Как подключить базу знаний к ИИ-агенту: разбор двух репозиториев
Как подключить базу знаний к ИИ-агенту: разбор двух репозиториев

Как подключить базу знаний к ИИ-агенту: разбор двух репозиториев

Подключить базу знаний к ИИ-агенту можно двумя способами: подсунуть ему навыки (skills) с проверенными практиками или дать доступ к инструментам через MCP в self-hosted чате. В материалах — два свежих примера: GoogleChrome/modern-web-guidance-src набрал 1925 звёзд за сутки, а agentes-chat/agentes-chat — 1354 звезды. Оба репозитория решают одну задачу — сделать так, чтобы агент отвечал не из общих воспоминаний, а из конкретной базы.

Что такое база знаний для ИИ-агента и зачем она нужна

База знаний для ИИ-агента — это набор файлов, навыков или инструментов, которые агент подгружает в контекст перед ответом. Без неё модель опирается на то, что видела при обучении, и легко выдаёт устаревшие советы.

Первый репозиторий — Modern Web Guidance — это набор skills, который встраивает в агента экспертизу по веб-платформе, лучшие практики и данные о совместимости браузеров. Репозиторий modern-web-guidance-src — исходник: в нём код и документация для авторинга, калибровки и оценки контента. Проще говоря, вы не пишете правила руками, а берёте готовый набор и подключаете к своему кодовому агенту. Второй проект, agentes-chat, — это open-source альтернатива Slack с self-hosted развёртыванием, где команда и ИИ-агенты работают в каналах и личных сообщениях. Агенты запускаются на Claude, ChatGPT/Codex, Gemini или Grok, у них есть MCP-инструменты, собственный компьютер и браузер, routines, память и подтверждения действий.

Оба проекта — про одно: база знаний и инструменты должны быть явными, а не подразумеваемыми.

Как работает подключение базы знаний: навыки и MCP

Подключение идёт по двум каналам: skills как текстовые файлы и MCP как протокол доступа к инструментам. В modern-web-guidance-src навыки — это контент, который авторится, калибруется и оценивается отдельно, а потом отдаётся агенту. В agentes-chat инструменты подключаются через MCP, а память и routines дают агенту контекст между сообщениями.

Смотрите, что происходит на практике. Берём agentes-chat, поднимаем через Docker Compose и Postgres, заводим канал и приглашаем агента. Дальше агент получает MCP-инструменты, собственный браузер и память — и может не просто ответить, а сходить на сайт, проверить данные и вернуться с результатом. В modern-web-guidance-src логика другая: вы обновляете навыки, прогоняете калибровку и оценку, и только потом отдаёте агенту. Оба пути требуют, чтобы база была версионирована и проверена. Если пропустить оценку, агент будет уверенно повторять устаревшую практику.

Короткий список того, что даёт база знаний агенту:

  • свежие практики вместо общих воспоминаний модели;
  • данные о совместимости браузеров для веб-задач;
  • память и routines для повторяющихся сценариев;
  • подтверждения действий там, где агент может навредить.

Сколько стоит подключить базу знаний к ИИ-агенту

Прямой цены в материалах нет: оба проекта распространяются как open-source, а расходы складываются из моделей и инфраструктуры. agentes-chat работает на Claude, ChatGPT/Codex, Gemini или Grok — значит, платите за токены выбранной модели. Плюс Docker Compose и Postgres: это ваш сервер или облако.

modern-web-guidance-src не требует отдельной подписки, но требует времени на авторинг, калибровку и оценку навыков. Это скрытая стоимость: без оценки база знаний превращается в свалку файлов. Лицензия agentes-chat — AGPL-3.0, это важно, если вы планируете закрытое развёртывание. В материалах нет данных о стоимости хостинга и токенов, поэтому считать бюджет нужно под свою модель и нагрузку. Если хотите сравнить модели по цене, начните с разбора выбора LLM по цене и качеству.

Больше разборов по ИИ и автоматизации — в канале @il_chum

Как начать: пошаговое подключение

Начать проще с agentes-chat, если нужен готовый чат с агентами, и с modern-web-guidance-src, если нужен набор навыков для кодового агента. Ниже шаги для второго варианта — он ближе к теме «база знаний».

  1. Клонируйте репозиторий: git clone https://github.com/GoogleChrome/modern-web-guidance-src.
  2. Изучите документацию по авторингу, калибровке и оценке навыков.
  3. Подключите навыки к своему агенту — по инструкции из репозитория.
  4. Прогоните оценку и убедитесь, что агент выдаёт актуальные практики.

Для agentes-chat шаги другие: разверните Docker Compose с Postgres, выберите модель (Claude, ChatGPT/Codex, Gemini или Grok), настройте MCP-инструменты и пригласите агента в канал. Если нужен агент в терминале, пригодится разбор автоматизации работы ИИ-агента в терминале.

Кому это не подходит и что бы я сделал иначе

Честно: оба проекта не для тех, кто хочет «просто кнопку». modern-web-guidance-src — это исходник для авторинга, а не готовый плагин. agentes-chat требует Docker Compose и Postgres, то есть администрирования. Если у вас нет человека, который будет обновлять навыки и следить за MCP-инструментами, база знаний быстро устареет.

Я бы начал с одного канала и одного навыка, а не с полного набора. Сначала проверяем, что агент вообще отвечает по базе, потом расширяем. Иначе получается классическая история: подключили десять инструментов, а агент путается, какой из них главный. Ещё я бы сразу заложил оценку: без неё непонятно, стало лучше или просто длиннее. И да, если команда небольшая, self-hosted чат может быть избыточен — начните с навыков.

Частые вопросы

Нужен ли MCP, чтобы подключить базу знаний? Не обязательно. В modern-web-guidance-src база — это навыки, а MCP нужен для доступа к инструментам, как в agentes-chat.

Можно ли использовать бесплатно? Оба репозитория open-source, но модели и инфраструктура могут стоить денег. agentes-chat работает на платных моделях Claude, ChatGPT/Codex, Gemini или Grok.

С чего начать новичку? С одного навыка и одного канала. Проверьте, что агент отвечает по базе, и только потом добавляйте инструменты и память.


Больше разборов по ИИ и автоматизации — в канале: @il_chum