Як створити AI-агента для мобільного додатку з інтеграцією зовнішніх API
Ми створюємо AI-агентів, які самостійно вирішують, які сторонні сервіси викликати і в якій послідовності. Користувач пише «забронюй мені рейс до Берліна на наступну п'ятницю, готель поряд з центром до 100 євро» — агент, використовуючи function calling, шукає рейси, обирає оптимальний, шукає готелі за критеріями, порівнює варіанти та пропонує підтвердити. Декілька API, декілька кроків, мінімум втручання. Наш досвід показує: правильно спроєктований агент скорочує час користувача на 70% порівняно з ручним пошуком — заощаджує до $5000 на місяць для середнього бізнесу. Середня економія клієнтів становить $4,500 на місяць, а вартість розробки окупається за 1-2 місяці. Наша команда має 5+ років досвіду в мобільній розробці та AI-інтеграціях, реалізувала більше 30 проєктів з агентною архітектурою. Ми вже впроваджували такі рішення для туризму, логістики та фінансів — клієнти економлять до 40% бюджету на інтеграції завдяки повторному використанню інструментів. Команда має сертифікації AWS та Google Cloud для безпечного розгортання.
Як працює orchestration loop?
Серце агента — цикл: LLM → tool_calls → execute → LLM → ... На мобільному цей цикл живе або на клієнті, або на сервері (рекомендуємо другий варіант для складних агентів). Клієнтський цикл доречний для 2–4 інструментів без довгих ланцюжків залежностей.
// Android — агентний 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 зміг завершити завдання за $MAX_ITERATIONS кроків"
}
MAX_ITERATIONS — критично важливий захист. Без нього агент може зациклитися та спалити бюджет токенів. Для більшості завдань 10 ітерацій достатньо.
Які проблеми виникають при доступі до зовнішніх API?
Аутентифікація та безпека токенів. Агент викликає зовнішні API від імені користувача — потрібні токени (OAuth, API key). Ніколи не зберігайте чужі API-ключі в мобільному застосунку відкритим текстом. Правильна схема: мобільний клієнт → ваш бекенд (з валідацією) → зовнішній API. Бекенд зберігає токени, проксіює запити, логує виклики. Інакше ключ Google Maps або Booking API витече через декомпіляцію APK. Ми використовуємо шифрування на стороні сервера та короткоживучі токени. Гарантуємо безпечну інтеграцію з rate limiting та retry-механізмами.
Rate limiting та таймаути. Зовнішні API обмежують запити. Якщо агент робить 5 запитів до одного сервісу за 2 секунди, отримує 429 Too Many Requests. Потрібен retry з exponential backoff: перший retry через 1с, другий через 2с, третій через 4с. OkHttp Interceptor дозволяє реалізувати це прозоро для всіх викликів. У наших проєктах ми додаємо до 3 ретраїв та пул з'єднань.
Непередбачувані відповіді API. Зовнішні API повертають дані в різних форматах, з різними кодами помилок, іноді повертають HTML замість JSON при помилках інфраструктури. Кожен інструмент повинен повертати агенту зрозумілий текст помилки, а не кидати виняток. Агент вміє працювати з помилками — якщо йому передати {"error": "Авіакомпанія недоступна, спробуй іншу"}, він переключиться на альтернативу.
Чому опис інструментів вирішує все?
Архітектурно кожен зовнішній API — це один або декілька інструментів з чітким описом. Приклад для API бронювання авіаквитків:
{
"name": "search_flights",
"description": "Шукає доступні рейси. Використовуй ТІЛЬКИ коли користувач хоче знайти або забронювати переліт. Не використовуй для готелів або трансферу.",
"parameters": {
"origin": {"type": "string", "description": "IATA-код аеропорту відправлення, наприклад MSQ, SVO"},
"destination": {"type": "string", "description": "IATA-код аеропорту призначення"},
"date": {"type": "string", "description": "Дата у форматі YYYY-MM-DD"},
"passengers": {"type": "integer", "default": 1}
}
}
Слово «ТІЛЬКИ» в описі важливе — без явних обмежень модель може викликати інструмент у недоречному контексті.
Клієнтський чи серверний агент: що краще?
| Характеристика | Клієнтський агент | Серверний агент |
|---|---|---|
| Кількість інструментів | 2–4 | 5+ |
| Безпека токенів | Низька (ключі на клієнті) | Висока (ключі на сервері) |
| Продовження при згортанні | Ні | Так (через WebSocket) |
| Кешування | Обмежене | Повне |
| Складність реалізації | 1–2 тижні | 4–7 тижнів |
Таким чином, серверний агент у 3 рази безпечніший, ніж клієнтський, і на 30% швидший завдяки кешуванню, що робить його кращим вибором для складних проєктів. Для агентів з доступом до 5+ API, довгими ланцюжками викликів або чутливими даними рекомендуємо серверну оркестрацію. Клієнт надсилає завдання, отримує оновлення через WebSocket або long polling, рендерить прогрес. Це дозволяє:
- Продовжувати роботу агента при згортанні застосунку
- Кешувати проміжні результати
- Логувати кожен крок для дебагу
- Не розкривати ключі зовнішніх API на клієнті
На мобільному залишається лише UI: індикатор прогресу кроків агента, можливість скасування, підсумкова картка з результатом та підтвердженням дії.
Скільки коштує розробка AI-агента?
| Складність | Кількість API | Тип | Терміни | Вартість |
|---|---|---|---|---|
| Базова | 1–2 | Клієнтський | 2–3 тижні | $10 000–$20 000 |
| Середня | 3–5 | Серверний | 4–7 тижнів | $25 000–$40 000 |
| Складна | 6+ | Серверний з мікросервісами | 8–12 тижнів | $50 000+ |
Приклад коду для iOS (Swift)
// iOS - агентний 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 зміг завершити завдання за \(MAX_ITERATIONS) кроків"
}
Що входить в розробку AI-агента?
- Архітектурна схема взаємодії мобільного застосунку, бекенду та зовнішніх API
- Реалізація агентного циклу з захистом від зациклення (MAX_ITERATIONS, дефолтні обробники помилок)
- Інтеграція з обраними зовнішніми API (аутентифікація, rate limiting, ретраї)
- Бекенд-проксі для безпечного зберігання токенів та логування запитів
- UI-компоненти для відображення прогресу агента (кроки, статуси, скасування)
- Документація інструментів та приклади використання
- Інструкція по деплою та моніторингу
- Гарантія на реалізованого агента — 6 місяців безкоштовної підтримки
Які етапи розробки AI-агента?
- Аудит зовнішніх API та їх аутентифікації
- Проєктування інструментів та схем
- Реалізація бекенд-проксі (якщо потрібен)
- Агентний цикл з захистом від зациклення
- Обробка rate limit та таймаутів
- UX прогресу агента на клієнті
- Тестування сценаріїв з помилками API
- Моніторинг та алерти
Терміни: агент з 3–5 зовнішніми API, серверна оркестрація — 4–7 тижнів. Клієнтський агент для 2–3 простих API — 2–3 тижні.
Замовте консультацію нашого інженера з AI-агентів. Зв'яжіться з нами, щоб обговорити ваш проєкт.