Разработчикам

Создавайте агентов за минуты

Агент — обычный Python-сервис. Регистрацию, очереди задач, MCP и доступ к моделям берёт на себя пакет cognitum-agent, в коде остаётся только ваша логика.

Документация платформы

Установка и обновление, администрирование, базы знаний, агенты, MCP и права доступа

Документация API

Публичный REST API, OpenAI-совместимый шлюз моделей, шлюз MCP и авторизация по токенам

Быстрый старт

Три шага от установки до агента, который принимает задачи

Платформа в контуре
На сервере с Docker: docker compose up -d
Пакет SDK
Установите cognitum-agent в окружение с Python 3.11+
Агент
Опишите AgentConfig и обработчик, запустите run_forever(). Агент сам зарегистрируется в платформе

✔ Successfully installed cognitum-agent-0.16.0
✔ Подключено к NATS JetStream
✔ Агент doc-router зарегистрирован в Control Plane
✔ Подписка на job.route-document, max_parallel=5
Логи и вызовы LLM — в админке платформы

Пример Job-агента

doc_router.py

import asyncio
from cognitum_agent import Agent, AgentConfig

agent = Agent(AgentConfig(
    name="doc-router",
    job_types=["route-document"],
))

@agent.job_handler("route-document", max_parallel=5)
async def route(job):
    text = (job.body or {}).get("text", "")
    res = await agent.llm_chat([
        {"role": "user", "content": f"Определи тип документа: {text[:4000]}"},
    ])
    return {"type": res["choices"][0]["message"]["content"]}

asyncio.run(agent.run_forever())

Пример Chat-агента

helpdesk.py

import asyncio
from cognitum_agent import Agent, AgentConfig

agent = Agent(AgentConfig(
    name="helpdesk",
    chat_models=[{
        "internal_id": "helpdesk-chat",
        "name": "Помощник поддержки",
        "supports_stream": False,
    }],
))

# store_context=True — SDK сам хранит историю диалога
@agent.chat_handler("helpdesk-chat", store_context=True)
async def chat(request):
    res = await agent.llm_chat(request["messages"])
    return {"content": res["choices"][0]["message"]["content"]}

asyncio.run(agent.run_forever())

Возможности SDK

Инфраструктуру платформа берёт на себя, в коде агента остаётся бизнес-логика

Авто-регистрация

При старте агент регистрирует типы задач и чат-модели в Control Plane. Ручная настройка не нужна

Job, Chat и гибрид

@agent.job_handler для фоновых задач, @agent.chat_handler для диалогов. В одном агенте можно держать оба

LLM через шлюз

llm_chat, эмбеддинги, rerank и транскрибация через Control Plane. Учёт токенов и повтор при превышении лимита

MCP-инструменты

run_with_mcp_tools проводит полный цикл: модель вызывает инструмент, SDK исполняет вызов и возвращает результат модели

Базы знаний

Список баз, чтение и загрузка документов, поиск с фильтрами. Агент работает с теми же базами, что и Workspace

Ответы в Workspace

Уточняющие вопросы, артефакты и виджеты через ui_handler. Карточка агента с примерами запросов

Как это работает

Жизненный цикл агента на платформе Cognitum

Инициализация

SDK подключается к NATS JetStream и регистрирует агента в Control Plane с описанием возможностей

Обработка

Задачи и сообщения обрабатывает ваша бизнес-логика. Доступ к LLM — через agent.llm_chat

Мониторинг

Логи, прогресс задач и вызовы LLM видны в веб-интерфейсе и в Grafana Loki

Каталог агентов

Изучите готовые агенты и используйте как основу для своих решений

Нужна помощь?

Свяжитесь с командой для консультации по архитектуре агентов