Mi az AI-agent, és miben több egy chatbotnál?

A generatív mesterséges intelligencia hajnalán a chatbotok (mint a ChatGPT) megváltoztatták, hogyan férünk hozzá információkhoz. Egy chatbot feladata egyszerű: megkap egy kérdést, és a betanított tudása vagy a megadott kontextus (RAG) alapján generál egy szöveges választ. Ez kiváló ügyfélszolgálati GYIK megválaszolására vagy szövegíró asszisztenciára, de képtelen egy komplex vállalati munkafolyamatot önállóan végrehajtani.

Az AI-agent (AI ügynök) ezzel szemben nem pusztán beszélget, hanem cselekszik. Egy agent célt kap, amelyet feladatokra bont, információt keres a vállalati adatbázisokban (CRM, ERP), belső vagy külső szoftveres eszközöket használ (Tool Calling), ellenőrzi a kapott eredményt, és szükség esetén önkorrekciót végez.

Cél kijelölése → Tervezés és bontás → Eszközhasználat (API) → Értékelés → Végrehajtás

Gondoljunk úgy a különbségre, mint egy lexikon és egy asszisztens közötti differenciára. Ha megkérdezzük, "Miért késik a rendelés?", a chatbot leírja, mik a késés általános okai. Az AI-agent viszont lekéri a logisztikai API-t, megnézi a beszállítói státuszt, megállapítja a késés konkrét okát, generál egy elnézést kérő email-tervezetet az ügyfélnek, és várja az operátor jóváhagyását a kiküldéshez.

Egy megbízható vállalati AI-agent sokkal több egyetlen okos modellnél. Egy éles rendszer (ellentétben egy prototípussal) komplex architektúrára épül, amely garantálja a determinisztikus működést, a biztonságot és a visszakövethetőséget.

• 1. Az "Agy" (LLM Orchestration): Ez maga a nagy nyelvi modell (pl. GPT-4, Claude 3.5), amely megérti az instrukciókat, terveket készít és döntéseket hoz arról, hogy mikor milyen eszközt kell használnia.
• 2. Állapotkezelés és Memória (State Management): Egy agent-nek emlékeznie kell arra, hogy mi történt az előző lépésekben. A rövid távú memória a jelenlegi munkafolyamat kontextusát tartja meg, míg a tartós memória (pl. vektor adatbázisokban tárolt előzmények) a korábbi interakciók tapasztalatait. (Tipikusan a LangGraph biztosítja az állapotgépet).
• 3. Eszközök és Adapterek (Tools & MCP): Ezek azok az "idegpályák", amelyeken keresztül az agent beavatkozik a külvilágba. A modern megközelítés szerint ezeket MCP (Model Context Protocol) szervereken keresztül vagy zárt REST API-kon keresztül tesszük elérhetővé számára. Például egy get_customer_balance vagy egy create_jira_ticket eszköz.
• 4. Biztonsági Réteg (Guardrails): Mielőtt az agent ténylegesen végrehajtana egy hívást a CRM felé, egy szigorú, nem AI-alapú kód (biztonsági háló) ellenőrzi a paramétereket, a jogosultságokat és az üzleti szabályokat (pl. "Az agent nem adhat 15%-nál nagyobb kedvezményt").
• 5. Human-in-the-Loop (HITL) Interfész: A kritikus pontokon a rendszer megáll, befagyasztja az állapotát, és emberi jóváhagyást kér egy felületen keresztül a művelet véglegesítése előtt.

A leggyakoribb építészeti hiba, amikor egy egyszerű adatmozgatási feladatot AI-agenttel akarnak megoldani (túlzott komplexitás és költség), vagy amikor egy rugalmas gondolkodást igénylő folyamatot merev RPA (szoftverrobot) keretekbe kényszerítenek. Segítünk a választásban:

Lássunk konkrét vállalati területeket, ahol az agent alapú rendszerek a legnagyobb megtérülést hozzák:

• 1. B2B Sales Előkészítő (BDR) Agent:
  Egy új lead beérkezésekor az agent önállóan megnézi a céget a cégjegyzékben, átnézi a vállalat weboldalát, ellenőrzi a CRM-ben a korábbi nyitott ügyeket, majd összeállít egy személyre szabott "Meeting Brief"-et. Ezzel heti tucatnyi kutatási órát spórol a sales csapatnak.
• 2. IT Support Triage és Első Szintű Megoldó:
  Ha egy alkalmazott bejelenti, hogy "Nem tudok belépni", az agent lekérdezi az Active Directory-t, megnézi a belső incidens naplót. Ha a fiók csak lezárt (locked out), egy ellenőrző kód kiküldése után az agent fel tudja oldani a fiókot, emberi IT-s bevonása nélkül.
• 3. Pénzügyi Eltérés-Kereső (Reconciliation Agent):
  Hó végi záráskor az agent összeveti a bankszámlakivonatokat a kiállított számlákkal. Ha eltérést talál, bekéri a szerződést, elemzi az árfolyamkülönbséget, és javaslatot tesz a könyvelőnek a lekönyvelésre.
• 4. Automatizált Kód-Reviewer Agent:
  Fejlesztőcsapatoknál figyeli a Git tárolókat. Új Pull Request esetén lefordítja a kódot, futtatja a statikus elemzőket, ellenőrzi a style guide-ot, majd megjegyzéseket fűz a kódhoz, mielőtt átadná egy senior fejlesztőnek.

A legnagyobb félelem az agentekkel kapcsolatban, hogy "elszabadulnak" és kárt okoznak a vállalati rendszerekben. Ez a félelem jogos, ha nincsenek beépítve a megfelelő biztonsági fékek (Guardrails).

• Eszköz-szintű jogosultság (Least Privilege): Az agent pontosan ugyanazon a jogosultsági szinten működik, mint az az ember, aki elindította a folyamatot (SSO Token Delegation).
• Olvasás vs. Írás (Read vs. Write Policies): Az agent kaphat autonóm hozzáférést a keresési eszközökhöz, de minden módosító műveletet a rendszer blokkolhat, amíg egy ember nem hagyja jóvá (Approval Gate).
• Idempotencia és Korlátok: Az API-kat úgy kell megtervezni, hogy dupla hívás ne hozzon létre dupla rendelést. Be kell állítani költséglimiteket és iterációs korlátokat a végtelen ciklusok ellen.
• Audit Log (Tracing): Az agent "gondolatmenete" (Chain of Thought), minden eszközhívása 100%-ban naplózásra kerül. Így percre pontosan visszakövethető a döntési logika.

"A piac tele van izgalmas nyílt forráskódú agent-keretrendszerekkel (AutoGPT, BabyAGI), amik egy laborban zseniálisan mutatnak. A valódi mérnöki kihívás azonban nem az, hogy rávegyük az AI-t a feladat megoldására, hanem az, hogy garantáljuk: mikor NE csináljon semmit. A megbízható vállalati agent-architektúra ott kezdődik, hogy kivesszük az üzleti logikát és a szabályokat a promptból, és determinisztikus kódba, MCP-szerverekbe, valamint egy megszakítható LangGraph workflow-ba kényszerítjük. Csak az intelligenciát bízzuk az AI-ra, a biztonságot soha." — Udvarhelyi Dávid, AI Architect

Szükséges külön LLM-et tanítanunk egy AI agenthez?
Az esetek 95%-ában nem. A vezető modellek (GPT-4, Claude 3.5 Sonnet) kiváló következtetési és "tool calling" képességekkel rendelkeznek. A tudást nem a modell súlyaiba kódoljuk, hanem az eszközökön (API) keresztül adjuk meg a futás pillanatában.

Milyen keretrendszerben érdemes agentet építeni?
Vállalati, produkciós környezetben a legelterjedtebb a LangChain / LangGraph ökoszisztéma. A LangGraph kiválóan alkalmas az állapotok kezelésére és a megszakítható (human-in-the-loop) folyamatok felépítésére.

Mennyire lassú egy agent egy API híváshoz képest?
Egy API hívás milliszekundumok alatt lefut. Egy agent tervezése és többszörös hívásai másodperceket, de akár perceket is igénybe vehetnek. Ezért aszinkron (háttérben futó) folyamatokra érdemes használni őket.