AI agent není jen chatbot. Dokáže dostat cíl, naplánovat kroky, použít nástroje, pracovat s daty a podle výsledků pokračovat. V návodu si ukážeme, k čemu agenti slouží, z čeho se skládají a jak vytvořit prvního bezpečného agenta pro reálnou práci.

Co je AI agent

AI agent je softwarový systém, který používá model umělé inteligence k dosažení zadaného cíle. Na rozdíl od běžného chatu nemusí skončit jednou odpovědí. Dokáže zvolit další krok, zavolat nástroj, přečíst výsledek, upravit plán a pokračovat, dokud úkol nesplní nebo nepožádá člověka o rozhodnutí.

Agent může například přijmout požadavek „připrav podklady k nabídce“, dohledat informace v CRM, projít ceník, vytvořit návrh dokumentu a předat jej obchodníkovi ke schválení. Jeho možnosti vždy závisejí na připojených datech, nástrojích a oprávněních.

K čemu se AI agenti používají

  • Zákaznická podpora: rozpoznání požadavku, dohledání objednávky, návrh odpovědi a předání složitého případu člověku.
  • Marketing: rešerše témat, příprava obsahového plánu, variant textů a kontrola výsledků kampaně.
  • Správa webu: kontrola nefunkčních odkazů, příprava článků, aktualizace údajů a práce s redakčním systémem přes API nebo MCP.
  • Obchod: třídění poptávek, doplnění informací o zákazníkovi, příprava nabídky a zápis do CRM.
  • Vývoj softwaru: analýza kódu, návrh změny, úprava souborů, spuštění testů a příprava revize.
  • Administrativa: zpracování dokumentů, porovnání údajů, tvorba souhrnů a směrování úkolů.
  • Analýza dat: získání dat, výpočty, tvorba grafů, interpretace výsledků a upozornění na odchylky.

Jak agent funguje

Praktického agenta tvoří několik vrstev:

  1. Model rozumí zadání, rozhoduje a vytváří text nebo strukturované výstupy.
  2. Instrukce určují roli, cíl, hranice, pracovní postup a okamžiky, kdy má agent požádat o schválení.
  3. Nástroje provádějí skutečné operace: vyhledávají, čtou soubory, volají API, upravují web nebo spouštějí kód.
  4. Kontext a paměť dodávají informace o aktuálním úkolu, historii a firemních pravidlech.
  5. Orchestrátor řídí cyklus rozhodnutí, volání nástrojů, kontrolu výsledku a ukončení.
  6. Guardrails validují vstupy a výstupy, omezují oprávnění, rozpočet a rizikové akce.
  7. Evaluace a monitoring měří kvalitu, cenu, rychlost a chybové situace.

Jednoduchý agent může používat jeden model a dva nástroje. Víceagentní systém rozděluje práci mezi specialisty, například rešeršéra, autora a kontrolora. Více agentů ale automaticky neznamená lepší výsledek; roste cena, latence i složitost ladění.

Jak vytvořit AI agenta krok za krokem

1. Vyberte jeden konkrétní výsledek

Začněte úzkou úlohou s jasným koncem, například „z nových poptávek vytvoř návrhy odpovědí“. Určete metriku úspěchu: správnost, čas zpracování, počet zásahů člověka nebo obchodní přínos.

2. Popište pracovní postup

Sepište kroky, které dnes dělá člověk, potřebné zdroje a možné výjimky. Označte akce pouze pro čtení, vratné změny a rizikové operace vyžadující potvrzení.

3. Zvolte model

Pro směrování nebo extrakci dat často stačí rychlejší a levnější model. Složitější plánování a práce s kódem mohou vyžadovat schopnější model. Rozhodujte podle vlastních evalů, ne pouze podle veřejných benchmarků.

4. Navrhněte nástroje

Každý nástroj by měl mít jeden jasný účel, srozumitelný popis a přesné vstupní schéma. Oddělte například najdi_clanek, vytvor_koncept a publikuj_clanek. Nástroje lze připojit přes API, function calling nebo Model Context Protocol.

5. Napište instrukce

Uveďte roli agenta, pořadí kroků, povolené zdroje, formát výsledku a podmínky ukončení. Přidejte pravidla pro nejasné vstupy, chyby nástrojů a situace, kdy je nutné lidské schválení.

6. Připojte firemní znalosti

Aktuální dokumenty je obvykle vhodnější připojit pomocí RAG než je vkládat do trénovacích dat. Systém vyhledá relevantní pasáže a předá je modelu spolu s dotazem. Odpověď pak může uvést zdroje.

7. Vytvořte agentní smyčku

Typický cyklus je: přijmout cíl → rozhodnout o kroku → zavolat nástroj → vyhodnotit výsledek → pokračovat nebo skončit. Nastavte maximální počet kroků, časový limit a rozpočet.

8. Připravte testovací scénáře

Zahrňte běžné, hraniční i škodlivé vstupy, nedostupné API, chybějící údaje a konfliktní instrukce. Výsledky hodnoťte automaticky i ručně.

9. Spusťte agenta s omezenými právy

Nejdřív používejte režim pouze pro čtení nebo tvorbu konceptů. Zápis a publikaci přidejte až po ověření. Agent má mít vlastní účet s nejmenšími nutnými oprávněními.

10. Sledujte a zlepšujte

Ukládejte trasu rozhodnutí, volání nástrojů, chyby, cenu a zásahy člověka. Na základě reálných případů rozšiřujte evaluační sadu a upravujte instrukce.

Jak AI agenta „vytrénovat“

V běžném projektu se agent většinou netrénuje od nuly. Vytvoření agenta znamená především správně nastavit existující model, nástroje, znalosti, pravidla a testy. Postupujte od nejjednodušší a nejlépe kontrolovatelné metody:

  1. Prompt a příklady: zpřesněte instrukce a ukažte několik kvalitních vstupů a výstupů.
  2. RAG: připojte aktuální firemní dokumenty, katalog nebo znalostní bázi.
  3. Strukturované nástroje: zlepšete názvy, popisy a validaci funkcí, aby agent správně věděl, kdy je použít.
  4. Evaluace: vytvořte reprezentativní testy a měřte úspěšnost po každé změně.
  5. Fine-tuning: použijte až tehdy, když potřebujete stabilní specifický styl či chování ve velkém objemu a samotné instrukce nestačí.
  6. Posilované učení: je náročnější cesta pro specializované scénáře s dobře definovanou odměnou; pro běžného firemního agenta obvykle není první volbou.

Pro „učení“ z provozu neposílejte modelu automaticky každou konverzaci. Nejdřív data anonymizujte, zkontrolujte oprávnění, vyberte kvalitní příklady a oddělte testovací sadu. Jinak můžete upevnit chyby nebo vytvořit únik citlivých informací.

Praktický příklad: agent pro návrhy blogových článků

Cíl agenta: z tématu vytvořit ověřený koncept článku, ale nic nezveřejnit bez souhlasu redaktora.

  1. Agent přijme téma, cílovou skupinu a klíčová slova.
  2. Nástrojem pro vyhledávání získá aktuální autoritativní zdroje.
  3. Ze znalostní báze načte styl značky a pravidla struktury článku.
  4. Připraví osnovu, text, meta popis a návrh obrázku.
  5. Kontrolní krok ověří počet nadpisů, odkazy, zakázaná tvrzení a duplicity.
  6. Nástroj vytvor_koncept uloží nezveřejněný návrh v CMS.
  7. Redaktor článek zkontroluje a teprve samostatný nástroj s vyšším oprávněním jej po potvrzení publikuje.

Takové rozdělení snižuje riziko, protože agent pro běžnou práci nemá automaticky právo veřejně publikovat.

Bezpečnost, nevýhody a rizika

  • Prompt injection: text na webu nebo v dokumentu může obsahovat pokyn, který se snaží přepsat pravidla agenta.
  • Příliš široká oprávnění: jeden kompromitovaný krok může poškodit více systémů.
  • Halucinace: agent může jednat podle nepravdivého předpokladu.
  • Řetězení chyb: chybný výsledek jednoho nástroje se přenese do dalších kroků.
  • Nekontrolované náklady: smyčka může opakovaně volat modely a placené služby.
  • Únik dat: citlivé informace se mohou dostat do logu, promptu nebo externí služby.
  • Nedeterministické chování: stejný vstup nemusí vždy vyvolat stejnou posloupnost kroků.

Používejte minimální oprávnění, povolené seznamy zdrojů, validaci dat, limity kroků a nákladů, auditní logy, izolované testovací prostředí a potvrzení před nevratnými nebo veřejnými akcemi.

Nástroje a platformy pro tvorbu agentů

  • OpenAI Agents SDK: nástroje, předávání úkolů, guardrails a trasování agentních workflow.
  • LangGraph: stavové a dlouhodobější workflow s větvením, pamětí a kontrolními body.
  • Microsoft Agent Framework / Semantic Kernel: integrace agentů do prostředí Microsoft a podnikových aplikací.
  • CrewAI a AutoGen: frameworky pro spolupráci více specializovaných agentů.
  • n8n, Make a Power Automate: vizuální automatizace propojující AI s běžnými službami.
  • MCP servery: standardizované zpřístupnění dat a funkcí AI klientům včetně Codexu.

Jak poznat, že je agent vhodné řešení

Agenta použijte tam, kde nelze dopředu přesně určit každý krok, ale lze jasně vymezit cíl, nástroje a kontrolu. Pro stabilní lineární proces s pevnými pravidly bývá klasická automatizace levnější a předvídatelnější. Začněte jedním agentem a několika nástroji; více agentů přidávejte jen tehdy, když testy prokážou skutečný přínos.

Časté otázky o AI agentech

Chatbot obvykle odpovídá. Agent může plánovat více kroků, používat nástroje, vyhodnocovat jejich výsledky a provádět povolené akce.

Ne. Většina agentů používá hotový model a přizpůsobuje se instrukcemi, nástroji, RAG, příklady a evaly. Fine-tuning je až další možnost.

Ano, jednodušší workflow lze sestavit ve vizuálních platformách. Vlastní kód poskytuje větší kontrolu nad oprávněními, testy a složitější logikou.

Ne vždy. Krátký úkol zvládne z aktuálního kontextu. Dlouhodobá paměť má smysl jen s jasnými pravidly ukládání, platnosti a ochrany dat.

Začněte jedním agentem. Více agentů je vhodné pro jasně oddělené role, pokud jejich přínos převýší vyšší cenu, latenci a složitost.

Oddělte čtení od zápisu, používejte minimální oprávnění, validaci, limity a lidské potvrzení před publikací, platbou, smazáním či změnou práv.

Další zdroje

Mohlo by vás také zajímat...