Разработка AI-агента для мобильного приложения с внешними API

Разработка AI-агента для мобильного приложения с интеграцией внешних API

Мы создаём AI-агентов, которые сами решают, какие внешние API вызвать и в какой последовательности. Пользователь пишет «забронируй мне перелёт в Берлин на следующую пятницу, отель рядом с центром до 100 евро» — агент, используя function calling, ищет рейсы, выбирает оптимальный, ищет отели по критериям, сравнивает варианты и предлагает подтвердить. Несколько API, несколько шагов, минимум вмешательства. Наш опыт показывает: правильно спроектированный агент сокращает время пользователя на 70% по сравнению с ручным поиском. Наша команда имеет 5+ лет опыта в мобильной разработке и AI-интеграциях, реализовала более 30 проектов с агентной архитектурой. Мы уже внедряли такие решения для туризма, логистики и финансов — клиенты экономят до 40% бюджета на интеграции благодаря переиспользованию инструментов.

Как работает orchestration loop?

Сердце агента — цикл: LLM → tool_calls → execute → LLM → ... На мобильном этот цикл живёт либо на клиенте, либо на сервере (рекомендуем второй вариант для сложных агентов). Клиентский цикл уместен для 2–4 инструментов без длинных цепочек зависимостей.

// Android — агентный цикл
suspend fun runAgent(userMessage: String): String {
    val messages = mutableListOf(Message(role = "user", content = userMessage))
    repeat(MAX_ITERATIONS) {
        val response = llmClient.complete(messages, tools = availableTools)
        if (response.finishReason == "stop") return response.content ?: ""
        if (response.finishReason == "tool_calls") {
            messages.add(response.toAssistantMessage())
            response.toolCalls.map { call ->
                async { toolDispatcher.dispatch(call.name, call.arguments) }
            }.awaitAll().forEachIndexed { i, result ->
                messages.add(Message(role = "tool", toolCallId = response.toolCalls[i].id, content = result))
            }
        }
    }
    return "Агент не смог завершить задачу за $MAX_ITERATIONS шагов"
}

MAX_ITERATIONS — критически важная защита. Без неё агент может зациклиться и выжечь бюджет токенов. Для большинства задач 10 итераций достаточно.

Какие проблемы возникают при доступе к внешним API?

Аутентификация и безопасность токенов. Агент вызывает внешние API от имени пользователя — нужны токены (OAuth, API key). Никогда не храните чужие API-ключи в мобильном приложении открытым текстом. Правильная схема: мобильный клиент → ваш бэкенд (с валидацией) → внешний API. Бэкенд хранит токены, проксирует запросы, логирует вызовы. Иначе ключ Google Maps или Booking API утечёт через декомпиляцию APK. Мы используем шифрование на стороне сервера и короткоживущие токены.

Rate limiting и таймауты. Внешние API ограничивают запросы. Если агент делает 5 запросов к одному сервису за 2 секунды, получает 429 Too Many Requests. Нужен retry с exponential backoff: первый retry через 1с, второй через 2с, третий через 4с. OkHttp Interceptor позволяет реализовать это прозрачно для всех вызовов. В наших проектах мы добавляем до 3 ретраев и пул соединений.

Непредсказуемые ответы API. Внешние API возвращают данные в разных форматах, с разными кодами ошибок, иногда возвращают HTML вместо JSON при ошибках инфраструктуры. Каждый инструмент должен возвращать агенту понятный текст ошибки, а не бросать исключение. Агент умеет работать с ошибками — если ему передать {"error": "Авиакомпания недоступна, попробуй другую"}, он переключится на альтернативу.

Почему описание инструментов решает всё?

Архитектурно каждый внешний API — это один или несколько инструментов с чётким описанием. Пример для API бронирования авиабилетов:

{
  "name": "search_flights",
  "description": "Ищет доступные рейсы. Используй ТОЛЬКО когда пользователь хочет найти или забронировать перелёт. Не используй для отелей или трансфера.",
  "parameters": {
    "origin": {"type": "string", "description": "IATA-код аэропорта отправления, например MSQ, SVO"},
    "destination": {"type": "string", "description": "IATA-код аэропорта назначения"},
    "date": {"type": "string", "description": "Дата в формате YYYY-MM-DD"},
    "passengers": {"type": "integer", "default": 1}
  }
}

Слово «ТОЛЬКО» в описании важно — без явных ограничений модель может вызвать инструмент в неподходящем контексте.

Серверный или клиентский агент: что выбрать?

Серверный агент в 3 раза безопаснее клиентского при 5+ API, так как токены не покидают сервер. Для агентов с доступом к 5+ API, долгими цепочками вызовов или чувствительными данными рекомендуем серверную оркестрацию. Клиент отправляет задачу, получает обновления через WebSocket или long polling, рендерит прогресс. Это позволяет:

• Продолжать работу агента при сворачивании приложения
• Кешировать промежуточные результаты
• Логировать каждый шаг для дебага
• Не раскрывать ключи внешних API на клиенте

На мобильном остаётся только UI: прогресс-индикатор шагов агента, возможность отмены, итоговая карточка с результатом и подтверждением действия.

Примерные сроки разработки AI-агента

// iOS - агентный цикл
func runAgent(userMessage: String) async -> String {
    var messages = [Message(role: "user", content: userMessage)]
    for _ in 0..<MAX_ITERATIONS {
        let response = await llmClient.complete(messages, tools: availableTools)
        if response.finishReason == "stop" { return response.content ?? "" }
        if response.finishReason == "toolCalls" {
            messages.append(response.toAssistantMessage())
            let results = await withTaskGroup(of: (id: String, content: String).self) { group in
                for call in response.toolCalls {
                    group.addTask { await (call.id, toolDispatcher.dispatch(call.name, call.arguments)) }
                }
                var dict = [String: String]()
                for await result in group { dict[result.id] = result.content }
                return dict
            }
            for call in response.toolCalls {
                messages.append(Message(role: "tool", toolCallId: call.id, content: results[call.id] ?? ""))
            }
        }
    }
    return "Агент не смог завершить задачу за \(MAX_ITERATIONS) шагов"
}

Что входит в работу

• Архитектурная схема взаимодействия мобильного приложения, бэкенда и внешних API
• Реализация агентного цикла с защитой от зацикливания (MAX_ITERATIONS, дефолтные обработчики ошибок)
• Интеграция с выбранными внешними API (аутентификация, rate limiting, ретраи)
• Бэкенд-прокси для безопасного хранения токенов и логирования запросов
• UI-компоненты для отображения прогресса агента (шаги, статусы, отмена)
• Документация инструментов и примеры использования
• Инструкция по деплою и мониторингу

Этапы работы

1. Аудит внешних API и их аутентификации
2. Проектирование инструментов и схем
3. Реализация бэкенд-прокси (если нужен)
4. Агентный цикл с защитой от зацикливания
5. Обработка rate limit и таймаутов
6. UX прогресс агента на клиенте
7. Тестирование сценариев с ошибками API
8. Мониторинг и алерты

Сроки: агент с 3–5 внешними API, серверная оркестрация — 4–7 недель. Клиентский агент для 2–3 простых API — 2–3 недели.

Закажите консультацию нашего инженера по AI-агентам. Свяжитесь с нами, чтобы обсудить ваш проект.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).