n8n/Make vs кастомные агенты: выбор, отказ, миграция
n8n/Make выигрывают на детерминированных интеграциях и скорости запуска; кастомные AI-агенты — когда нужен язык, неоднозначный intent и tool-calling с…
n8n/Make выигрывают на детерминированных интеграциях и скорости запуска; кастомные AI-агенты — когда нужен язык, неоднозначный intent и tool-calling с политиками. Смешивать «всё в LLM» или «всё в no-code» без критериев — главная причина простоя при росте. Я не выбираю стек по хайпу. Смотрю на долю if/then vs «понять человека», частоту смены правил, требования к audit и кто будет дежурить в 2 ночи. Ниже — практическая матрица, точки отказа и миграция без «большого взрыва».
| Критерий | n8n / Make | Кастомный агент |
|---|---|---|
| Природа задачи | Структурированные данные, известные ветки | Свободный текст, неоднозначный intent |
| Скорость запуска | Дни–недели | 10–14 дней до прототипа, 30–90 до контура |
| Смена правил | Быстро, руками в редакторе | Требует релиза и тестов |
| Audit и политики | Логи интеграций, но нет политик на вызовы LLM | Полный контроль над tool-calling и доступом |
| Кто дежурит ночью | Обычно поддержка/ops | Нужен инженер, понимающий промпты и API |
Когда хватает n8n/Make
Берите no-code, если выполняются три условия одновременно: задача раскладывается в if/then, входные данные структурированы (вебхук, форма, CRM-событие), а правила меняются реже раза в месяц.
Типичные сценарии: синхронизация заявок между сайтом и CRM, уведомления в мессенджеры, сборка отчётов по расписанию, маршрутизация лидов по атрибутам, напоминания. Здесь LLM либо не нужен, либо нужен точечно — как один шаг «переписать текст» или «классифицировать по 5 меткам», а не как весь контур.
Плюсы, которые реально экономят: визуальный редактор, готовые коннекторы, встроенные ретраи, история выполнений. Минусы, которые проявятся при росте: версионирование сценариев слабое, тестов нет, сложная логика превращается в спагетти из нод, а отладка на проде — единственный способ понять, что сломалось.
Практическое правило: если в сценарии больше 30–40 нод и появляются вложенные условия третьего уровня — это сигнал, что часть логики пора выносить в код.
Когда нужен кастомный агент
Кастомный агент оправдан, когда на входе свободный язык и заранее неизвестно, что именно напишет человек. Классика: клиент пишет «хочу как в прошлый раз, но дешевле и к пятнице» — здесь нет полей, есть intent, который надо извлечь, и дальше вызвать инструменты: проверить наличие, посчитать цену, создать заказ, поставить в календарь.
Второй триггер — политики. Если агенту разрешено вызывать API, который меняет деньги, статусы или персональные данные, нужны ограничения на уровне кода: какие инструменты доступны, с какими аргументами, что логируется, что уходит на подтверждение человеку. В no-code это делается костылями и не проверяется тестами.
Третий триггер — audit. Когда нужно доказать, почему система приняла решение (для внутреннего контроля, для спора с клиентом, для разбора инцидента), нужен лог входов, вызванных инструментов и ответов. У кастомного контура это штатная часть, у no-code — то, что собирают вручную.
Четвёртый — частота смены правил. Звучит контринтуитивно: если правила меняются каждый день, no-code вроде бы удобнее. Но когда меняется не «порог скидки», а логика диалога, правки в визуальном редакторе накапливают регрессии, которые никто не отслеживает. В коде хотя бы есть тесты.
Ориентиры по стоимости, чтобы не строить иллюзий: пилот одного сценария — 60–350 тыс ₽, агент поддержки — от 50 тыс ₽, агент продаж — от 200 тыс ₽, сложный контур — от 500 тыс ₽. Сопровождение — 15–50 тыс ₽/мес. Сроки: прототип 10–14 дней, полный контур 30–90 дней.
Гибридная схема — рабочая по умолчанию
На практике почти всегда выигрывает не «или-или», а разделение слоёв.
- Слой интеграций — n8n/Make. Приём вебхуков, запись в CRM, уведомления, ретраи, расписания. Детерминированно, дёшево, быстро правится.
- Слой понимания — агент. Принимает сырой текст, извлекает intent и сущности, возвращает структурированный JSON.
- Слой действий — API с политиками. Агент не ходит в CRM напрямую: он вызывает ограниченный набор инструментов, каждый из которых проверяет аргументы и пишет audit-лог.
- Слой эскалации — человек. Всё, что ниже порога уверенности или выше лимита суммы, уходит оператору.
Такая схема даёт главное: no-code не разрастается в монстра, а агент не превращается в «чат, который сам решает, что делать с деньгами».
Точки отказа
Где ломается чаще всего — по опыту проектов, это оценка, не статистика:
- Всё в LLM. Агент вызывается для «переложить поле из A в B». Дорого, медленно, нестабильно. Детерминированную операцию должен делать код.
- Всё в no-code. Появляется «умный» сценарий на 80 нод с промптом внутри. Никто не может объяснить, почему вчера работало, а сегодня нет.
- Нет идемпотентности. Повторный вебхук создаёт второй заказ. Лечится ключом идемпотентности на уровне приёма.
- Нет лимитов на tool-calling. Агент вызывает инструмент в цикле, счёт за API растёт, а результата нет. Нужен потолок шагов и потолок стоимости на диалог.
- Нет владельца. Сценарий собрали на пилоте, автор ушёл. Через месяц никто не знает, где логи и что делать при падении.
- Нет тестового контура. Правки сразу в прод. Первый серьёзный инцидент — вопрос времени.
Миграция без «большого взрыва»
Переезд с no-code на кастом (или обратно) делается по шагам, а не переписыванием всего сразу.
- Инвентаризация. Выпишите все сценарии: триггер, частота, критичность, владелец. Отдельно пометьте, где внутри есть LLM-шаг.
- Разметка. Каждый сценарий отнесите к одной из трёх групп: чисто детерминированный, чисто языковой, гибрид. Гибрид — кандидат на разделение слоёв.
- Пилот одного сценария. Начните с самого болезненного, но изолированного. 10–14 дней на прототип, сравнение метрик «до/после»: время обработки, доля ошибок, стоимость на операцию.
- Параллельный запуск. Новый контур и старый работают одновременно на теневом трафике. Сравниваете ответы, а не верите на слово.
- Переключение по одному. Переводите трафик сценарий за сценарием, с возможностью отката флагом.
- Вывод из эксплуатации. Старый сценарий не удаляете сразу: неделя-две в режиме «на всякий случай», потом снимаете.
Что важно не потерять при миграции: логи (они должны быть сопоставимы), идемпотентность, обработку ошибок и алерты. Если алертов не было в старом контуре — заведите их в новом до переключения, иначе первый сбой обнаружит клиент.
Если коротко
- Детерминированные интеграции — n8n/Make. Свободный язык и политики на вызовы — кастомный агент.
- Три условия для no-code: раскладывается в if/then, структурированный вход, правила меняются редко.
- Четыре триггера для кастома: неоднозначный intent, tool-calling с ограничениями, требования к audit, потребность в тестах.
- Рабочая схема по умолчанию — гибрид: интеграции в no-code, понимание в агенте, действия через API с политиками, эскалация человеку.
- Миграция — по одному сценарию, с параллельным запуском и откатом по флагу.
- Ориентиры: пилот 60–350 тыс ₽, агент поддержки от 50 тыс ₽, агент продаж от 200 тыс ₽, сложный контур от 500 тыс ₽, сопровождение 15–50 тыс ₽/мес; прототип 10–14 дней, контур 30–90 дней.
FAQ
Можно ли начать с n8n и потом перейти на кастомного агента? Да, и это нормальный путь. Главное — с самого начала писать сценарии так, чтобы LLM-шаг был изолирован и обменивался структурированным JSON. Тогда замена одного блока не потребует переписывать весь контур.
Нужен ли кастомный агент, если у нас всего один сценарий поддержки? Скорее нет. Начните с пилота: один сценарий, 60–350 тыс ₽, 10–14 дней. Если по метрикам агент не даёт выигрыша перед сценарием в no-code — не масштабируйте.
Кто должен дежурить ночью? Тот, кто может прочитать лог и откатить изменение. Если такого человека нет — не запускайте контур, который меняет деньги или статусы заказов, без ручного подтверждения на критичных шагах.
Как понять, что пора выносить логику из no-code в код? Сигналы: больше 30–40 нод, вложенные условия третьего уровня, появление LLM-шага с ветвлениями, регулярные регрессии после правок, отсутствие возможности написать тест.
Что дешевле в сопровождении? No-code дешевле на старте и на мелких правках. Кастом дороже в разработке, но предсказуемее при росте: тесты и audit снижают стоимость инцидентов. Сопровождение в обоих случаях ориентируется на 15–50 тыс ₽/мес — итог зависит от числа сценариев и критичности.
Читайте также
- Cloud.ru AI Workflows vs n8n vs Make: что выбрать российскому бизнесу для автоматизации в 2026
- n8n vs Zapier 2026: сравнение no-code платформ автоматизации — что выгоднее для бизнеса
- Надёжный контур ИИ на n8n, Битрикс24 и Telegram в продакшене: архитектура, этапы и сроки
Обсудить задачу
Расскажите, что нужно автоматизировать. Александр Раисович ответит лично и предложит архитектуру решения.