W M365 czy innych aplikacjach webowych dla modeli LLM tak naprawdę sprawa jest prosta, GPTs, GEM, czy cokolwiek innego – Prompt, pliki, instrukcje, kilka sliderów i gotowe.
Pracując w środowisku M365 i konfigurując ich trochę, zacząłem się ostatnio zastanawiać czy to w ogóle jest “agent” i ile poziomów tworzenia takich agentów można by wyróżnić.
Zacząłem to sklejać w głowie i po głębszym namyśle wyszły mi aż 4 poziomy:
- Konfiguracyjny – prompt + wiedza + ustawienia, zero kodu. To co robię na co dzień w pracy. To właśnie styl GPTs, GEM, Project/Skills zależnie od dostawcy.
- Hybrydowy – platformy wizualne jak n8n czy Copilot Studio podpięte pod LLM. Łączysz systemy przez UI i definiujesz logikę, kod tutaj jest opcjonalny.
- Programowalny – piszesz agenta od zera (np. LangGraph). Sam kod decyduje kiedy i jakich narzędzi użyć. Ty projektujesz logikę decyzyjną.
- Ekosystemowy / MCP – budujesz nie agenta, ale infrastrukturę którą agenci wywołują. Serwer MCP to backend z narzędziami – gotowy model (Claude, GPT) przez niego sięga do Twoich systemów.
Codziennie pracuję na poziomie 1 i 2, a po godzinach (pod osłoną nocy ;)) zaczynam budować poziom 4. DevDigest – mój kolejny projekt to serwer MCP w Pythonie który daje agentowi AI dostęp do GitLab/GitHub i poprzez normalną rozmowę z modelem pozwala odpytywać o repozytoria, ostatnie zmiany, commity, branche itd.
A Wy, których agentów używacie/tworzycie najwięcej? Może dodalibyście coś do tej listy (albo wywrócili ją całkowicie)?
#AIAutomation #EnterpriseAI #AIAgents #MCP #Python #DigitalTransformation
