# Ключевые возможности

OneAPA предоставляет широкий набор возможностей для создания и эксплуатации ИИ агентов в корпоративной среде.

## Low-code разработка агентов

### Без программирования

Создание агента не требует написания кода:

1. Задайте **имя** и **описание** агента
2. Напишите **системный промпт** — инструкцию для LLM
3. Выберите **модель** (LLM провайдер)
4. Добавьте **инструменты** из готового набора
5. Настройте **триггер** запуска

### Визуальный интерфейс

<figure><img src="/files/jE1VpoKINN7NyuygNes6" alt=""><figcaption></figcaption></figure>

## Поддержка множества LLM провайдеров

### Доступные провайдеры

| Провайдер      | Модели                | Особенности                               |
| -------------- | --------------------- | ----------------------------------------- |
| **Yandex GPT** | YandexGPT/latest      | Российский провайдер, соответствие ФЗ-152 |
| **OpenAI**     | GPT-4o, GPT-4, o1, o3 | Vision, Reasoning, web\_search            |
| **OpenRouter** | Любые модели          | Единый API к множеству провайдеров        |
| **Ollama**     | Llama, Mistral, и др. | Полностью локальные модели                |
| **Sber**       | GigaChat              | Российский провайдер                      |

### Особенности моделей

## MCP (Model Context Protocol)

### OneAPA как MCP сервер

Любой инструмент агента автоматически доступен через MCP, если установлена галка "Публиковать как MCP"

<figure><img src="/files/CVzTNtn3NyKN51qbO1dI" alt=""><figcaption></figcaption></figure>

### OneAPA как MCP клиент

Подключение внешних MCP серверов:

* Файловая система
* GitHub
* Базы данных
* Любые MCP-совместимые сервисы

### Преимущества MCP

| Преимущество    | Описание                            |
| --------------- | ----------------------------------- |
| Универсальность | Единый протокол для всех интеграций |
| Расширяемость   | Легко добавлять новые инструменты   |
| Совместимость   | Работа с Cursor, Claude и другими   |

## Чат-интерфейс

### Встроенный чат в 1С

* Доступен из любого места конфигурации
* Поддержка прикрепления файлов
* История диалогов
* Выбор агента

### Web-интерфейс Chainlit

<figure><img src="/files/UbYud6zbV6xmUQXKmGKp" alt=""><figcaption></figcaption></figure>

* Доступ через браузер
* Не требует клиента 1С
* Современный дизайн
* Поддержка мобильных устройств

### Возможности чата

| Возможность         | Описание                           |
| ------------------- | ---------------------------------- |
| Текстовые сообщения | Основной способ взаимодействия     |
| Файлы               | PDF, Excel, Word, изображения      |
| История             | Сохранение контекста диалога       |
| Мультиагентность    | Выбор агента для конкретной задачи |

## Интеграция с OneRPA

### Роботы как инструменты

<figure><img src="/files/ZR6NBJPdPEciJBuf1WuM" alt=""><figcaption></figcaption></figure>

Агенты могут запускать роботов OneRPA:

```
Пользователь: "Выгрузи отчёт по продажам за месяц в Excel"

Агент → вызов робота OneRPA "Выгрузка отчёта продаж"
      → робот формирует Excel файл
      → робот сохраняет файл в папку
      → агент получает результат

Агент: "Отчёт сохранён в папке D:\Reports\sales_2025_01.xlsx"
```

### Преимущества интеграции

* Использование существующих роботов
* Автоматизация сложных сценариев
* Работа с UI приложений (SAP, веб и др.)

## RAG (Retrieval-Augmented Generation)

### Что такое RAG

RAG позволяет агенту использовать внутренние базы знаний:

```
┌─────────────────┐         ┌─────────────────┐
│  Вопрос         │         │  Векторная БД   │
│  пользователя   │────────►│  (знания)       │
└─────────────────┘         └────────┬────────┘
                                     │
                            релевантные документы
                                     │
                                     ▼
                            ┌─────────────────┐
                            │      LLM        │
                            │  (генерация     │
                            │   ответа)       │
                            └─────────────────┘
```

### Выгрузка в векторную БД

Обработка APA\_ВыгрузкаВВекторнуюБД:

* Выгрузка данных 1С в векторную базу
* Поддержка различных типов данных
* Автоматическое обновление

### Использование

```
Пользователь: "Какова процедура оформления командировки?"

Агент → поиск в векторной БД
      → найдены релевантные документы
      → LLM формирует ответ на основе документов

Агент: "Согласно внутреннему регламенту компании, 
        процедура оформления командировки включает:
        1. Заполнение заявки в системе...
        2. Согласование с руководителем...
        ..."
```

## Триггеры запуска

### Типы триггеров

| Триггер            | Описание         | Пример                    |
| ------------------ | ---------------- | ------------------------- |
| **Чат**            | Сообщение в чате | Пользователь пишет в чат  |
| **EMail**          | Входящее письмо  | Письмо на <hr@company.ru> |
| **API**            | HTTP запрос      | POST /api/agent/invoke    |
| **Буфер обмена**   | Изменение буфера | Копирование текста        |
| **Запись объекта** | Событие в 1С     | При записи документа      |

### Примеры использования

#### Триггер EMail

```
Входящее письмо: "Нужна справка 2-НДФЛ за 2024 год"

Агент (кадровый) автоматически:
→ определяет отправителя
→ формирует справку
→ отправляет ответное письмо с вложением
```

#### Триггер "Запись объекта"

```
При записи документа "Заявление на отпуск":

Агент автоматически:
→ проверяет корректность заполнения
→ проверяет пересечение с другими отпусками
→ отправляет уведомление руководителю
```

## Безопасность

### On-Premise развёртывание

* Все компоненты работают в инфраструктуре заказчика
* Данные не покидают периметр организации
* При использовании Ollama — полная изоляция

## Далее

* [Быстрый старт](/ai-platforma-oneapa/bystryj-start.md) — создание первого агента
* [Установка](broken://pages/Q4ra8Wne8P6Nv47rT3MR) — подробные инструкции


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.onerpa.ru/ai-platforma-oneapa/obzor-sistemy/klyuchevye-vozmozhnosti.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.