Агентные воркфлоу для маркетинга: из чего собрать и что почём

Маркетинговая команда, которая уже год копипастит промпты в ChatGPT, упирается в одно и то же: модель не помнит вчерашний бриф, не ходит в CRM и не запускает рассылку сама. Agentic workflow решает ровно это — вместо одного окна с чатом вы собираете конвейер, где модель принимает решения, вызывает инструменты и передаёт результат дальше. За 2024–2025 годы появились готовые кирпичи для такой сборки: function calling у OpenAI и Anthropic, фреймворки LangGraph и CrewAI, визуальные конструкторы вроде n8n и Make. Ниже — что из этого реально нужно и что это стоит.

Что такое агентный воркфлоу и чем он отличается от чата

Обычный чат — это один запрос и один ответ. Агент¹ отличается тем, что модель сама решает, какой инструмент вызвать, читает результат и решает, что делать дальше: искать ещё, писать текст, остановиться. Workflow — это заранее заданная цепочка таких шагов с ветвлениями и проверками.

Для маркетинга разница практическая. Задача «подготовь пост по новому кейсу» в чате требует, чтобы вы сами дали текст кейса, тон бренда и площадку. В агентном варианте модель сама достаёт кейс из базы знаний через RAG², подтягивает тон из брендбука, генерит три варианта и кладёт черновик в Notion на согласование. Вы включаетесь только на этапе правки.

Агент экономит не написание текста — его пишет и обычный чат. Он экономит сбор контекста и передачу результата дальше по цепочке. Именно на этом маркетинг теряет часы.

Из каких слоёв собирается связка

Любой рабочий воркфлоу состоит из четырёх слоёв. Их можно взять у разных вендоров или у одного.

1. Модель — что генерит текст и принимает решения. GPT-4o или GPT-4.1 у OpenAI, Claude 3.5 Sonnet у Anthropic, Gemini 1.5/2.0 у Google. Для черновиков подойдёт модель подешевле, для финального копирайтинга — старшая.
2. Оркестратор — что связывает шаги. Код-фреймворк (LangGraph, CrewAI) или визуальный конструктор (n8n, Make, Zapier).
3. Инструменты — что агент вызывает: поиск в базе знаний, отправка в CRM, публикация в соцсети, вызов внешнего API аналитики.
4. Память и контекст — где хранятся брендбук, прошлые посты, гайдлайны. Обычно векторная база (Pinecone, Qdrant, pgvector) для RAG.

Код или визуальный конструктор

Если в команде нет разработчика, начинайте с n8n или Make: там агент собирается блоками мышкой, а вызов OpenAI и Claude есть из коробки. Если разработчик есть и логика сложная — с ветвлениями, повторными попытками, человеком в цикле — берите LangGraph: он даёт контроль над состоянием и отладку каждого шага.

Сравнение подходов к сборке

Цены на подписки и токены меняются каждые несколько месяцев — сверяйте актуальные на официальных страницах вендоров. Ниже — ориентир на конец 2025 года и характер, а не точные тарифы.

Отдельно от оркестратора вы платите за токены модели — это основная переменная стоимость. Один прогон воркфлоу «собрать контекст, написать три варианта поста» тратит от нескольких тысяч до десятков тысяч токенов в зависимости от объёма базы знаний. На старших моделях это единицы центов за прогон, на младших — доли цента.

Как собрать первый воркфлоу за неделю

Не начинайте с автопубликации в соцсети без проверки — начните с шага, где человек утверждает результат.

1. Выберите одну повторяющуюся задачу. Не «весь маркетинг», а, например, «черновик поста по кейсу» или «саммари конкурентов за неделю».
2. Соберите контекст в одно место. Брендбук, тон, примеры удачных постов — в Notion, Google Docs или векторную базу.
3. Возьмите оркестратор по силам. Нет кодера — n8n. Есть — LangGraph.
4. Опишите шаги явно: достать контекст → сгенерить варианты → положить на согласование. Каждый шаг с проверкой результата.
5. Оставьте человека в цикле. Финальную публикацию делает человек, пока вы не убедитесь в качестве на 20–30 прогонах.
6. Считайте токены с первого дня. Включите лимит бюджета в панели вендора, чтобы кривой цикл не сжёг деньги за ночь.

Кому это пригодится и кому нет

Пригодится, если у вас есть повторяющиеся задачи с понятным входом и выходом:

• контент-команда, которая штампует однотипные посты, дайджесты, описания товаров по шаблону;
• SMM, где надо ежедневно собирать и суммировать упоминания бренда;
• перформанс, где нужно быстро генерить десятки вариантов текстов объявлений под A/B-тест;
• исследование рынка: мониторинг конкурентов, сбор и структурирование данных.

Не стоит браться, если:

• задача уникальная каждый раз — например, стратегия крупной кампании, где контекст не формализуется;
• цена ошибки высока и проверять некому — юридически чувствительные тексты, публичные заявления;
• у вас нет ни разработчика, ни времени разобраться в конструкторе — тогда честнее пока остаться в чате;
• объём задач мал: если постов пять в месяц, сборка воркфлоу не окупит потраченное на неё время.

¹ Агент — программа на базе модели, которая сама выбирает и вызывает инструменты в цикле, а не просто отвечает текстом на один запрос.

² RAG (retrieval-augmented generation) — подход, при котором модель перед ответом достаёт релевантные куски из вашей базы знаний и опирается на них, а не только на то, что запомнила при обучении.