Что такое ИИ-агент в BPMN: Camunda встроила LLM в процессный движок

Бернд Рюкер, сооснователь и главный технолог Camunda, описал архитектуру, в которой ИИ-агент (автономная программа, способная сама выбирать действия и инструменты для решения задачи) встроен в исполняемую BPMN-модель. BPMN (Business Process Model and Notation) — это международный стандарт ISO для описания бизнес-процессов, понятный и разработчику, и менеджеру. По словам Рюкера, Camunda исполняет такие модели с 2013 года, и агентный слой работает поверх инфраструктуры, которая уже больше десяти лет обеспечивает исполнение миллионов параллельных экземпляров процессов.

Что понадобится

• Camunda Modeler (бесплатный редактор BPMN-диаграмм, скачивается с сайта Camunda)
• Доступ к LLM (большой языковой модели): в примере Рюкера используется Claude Sonnet от Anthropic, но архитектура не привязана к конкретному поставщику
• Учебный проект Tech Helper Agent на GitHub (ссылка есть в статье Рюкера)
• Базовое понимание процессного подхода: что такое «шаг процесса», «подпроцесс», «согласование». Если работали с любым конструктором бизнес-процессов, этого хватит
• Время: от 2 до 4 часов на первый рабочий прототип по учебному проекту

Как собрать диалоговый поток шаг за шагом?

1. Откройте Camunda Modeler и создайте новый BPMN-процесс. Это будет «верхний» уровень: здесь логика полностью детерминирована. Каждый шаг выполняется строго по порядку, без участия ИИ.

2. Добавьте ad-hoc подпроцесс (произвольный подпроцесс, в нотации Camunda отмечен фиолетовой звездой). Именно этот блок станет пространством, где ИИ-агент рассуждает и принимает решения. За пределами подпроцесса всё остаётся под контролем жёсткой процессной логики.

3. Настройте LLM через панель свойств подпроцесса. Выберите поставщика модели, задайте лимиты токенов (единиц текста, которыми оперирует модель) и температуру (параметр, управляющий «креативностью» ответов: выше температура — свободнее ответ).

4. Пропишите системный промпт (стартовую инструкцию для модели) прямо в Modeler. По словам Рюкера, промпт виден в редакторе как обычный текст, никакой скрытой логики нет. Пример структуры промпта:

Ты — агент поддержки по вопросам кредитования.
Твоя задача — помочь клиенту разобраться в доступных продуктах,
рассчитать платежи и при необходимости запустить процесс оформления кредита.
Используй только предоставленные инструменты.
Не отправляй сообщения клиенту без прохождения этапа согласования.

1. Разместите инструменты внутри подпроцесса как отдельные BPMN-активности. Каждый инструмент — это действие, которое агент может вызвать: задать вопрос клиенту, выполнить поиск в базе знаний, обратиться к кредитному специалисту, загрузить каталог продуктов, рассчитать платежи и кредитоспособность, запустить оформление кредита отдельным подпроцессом.

2. Встройте обязательные контрольные точки в инструменты. Например, инструмент отправки сообщения клиенту должен содержать этап «Approve content» (утверждение текста). Это не рекомендация в промпте, а структурный элемент процесса: агент физически не может отправить сообщение, минуя согласование.

3. Протестируйте, отправив агенту типичный клиентский запрос. Агент сам выберет инструменты и порядок их вызова. Но каждый вызов пройдёт через процессный движок, а не напрямую.

Ключевой принцип: LLM выбирает, движок исполняет

Рюкер формулирует архитектурное правило так: LLM лишь выбирает инструменты, а их исполнением управляет процессный движок. Проверки на соответствие требованиям (комплаенс), этапы согласования и аудит реализуются не в виде инструкций модели, а как структурные ограничения самой процессной модели.

Любой инструмент можно полностью исключить из набора доступных агенту или поместить за этапом обязательного утверждения, не меняя ни единого слова в системном промпте. Для регулируемых отраслей это принципиально: аудитор видит не текст промпта, а формальную модель, в которой контрольная точка либо есть, либо нет.

Что происходит при промышленной нагрузке?

При масштабировании всплывают две проблемы, которые, по словам Рюкера, быстро становятся критичными.

• Длительные ожидания. Банковское обращение может ждать ответа кредитного бюро несколько дней. Агент не способен держать состояние в оперативной памяти так долго. В Camunda состояние сохраняется после каждого шага процесса, и когда ответ приходит, выполнение продолжается ровно с того места, где остановилось. Ожидающие экземпляры не расходуют вычислительные ресурсы.

• Сбои вызовов. Если инструмент завершился ошибкой, движок автоматически повторяет вызов. Если повторы не помогают, запускается компенсация: уже выполненные действия корректно отменяются, процесс не зависает в промежуточном состоянии.

Что с этого вам прямо сейчас?

Автору Дзена. Если пишете о технологиях или бизнес-процессах, разобраться, что такое ИИ-агент и как он работает внутри BPMN, значит получить тему, которую пока мало кто объясняет на русском языке. Учебный проект Tech Helper Agent на GitHub даёт материал для пошагового разбора.

Маркетологу и продакт-менеджеру. Архитектура «агент внутри процесса» позволяет внедрять ИИ в клиентские сценарии, не теряя контроля. Если ваша компания работает с персональными данными или финансами, это аргумент для руководства: автоматизация без риска нарушить регуляторные требования.

Предпринимателю в РФ и СНГ. Camunda доступна для скачивания, Modeler бесплатен. В качестве LLM можно подключить модели, доступные из России, например через API YandexGPT или GigaChat (по моим наблюдениям, для агентных сценариев с инструментами лучше проверять каждую модель отдельно, не все одинаково надёжно работают с вызовом функций).

Подход Camunda показывает: спор «дать ИИ-агенту свободу или зажать его правилами» — ложная дилемма. Можно дать свободу рассуждений внутри структурного каркаса, где каждый чувствительный шаг защищён не текстом промпта, а архитектурой, которую агент не может обойти. Для тех, кто работает в регулируемых отраслях, это не теория, а рабочий паттерн, который стоит попробовать на учебном проекте уже сегодня.