AI-агент через API: как создать, подключить и оплатить из России

AI-агент — это программа, которая использует языковую модель для самостоятельного выполнения многошаговых задач. Чтобы создать своего AI-агента, нужны три вещи: доступ к LLM через API, набор инструментов и среда выполнения на Python. Разработка AI-агента начинается с выбора модели, затем — определение функций, которые агент будет вызывать, и сборка цикла «рассуждение → действие → наблюдение». В этой статье разберём архитектуру агента, подберём модель под бюджет и напишем работающий прототип за 15 минут — с оплатой в рублях без зарубежной карты.

Как создать AI-агента: пошаговый план

Создание AI-агента проходит четыре этапа: выбор LLM-модели, определение инструментов, сборка цикла выполнения и тестирование. В отличие от обычного чат-бота, который отвечает на один запрос и «забывает» контекст, агент работает в цикле: получает задачу → рассуждает → выбирает инструмент → выполняет действие → оценивает результат → повторяет до достижения цели.

Ключевые компоненты AI-агента:

• Языковая модель (LLM) — «мозг» агента, отвечающий за понимание задачи и принятие решений. Подключается через API.
• Инструменты (tools) — функции, которые агент может вызывать: поиск в интернете, выполнение кода, запрос к базе данных, отправка email.
• Память — сохранение контекста между шагами: краткосрочная (история сообщений) и долгосрочная (векторная база данных).
• Цикл выполнения — оркестратор, который передаёт результаты инструментов обратно в LLM, пока задача не будет решена.

Простой пример: вы просите агента «узнай погоду в Москве и пришли её в Telegram». Агент вызывает weather API, получает данные, форматирует ответ и отправляет сообщение через Telegram Bot API — всё без вашего участия. Подробнее о механике вызова инструментов читайте в нашей статье про tool calling.

Какую LLM выбрать для разработки AI-агентов

Выбор модели определяет и качество работы агента, и бюджет разработки. Вот актуальные варианты под разные сценарии:

Цены в рублях за 1 миллион токенов через API Hubris. Актуальные ставки всех 516 моделей смотрите в каталоге.

Для большинства задач разработчика оптимальным выбором будет GPT-5.6 Luna — 25,25 ₽ за миллион входных токенов, уверенный tool calling и стабильное качество. Если агент должен писать и отлаживать код — выбирайте Claude Sonnet 5, его способности к вызову функций считаются лучшими в индустрии. Когда критична минимальная цена входящих токенов — DeepSeek V4 Flash за 0,61 ₽/M обрабатывает большие объёмы текста с достаточным качеством.

В каталоге Hubris 21 бесплатная модель — их можно использовать для прототипирования агента перед запуском на платной. Не знаете, с чего начать? Читайте гайд как выбрать нейросеть под задачу.

Бесплатные AI-агенты: с чего начать без бюджета

Создание AI-агента не требует денег на старте — прототип можно собрать на бесплатных моделях. Hubris предоставляет 21 бесплатную модель через тот же API-ключ, что и платные, без отдельных регистраций и ограничений по числу запросов.

Подход к бесплатному прототипированию:

• Начните с Gemini 2.5 Flash Lite — бесплатная модель с контекстом 1 млн токенов, достаточным для экспериментов с длинными историями вызовов.
• Отработайте логику инструментов — на бесплатной модели проверьте, правильно ли агент выбирает функции и передаёт аргументы. Синтаксис tool calling не зависит от цены модели.
• Переключитесь на платную для продакшена — когда прототип готов, замените модель на GPT-5.6 Luna или Claude Sonnet 5 тем же API-ключом. Код менять не придётся: все модели в Hubris работают через единый OpenAI-совместимый API.

Бесплатные модели уступают платным в стабильности и качестве рассуждений: они могут «забывать» вызвать инструмент или возвращать неполные аргументы. Для продакшена выбирайте платные — надёжность tool calling прямо влияет на результат агента.

Создаём AI-агента на Python за 15 минут

Напишем агента, который получает вопрос от пользователя, решает, нужен ли ему калькулятор, вызывает функцию вычисления и возвращает ответ. Для работы понадобится Python 3.10+ и API-ключ Hubris.

Шаг 1. Установка и настройка

Получите API-ключ в личном кабинете Hubris и установите OpenAI-совместимую библиотеку:

pip install openai

Шаг 2. Определяем инструмент

def calculator(expression: str) -> float:
    """Вычисляет математическое выражение. Принимает строку вида '2+2'."""
    return eval(expression, {"__builtins__": {}}, {})

Шаг 3. Запускаем цикл агента

from openai import OpenAI
import json

client = OpenAI(
    api_key="sk-gw-...",  # ваш ключ Hubris
    base_url="https://api.hubris.pw/v1"
)

tools = [{
    "type": "function",
    "function": {
        "name": "calculator",
        "description": "Вычисляет математическое выражение",
        "parameters": {
            "type": "object",
            "properties": {
                "expression": {"type": "string"}
            },
            "required": ["expression"]
        }
    }
}]

messages = [{"role": "user", "content": "Сколько будет 15 умножить на 37?"}]

# Шаг 1: модель решает, нужен ли инструмент
response = client.chat.completions.create(
    model="openai/gpt-5.6-luna",
    messages=messages,
    tools=tools,
    tool_choice="auto"
)

msg = response.choices[0].message
messages.append(msg)

# Шаг 2: выполняем инструмент
if msg.tool_calls:
    for tool_call in msg.tool_calls:
        func_name = tool_call.function.name
        args = json.loads(tool_call.function.arguments)
        if func_name == "calculator":
            result = calculator(args["expression"])

        messages.append({
            "role": "tool",
            "tool_call_id": tool_call.id,
            "content": str(result)
        })

    # Шаг 3: модель формулирует финальный ответ
    final = client.chat.completions.create(
        model="openai/gpt-5.6-luna",
        messages=messages
    )
    print(final.choices[0].message.content)

print(f"Потрачено токенов: {response.usage.total_tokens}")

Этот агент затратит около 800 токенов — при цене GPT-5.6 Luna в 25,25 ₽ за миллион входных токенов один такой вызов обойдётся меньше 3 копеек. Более сложный пример с пошаговым разбором смотрите в статье чат-бот на Python за 15 минут.

Как оплатить API из России

Hubris принимает оплату в рублях — вам не нужна зарубежная карта. Доступны три способа пополнения баланса:

• СБП — мгновенный перевод через Систему быстрых платежей, от 500 ₽;
• Банковская карта — российские карты Мир, Visa и Mastercard;
• Счёт для юридических лиц — с закрывающими документами и УПД для бизнеса.

Максимальная сумма одного пополнения — 100 000 ₽. Все 516 моделей из каталога доступны через единый API-шлюз с одним ключом — вы платите только за использованные токены, без отдельных подписок на каждого провайдера.

Частые вопросы

С чего начать создание AI-агента?

Разработка AI-агента начинается с трёх шагов: получите API-ключ в личном кабинете Hubris, выберите модель (GPT-5.6 Luna — универсальный старт), напишите первый инструмент на Python. Через 15 минут у вас будет работающий прототип, вызывающий внешние функции по команде модели. Пошаговый код — в разделе «Создаём AI-агента на Python» выше.

Сколько стоит создание AI-агента?

Цена зависит от модели и объёма токенов. На GPT-5.6 Luna (25,25 ₽/M входа) простой агент тратит около 2–5 тысяч токенов на запрос — это 6–13 копеек. Месяц активного использования (~1 000 запросов) обойдётся в 60–130 ₽. Агент на Claude Sonnet 5 с длинными цепочками рассуждений — в 5–10 раз дороже.

Можно ли сделать AI-агента бесплатно?

Да, бесплатные AI-агенты реальны на этапе прототипа. В каталоге Hubris 21 бесплатная модель — для первых экспериментов подойдут бесплатные Gemini 2.5 Flash Lite или Nemotron 3.5 Lightning. Однако для продакшена рекомендуем платные модели: они надёжнее, быстрее и лучше справляются с вызовом функций.

Чем AI-агент отличается от чат-бота?

Чат-бот отвечает на одно сообщение в формате «вопрос → ответ». AI-агент работает в автономном цикле: самостоятельно вызывает инструменты, проверяет результаты и принимает решения. Он не ждёт следующего сообщения от пользователя — выполняет задачу до конца.

Какие инструменты можно подключить к агенту?

Любые, у которых есть API: поиск в интернете, базы данных, email-рассылки, Telegram, Google Таблицы, GitHub, календари. Ограничение — только ваша фантазия и документация конкретного сервиса.

Какие языки программирования подходят для разработки AI-агентов?

Python — основной язык для AI-агентов благодаря экосистеме библиотек (openai, langchain, dify). JavaScript/TypeScript подходит для веб-интеграций и Telegram-ботов, Go — для высоконагруженных агентов. Hubris совместим с любым языком через OpenAI-совместимый API — просто укажите base_url и API-ключ.

Куда добавить код AI-агента в продакшене?

Готовый код агента размещают на VPS за 300–500 ₽ в месяц, в Docker-контейнере или как serverless-функцию (Yandex Cloud Functions, Cloud Run). LLM при этом работает на стороне Hubris — ваш сервер только координирует вызовы инструментов и передаёт ответы пользователю.

Можно ли запустить агента локально, без облака?

Да, локальные AI-агенты возможны — для этого используют открытые модели (Llama, Qwen, DeepSeek) через Ollama или LM Studio. Но облачные модели через API дают доступ к более мощным LLM без затрат на своё железо. Hubris позволяет стартовать с облачных моделей и при необходимости переключиться на локальные — API-ключ один для всех.

Какие российские альтернативы есть для AI-агентов?

Яндекс развивает собственных AI-агентов на базе YandexGPT (Алиса, Поиск, Браузер), а Сбер — на базе GigaChat. Это потребительские продукты, а не API для разработчиков. Если вы создаёте своего агента под конкретную задачу — Hubris даёт доступ к 516 мировым моделям с оплатой в рублях.

Нужен ли свой сервер для запуска агента?

Нет — LLM работает на стороне Hubris, вам нужен только Python-скрипт и доступ к интернету. Для продакшена агента можно разместить на любом VPS за 300–500 ₽ в месяц.

Где взять API-ключ для агента?

API-ключ Hubris создаётся в личном кабинете за одну минуту. Формат ключа — sk-gw-.... Один ключ открывает доступ ко всем моделям каталога, платным и бесплатным. Пополните баланс через СБП или банковскую карту — и агент готов к запуску.