автор Dmitry CreedГолосовой агент, который умеет только отвечать на вопросы, — это умная колонка, которую позвали на совещание. Он не знает, что вы выкатили на прошлой неделе, не знает, кто ещё есть в команде, и никак не может повлиять на то, о чём вы только что договорились.
Встречу меняет агент, который ведёт себя как коллега. Он приходит уже в курсе дел, знает остальных агентов по именам, а когда вопрос выходит за его зону ответственности — зовёт того, чья это зона. Прямо посреди звонка, вслух, при всех.
Ровно это агенты для встреч в Forge уже умеют — на живых звонках в Google Meet, по-русски и по-английски.
Их приглашают так же, как людей
Агент заходит на звонок, потому что его позвали. Бота пускают в комнату как обычного участника: он слышит разговор и отвечает вслух, своим голосом. Сама встреча появляется у вас в списке чатов, рядом — кнопка «наблюдать», которая открывает живую расшифровку прямо по ходу разговора. Искать идентификатор сессии не нужно.
Внутри всё построено на потоках. Распознавание отдаёт первые куски текста, пока вы ещё говорите, а не ждёт паузы; синтез начинает произносить первую фразу, пока остальной ответ ещё дописывается. Обе речевые дорожки идут через собственный ИИ-шлюз Forge — а значит, выбор модели, отказоустойчивость и учёт расхода работают ровно так же, как для любого другого запроса к модели на платформе.
Агент может позвать коллегу прямо посреди разговора
Вот эта часть в первый раз удивляет всю комнату.
Агент на звонке может пригласить другого агента вашей организации в тот же звонок — по имени: «Kate», «Roadmap Driver». Тем же приглашением, каким позвал бы человека. Второй бот уходит по ссылке на встречу и оказывается внутри примерно за то же время, за какое коллега успел бы вернуться за свой стол. И вот в комнате уже два агента, у каждого свой голос, и каждый слышит всё, что говорят, — в том числе друг друга.
Поиск по имени намеренно строгий: если имя неоднозначное, агент честно возвращает ошибку, а не берёт молча первого подходящего. Затащить в живой звонок не того Алекса хуже, чем лишний раз уточнить, кого вы имели в виду.
От этого меняется сама форма встречи. Вместо того чтобы пересказывать одному агенту чужие зоны ответственности, вы делаете то же, что сделали бы с людьми: «позовите сюда Kate». И вопрос передаётся при всех и под запись, а не потом в чьей-то личке.
Они приходят уже в контексте
Агент, которому на каждом созвоне надо объяснять всё заново, — не коллега, а анкета. Агент Forge на встрече сохраняет свою личность целиком — персону, экспертизу, суждение, манеру речи — и приносит с собой остальной рабочий контекст:
- Свою историю. «О чём мы договорились в прошлый раз?» — это поиск, а не догадка: агент ищет по своим прошлым разговорам, открывает нужную сессию и читает, что там было сказано на самом деле. Если ему разрешён доступ ко всей организации, он найдёт и тот разговор, который случился с другим агентом.
- Роадмап. Он видит, над чем организация работает сейчас и что будет дальше.
- Своих коллег. Список агентов организации — кто есть, какая у кого роль, кто чем занимается — лежит у агента в контексте. Именно поэтому «спроси Kate» превращается в живого коллегу, а не в пожатие плечами.
- Каталог процессов. Он знает, какую работу организация умеет выполнять, и может её запустить.
Последнее важно, потому что контекст без рук — это просто эрудиция. Прямо со звонка агент может запустить нужный процесс или разослать итоги встречи участникам — письмом и в личку. И он держится жёсткого правила честности: никогда не говорить о сделанном в прошедшем времени, если ни один вызов инструмента этого не сделал. Никаких «принял в работу» от агента, который принимать в работу не умеет.
Права выдаются каждому агенту отдельно и по действиям
Возможность подтянуть коллегу в звонок — это реальная власть, поэтому она вынесена в отдельное разрешение. Приглашать и выгонять ботов со встреч — одно право; рассылать итоги письмом и в личку — другое. Оператор может разрешить агенту описывать встречу, но не разрешить её укомплектовывать — или наоборот. По умолчанию не включено ни то ни другое.
За всем этим можно следить
Скорость и самостоятельность без прозрачности просто делают агента, за которым не уследишь. Поэтому каждый инструмент, который агент вызывает по ходу разговора, показывается в живой расшифровке отдельной карточкой — имя инструмента, аргументы, результат, успех или ошибка. Те же сворачиваемые карточки, что и в чате. Когда агент замолкает на пару секунд, видно, что он что-то запрашивает, а не приходится гадать, не завис ли он.
Заодно выпущено: кнопка «стоп», которая действительно останавливает
Ещё одно, о чём стоит сказать, потому что большинство агентных интерфейсов до сих пор делают это неправильно. Кнопка отправки в нашем чате с агентом посреди хода превращается в кнопку остановки — и это настоящая отмена на сервере, а не браузер, положивший трубку. Сигнал доходит туда, где ход на самом деле выполняется: незавершённый поток от модели и запущенные инструменты отменяются, частичный ответ сохраняется, а сессия — и вот это по-настоящему сложная часть — остаётся в состоянии, в котором ваше следующее сообщение отработает чисто.
Что из этого следует
Интересный вопрос про агентов на встречах никогда не был про то, сумеет ли агент договорить фразу до конца. Вопрос в том, участник ли то, что сидит в комнате: знает ли оно, что вы строите, знает ли, кто ещё в команде, может ли их позвать, может ли начать работу и остаётся ли после него запись, которую потом можно прочитать.
Попробовать
Посмотрите, как устроены агенты для встреч в Forge, полистайте сценарии использования или напишите нам на support@simple-container.com — обсудим, как посадить такого на ваш следующий звонок.