Крупный корпоративный сектор все чаще проявляет интерес к концепции Agentic AI — системам, в которых нейросети выступают не просто собеседниками в чате, а выполняют роли автономных цифровых сотрудников. Однако строгие требования безопасности и регуляторные ограничения делают невозможным использование публичных облачных сервисов вроде решений от OpenAI или Anthropic при работе с критически важными документами. Единственным выходом становится полное развертывание в изолированном контуре (On-Premise).
Инфраструктурный слой: Kubernetes и полная изоляция
Чтобы упростить администрирование для корпоративных DevOps-команд, платформу «Архангел» упаковали в стандартные Helm-чарты, отказавшись от нестандартных установщиков. Это обеспечивает предсказуемость деплоя и простоту горизонтального масштабирования.
Ключевые принципы организации закрытой инфраструктуры:
- Air-gapped среда: Все образы контейнеров и локальные модели (семейств Llama, Mistral и др.) хранятся исключительно во внутренних защищенных реестрах (Harbor или Nexus).
- Работа с состоянием: StatefulSet-манифесты позволяют разворачивать базы данных и брокеры сообщений внутри кластера либо связывать платформу с существующими корпоративными хранилищами PostgreSQL и Redis.
- Сетевые политики: На уровне сетевых политик Kubernetes (при использовании CNI-плагинов с их поддержкой, таких как Calico или Cilium) любые исходящие соединения во внешнюю сеть блокируются на корню.
Оркестрация агентов через Event-Driven архитектуру
Для предотвращения галлюцинаций задачи не передаются одной универсальной модели, а делятся между узкоспециализированными агентами. Взаимодействие между ними организовано по событийно-ориентированной модели (EDA) через внутреннюю шину данных.
Пример обработки проекта договора:
- Агент сбора данных (Ingestion Agent): Извлекает и очищает текст документа, после чего отправляет уведомление о готовности в шину.
- Юридический агент (Legal Agent): Проводит смысловой аудит, выявляет потенциальные правовые коллизии или штрафные риски и передает соответствующее событие дальше.
- Финансовый агент (Finance Agent): Получает сигнал от юриста и выполняет расчет финансовых рисков, опираясь на внутреннюю статистику организации.
- Агент интеграции (Integration Agent): Агрегирует собранную информацию и генерирует структурированный ответ для внутренних систем (ERP, CRM или 1С).
Благодаря асинхронной схеме агенты не блокируют работу друг друга, а при росте входящего потока документов достаточно увеличить число подов для наиболее нагруженных звеньев.
Локальный RAG и работа с векторами
Чтобы агенты опирались на регламенты и архив компании, используется архитектура Retrieval-Augmented Generation (RAG), реализованная полностью локально:
- Внутренние эмбеддинги: Векторизация текста выполняется легковесными open-source моделями на собственных GPU-узлах кластера без отправки данных наружу.
- Изолированные векторные БД: Векторные представления нормативной базы хранятся в Qdrant, Milvus или pgvector внутри периметра.
- Локальная актуализация: Обновление базы знаний происходит внутри компании — при добавлении документов система локально переиндексирует данные без облачной синхронизации.
Реализация Agentic AI для корпоративного сегмента — это прежде всего задача сетевой изоляции и продуманной архитектуры взаимодействия сервисов. Использование событийно-ориентированного подхода и локальных моделей позволяет получить автономную систему, работающую без единого внешнего сетевого запроса.