Jak na vlastního AI agenta
Praktický úvod do světa no-code a low-code AI agentů.
Vydání #91:
AI Agenti: Slíbené praktické pokračování série, která začala teoretickým úvodem do tématu.
Mary Meeker report: Měli jsme připravenou spoustu místa pro AI novinky Applu (not). Místo toho si můžete přečíst naše shrnutí slavného reportu.
Téma AI agentů je nebývale komplexní a vyvíjí se mimořádně rychle. Tento text není vyčerpávajícím návodem, ale spíše inspirací, kde a jak začít. Soustředíme se hlavně na konkrétní příklady pro osobní a týmové využití.
Umělí inteligentní agenti dnes z pouhého buzzwordu rychle dozrávají v praktické nástroje, které zvládnou samostatně vyhledávat informace na webu, třídit příchozí e-maily, doplňovat data do tabulek, naprogramovat jednoduchou aplikaci nebo třeba připravit podklady k poradě. V jejich tzv. mozku pracuje LLM (například ChatGPT, Claude či Gemini), který rozumí lidské řeči, umí plánovat a rozhodovat se bez neustálého dohledu člověka.
Více o teorii a historii agentů jsme pro vás sepsali v tomto postu.
Dlouho platilo, že k vytvoření takového agenta bylo třeba umět programovat. To se však mění. Vznikají no-code platformy, kde logiku skládáte z barevných bloků v grafickém editoru, i low-code nástroje, které nabízejí podobné vizuální prostředí, ale zároveň dovolují vložit pár řádků vlastního kódu.
No-code
V nástrojích jako n8n, Make nebo Zapier prostě vyberete startovací událost (třeba při příchodu nové zprávy na WhatsApp) a k ní připojíte akce: zavolej LLM, vezmi odpověď, pošli ji zpátky uživateli nebo ulož do tabulky. Nikde nepíšete kód, vše se odehrává mezi barevnými uzly spojenými šipkami.
Low-code
Mluví k uživatelům, kteří se klávesnice s kódem nebojí, ale chtějí zůstat v komfortu vizuálního editoru. Typicky LangChain (pythonová knihovna) a nadstavbový builder LangFlow. Bloky se skládají stejně jako v no-code, ale když potřebujete pokročilou transformaci dat nebo vlastní nástroj, prostě dopíšete pár řádků Pythonu. To stačí často jen s pomocí LLM, díky němuž zvládnete rychle vytvořit funkce bez hluboké znalosti syntaxe.
Výběr je tedy hlavně o tom, kolik svobody (a zodpovědnosti) chcete mít. K jednoduché automatizaci stačí no-code, ke komplexnějším agentům, kteří používají vektorové databáze, dlouhodobou paměť a speciální API, už se vyplatí low-code.
Co vše je potřeba
LLM a API klíč – zaregistrujte se u poskytovatele (OpenAI, Anthropic, Google) a získáte API klíč, který slouží k autorizaci i účtování. Klíč nikdy nedávejte přímo do kódu ani do sdílených dokumentů, uložte ho do proměnné prostředí.
Vybraný nástroj. Zapier, n8n či Apify pro no-code, LangChain/LangFlow pro low-code.
(Volitelně) vlastní hosting, chcete-li mít vše pod kontrolou, n8n i LangFlow spustíte v Dockeru na svém serveru (jinak využijete cloudové verze).
Doporučené tooly (no-code):
n8n: Open source platforma, která vám umožní tvořit vlastní automatizace pomocí jednoduchého vizuálního editoru. Místo programování jen vybíráte uzly a propojujete je šipkami.
Co ho dělá unikátním: Na rozdíl od jiných nástrojů si můžete n8n nainstalovat na vlastní server, takže máte data pod plnou kontrolou. Zároveň je vhodný i pro složitější automatizace, pokud někdy budete chtít pokročit dál, umožní i drobné úpravy v kódu (ale nemusíte s tím vůbec začínat).
Make: Český nástroj (dříve Integromat), který umožňuje tvořit vizuální scénáře automatizace podobně jako n8n, ale ještě přístupněji. Scénáře se skládají z modulů, které můžete snadno upravovat, větvit nebo opakovat. Skvělé je, že většinu věcí zvládnete jen klikáním, bez technických znalostí.
Co ho dělá unikátním: Make je ideální pro začátečníky díky velmi přívětivému rozhraní a spoustě hotových šablon. I přesto ale zvládá složitější operace jako paralelní zpracování dat nebo propojení více aplikací najednou. Hodí se pro osobní automatizaci i pro menší týmy.
Zapier: Jeden z nejznámějších nástrojů na propojení různých online služeb. Funguje jednoduše: vyberete spouštěcí událost (např. nový e-mail) a přidáte, co se má stát (např. zavolej AI model, ulož odpověď do tabulky). Nově přidal i podporu AI agentů, takže můžete nechat agenta zpracovat daný požadavek.
Co ho dělá unikátním: Díky podpoře více než 7 000 aplikací a velmi jednoduchému ovládání je to skvělá volba pro rychlé starty. Všechno běží v cloudu, takže není potřeba nic instalovat. Ideální pro ty, kdo chtějí automatizovat pracovní rutiny pomocí AI bez jakýchkoliv technických bariér.
Doporučené tooly (low-code/code):
LangChain a LangFlow: LangChain je primárně framework pro vývojáře. Vy píšete kód v Pythonu nebo JavaScriptu a skládáte hotové komponenty (LLM, paměť, nástroje) do vlastního workflow (např. pomocí tříd a funkcí). LangFlow je poté low code vizuální nadstavba postavená přímo na LangChainu. V prohlížeči přetahujete bloky, okamžitě testujete výstup a celý graf můžete exportovat jako API, aniž byste sami psali většinu kódu.
Hlavní výhodou je nabídka frameworku pro úplnou kontrolu kódu a vizuální rozhraní na stejných základech. Díky tomu máte flexibilitu, kterou klasické no‑code nástroje (n8n, Zapier) nebo úzce zaměřené frameworky (CrewAI) nedokážou úplně dorovnat.
LangChain dnes patří k nejflexibilnějším frameworkům pro práci s AI agenty, protože umožňuje detailní kontrolu nad tím, jak agent přemýšlí, komunikuje i pracuje s pamětí nebo nástroji. Existují i alternativy, které se specializují na určité oblasti jako například Haystack, který vyniká při vyhledávání v dokumentech, a CrewAI usnadňuje koordinaci více agentů s různými rolemi. Pokud ale chcete mít nad architekturou agenta maximální kontrolu, LangChain zůstává zlatým standardem.
CrewAI: Speciální framework zaměřený na koordinaci více AI agentů s různými rolemi (např. výzkumník, analytik, reportér). Využívá princip týmové spolupráce a plánování úkolů mezi agenty. Zatímco LangChain staví jednoho sólového agenta krok za krokem, CrewAI staví rovnou celý tým, který si mezi sebou dělí práci. S tím je samozřejmě ale spojená výrazně větší komplexita.
Firemní nástroje
Používáte ve firmě Microsoft nebo Salesforce? Pak už máte nástroje pro no-code automatizaci dávno k dispozici, teď je jen začít využívat.
Microsoft Power Automate vám umožní automatizovat repetitivní úkoly napříč službami jako Outlook, Teams nebo SharePoint. Pomocí předpřipravených bloků můžete například nastavit, že když přijde e-mail s přílohou, automaticky se uloží do OneDrivu a zároveň se odešle notifikace do Teams. Power Automate navíc integruje AI funkce prostřednictvím Co-pilota, takže zvládne i sumarizaci textů nebo generování odpovědí přímo v kontextu vaší firmy.
Salesforce Flow funguje velmi podobně, ale v rámci CRM systému Salesforce. Vizuálně si nastavíte, co se má stát při konkrétní změně v datech (např. když vznikne nový lead nebo obchodní případ). Nově lze přidat i Einstein AI, který pomáhá navrhovat další akce nebo automaticky shrnuje interakce se zákazníky.
Proč to stojí za zkoušku: Tyto nástroje jsou často už součástí firemního prostředí, bezpečně integrované a připravené pro větší týmy. Pro začátek s AI automatizací tak nemusíte hledat nové nástroje, ale můžete rovnou začít stavět agenty tam, kde už dnes pracujete.
Jak vytvořit AI agenta v n8n (praktický tip)
V n8n můžete AI agenta sestavit jako běžný workflow z jednotlivých uzlů. Příklad postupu:
Vytvořte nové workflow a přidejte trigger, například uzel „Whatsapp Trigger” (pro příjem zpráv z chatu). To určí, co spustí agenta.
Přidejte uzel pro volání modelu, například „OpenAI” (je-li k dispozici). V nastavení zadejte text dotazu (prompt) a jako autorizaci použijte svůj API klíč (ideálně uložený v přednastavené proměnné prostředí). Přidejte další uzly pro zpracování odpovědi, například uzel “Whatsapp” nebo “E-mail”, který na základě výstupu LLM pošle zprávu, uloží informace do databáze, přidá událost do kalendáře apod.
Workflow uložte a aktivujte. Nyní, když agent obdrží příkaz (např. zprávu přes Whatsapp), pošle dotaz modelu a pak provede definované akce dle jeho odpovědi.
Podrobný návod k tvorbě takového simple agenta najdete například v tomto videu:
Pro ukázku sestavení více komplexních AI agentů doporučujeme toto video:
Pokud si věříte na ještě komplexnější agenty a máte nějaké zkušenosti s kódováním, toto video dobře popisuje a demonstruje usecase na help bota pro váš business:
Bezpečnost a na co si dát pozor
Ochrana API klíče: API klíč je citlivá informace. Nikdy ho neukládejte přímo v kódu nebo veřejném repozitáři. Používejte proměnné prostředí nebo vestavěné zabezpečené úložiště v nástroji. Díky tomu můžete sdílet nebo publikovat workflow bez obav, že klíč „uteče“.
Náklady na volání modelu: Každé zavolání LLM (např. dotaz u OpenAI) se účtuje dle tarifu poskytovatele. Pokud váš agent často a komplexně komunikuje s modelem, může to znamenat vysoké výdaje. Doporučuje se sledovat počet dotazů a případně nastavit limity (např. omezit počet tokenů nebo množství volání).
Citlivá data: Dejte si pozor, jaké informace posíláte agentovi. LLM jsou „externí“ služby, například model OpenAI zpracuje váš prompt na serverech OpenAI. Neposílejte tedy důvěrné osobní údaje nebo firemní tajemství bez ochrany.
Testování a omezení: Před nasazením na ostrá data si agenta otestujte na menších úkolech. Ujistěte se, že neumí spustit nebezpečné operace (např. smazání dat) bez další kontroly. Věnujte pozornost také tomu, koho agent poslouchá (např. whitelist schválených uživatelů chatu), aby někdo nezneužil jeho schopností.
Závěrem
AI agenti v no-code nástrojích představují zajímavou cestu, jak zefektivnit opakující se úlohy a ušetřit čas. A to i bez hlubší znalosti programování, kdy vám stačí si vybrat platformu jako n8n nebo Make, naučit se pár základních principů a můžete začít tvořit vlastního digitálního asistenta. Vřele tedy doporučujeme vyzkoušejte si vytvořit jednoduchého agenta pro lepší chápání celkového tématu AI Agentů a také pro automatizaci určitých rutinních úkolů.
Chcete psát newsletter s námi? Hledáme full-time vedoucí/ho i občasné přispěvatele.
Podnikáte něco v AI a chcete o tom dát vědět? Napište nám na mitonainl@miton.cz.
Pro další novinky mrkněte na náš Twitter, LinkedIn či blog. Děláme taky podcast.