро попросить агента сделать что-то конкретное в Пачке.
Полная версия документации в одном файле — llms-full.txt. Подходит для загрузки в контекст агента целиком (ChatGPT, собственные агенты на базе LLM).
Краткая сводка документации со ссылками на страницы
Полная документация в одном файле для загрузки в контекст агента
Любая страница документации доступна в markdown-формате — добавьте .md к адресу страницы. Например: /guides/webhook.md
CLI
Самый быстрый и производительный способ. Минимальное влияние на контекст агента — не нужно загружать документацию, агент узнаёт возможности через --help. Если есть доступ к shell, агент может генерировать скрипты для типовых задач.
Context7 MCP
Самый надёжный вариант для постоянной работы с API. Context7 — MCP-сервер, который отдаёт актуальную документацию прямо в контекст агента. Подходит для удалённых интеграций с OAuth, многошаговых сценариев и когда вы часто просите агента выполнять разные задачи в Пачке из промптов.
Для других агентов добавьте MCP-сервер https://mcp.context7.com/mcp в настройках. Чтобы агент использовал документацию Пачки, добавьте в промпт use context7 или настройте это через правила агента.
OpenAPI-спецификация
Классический вариант для разработчиков. Наиболее полное описание API без дополнительных обвязок — типы, схемы, все эндпоинты. Подходит для кодогенерации (openapi-generator, Kiota, Orval), GPT Actions и когда вы строите собственную интеграцию с API.
Agent Skills
Набор специфичных знаний об API, разбитый на предметные области (сообщения, чаты, задачи и др.). Каждый скилл содержит описания методов, сценарии с curl-примерами, обработку ошибок и gotchas. Скиллы — не обязательный и не единственный способ работы с API, а отправная точка, которую можно модифицировать под свои задачи.
Команда автоматически определит установленные агенты и подключит скиллы. Совместимы с 40+ AI-агентами через Skills CLI.