Agent AI - przykłady: 12 agentów, których zbudujesz w weekend

👁 117 przeczytań

Agent AI to program, w którym model językowy sam wybiera kolejne kroki i narzędzia, żeby doprowadzić zadanie do końca. Poniżej 12 konkretnych agentów, których zbudujesz w weekend: każdy z poziomem trudności, listą narzędzi i wskazówką, na czym go postawić (kod albo n8n/Make). Cztery z nich zbudowałem i uruchomiłem 4 października 2026, z wynikami w osobnych tekstach. Całość jest częścią ścieżki Agenci AI od zera.

Co sprawia, że to agent, a nie zwykła automatyzacja

Automatyzacja wykonuje kroki w ustalonej kolejności: „przyszedł mail, streść go, zapisz w arkuszu”. Agent dostaje cel i zestaw narzędzi, a kolejność kroków wybiera model. Jeśli dane są niepełne, agent może sięgnąć po dodatkowe źródło, przeliczyć jeszcze raz albo zapytać człowieka. Różnicę i ryzyka opisuję dokładniej w tekście Agent AI: co to jest i gdzie się psuje.

W praktyce większość „agentów” w firmach to hybrydy: sztywny przepływ (np. w n8n), w którym jeden krok jest agentem z kilkoma narzędziami. To dobra zasada na start: agent tylko tam, gdzie kroki naprawdę zależą od treści.

12 agentów w skrócie

1. Agent do rozliczania faktur w walutach (trudność 1, zbudowany)

Co robi: czyta pliki faktur z folderu, rozpoznaje kwoty i waluty, pobiera kurs z API NBP i liczy sumę w złotych.

• Narzędzia: szukaj_plikow, czytaj_strone (API NBP), kalkulator.
• Wynik z testu: 3 kroki, 3919,74 zł z trzech faktur (jedna na 120 EUR po kursie 4,3745), koszt 0,001 USD.
• Pułapka: model chętnie liczy w pamięci. Opis kalkulatora musi mówić „zawsze licz tym narzędziem”.
• Jak zbudować: krok po kroku w tekście Jak zbudować agenta AI w Pythonie.

2. Triage zgłoszeń z formularza (trudność 1, zbudowany)

Co robi: formularz kontaktowy wysyła zgłoszenie webhookiem, model nadaje kategorię i pilność, pisze szkic odpowiedzi, a wiersz trafia do arkusza.

• Narzędzia: webhook (FastAPI albo moduł w Make), model z odpowiedzią w JSON, arkusz.
• Wynik z testu: 3 z 3 zgłoszeń poprawnie skategoryzowane (faktury, oferta, reklamacja), 1,7-2,1 s i około 0,00016 USD na zgłoszenie.
• Pułapka: webhook bez sekretu to otwarte drzwi dla każdego, kto zgadnie adres.
• Jak zbudować: Webhook: co to jest i jak połączyć AI z formularzem. Podobny scenariusz dla skrzynki pocztowej: Automatyzacja maili z AI.

Uczciwie: to bardziej automatyzacja z jednym krokiem AI niż pełny agent. Agentem staje się, gdy dasz modelowi narzędzia, np. „sprawdź status zamówienia” i „znajdź fakturę”, i pozwolisz mu samemu zdecydować, czego użyć.

3. Czat z dokumentami firmy (trudność 2, zbudowany)

Co robi: odpowiada na pytania na podstawie Twoich PDF-ów (regulaminy, umowy, procedury) i podaje, z którego fragmentu wziął odpowiedź.

• Narzędzia: model embeddingów (u mnie lokalnie w Ollamie), baza wektorowa (numpy albo Chroma), model do odpowiedzi.
• Wynik z testu: opisany w tekście RAG krok po kroku, na trzech polskich ustawach.
• Pułapka: zły podział tekstu na kawałki psuje wyszukiwanie bardziej niż wybór modelu.

4. Terminy i dni robocze w Claude Code (trudność 1, zbudowany)

Co robi: własny serwer MCP daje Claude Code (albo innemu klientowi) narzędzia: kurs NBP, liczenie dni roboczych z polskimi świętami, wyszukiwanie w notatkach.

• Wynik z testu: Claude sam wyliczył termin „14 dni roboczych od 2 listopada 2026” (20 listopada), wołając narzędzie pięć razy.
• Pułapka: w Python SDK MCP 2.x klasa FastMCP zmieniła nazwę na MCPServer.
• Jak zbudować: Własny serwer MCP w 15 minut.

5. Raport zmian u konkurencji (trudność 2, wzorzec)

Co robi: raz w tygodniu odwiedza strony z cennikami konkurentów, porównuje z poprzednią wersją i wysyła krótkie podsumowanie: co zdrożało, co nowego w ofercie.

• Narzędzia: pobieranie strony, zapis poprzedniej wersji (plik albo baza), porównanie tekstów, wysyłka maila.
• Uwaga: sprawdź regulamin serwisu i plik robots.txt. Nie pobieraj stron częściej, niż to potrzebne.
• Gdzie zacząć: narzędzie czytaj_strone z agenta nr 1 plus harmonogram (Harmonogram zadań Windows, cron albo Schedule Trigger w n8n).

6. Z notatek ze spotkania do listy zadań (trudność 2, wzorzec)

Co robi: z transkrypcji albo notatek wyciąga zadania, osoby i terminy, a potem tworzy je w Todoist, Trello albo Asanie.

• Narzędzia: transkrypcja (lokalnie np. faster-whisper albo funkcja Twojego komunikatora), model z odpowiedzią w JSON, API listy zadań.
• Pułapka: model dopisuje zadania, których nikt nie przydzielił. Każ mu cytować zdanie, z którego zadanie wynika.

7. Oferta z zapytania klienta (trudność 2, wzorzec)

Co robi: czyta zapytanie („300 produktów, chatbot, termin listopad”), dobiera pozycje z cennika, liczy kwotę i składa szkic oferty w szablonie.

• Narzędzia: odczyt cennika z CSV, kalkulator, wypełnianie szablonu (np. dokument tekstowy albo PDF).
• Pułapka: ceny tylko z cennika, nigdy „z głowy” modelu. Szkic zawsze sprawdza człowiek.

8. Wpis z bloga na posty w social media (trudność 1, wzorzec)

Co robi: po publikacji wpisu pobiera go z RSS, pisze wersje na LinkedIn, X i Facebooka w Twoim stylu i wrzuca je do kolejki do akceptacji.

• Narzędzia: RSS, model, planer postów (Buffer, Metricool albo arkusz z kolejką).
• Gotowy przepis: Automatyzacja social mediów z AI.

9. Agent do poprawek w kodzie (trudność 2, wzorzec)

Co robi: dostaje zgłoszenie błędu, czyta repozytorium, poprawia kod, uruchamia testy i przygotowuje zmianę do przeglądu.

• Narzędzia: gotowe: Claude Code, Codex, Cursor. Własne: Claude Agent SDK z narzędziami do plików i terminala.
• Więcej: Agenci AI do kodu: który wybrać i Codex czy Claude Code.

10. Przegląd nowych ogłoszeń i przetargów (trudność 2, wzorzec)

Co robi: codziennie pobiera nowe ogłoszenia (praca, przetargi, zlecenia) z kanału RSS albo API, odrzuca niepasujące i wysyła 5 najlepszych z jednym zdaniem uzasadnienia.

• Narzędzia: RSS albo oficjalne API źródła, filtr słów kluczowych, model do oceny dopasowania, mail albo komunikator.
• Uwaga: korzystaj z oficjalnych kanałów danych. Wiele serwisów zabrania automatycznego pobierania w regulaminie.

11. Asystent researchu z cytatami (trudność 3, wzorzec)

Co robi: dostaje pytanie, sam planuje wyszukiwania, czyta kilka źródeł, zapisuje notatki i oddaje raport z linkami przy każdym twierdzeniu.

• Narzędzia: API wyszukiwarki, czytanie stron, notatnik (plik), opcjonalnie drugi agent jako recenzent.
• Pułapka: koszt rośnie szybko, bo każda przeczytana strona wraca do historii. Streszczaj źródła przed dołożeniem do kontekstu. Wybór frameworka: Frameworki agentów AI.

12. Obsługa klienta w sklepie (trudność 3, wzorzec)

Co robi: odpowiada na czacie na pytania o dostawy i zwroty (z FAQ i regulaminu), sprawdza status zamówienia, a gdy nie jest pewien albo klient się denerwuje, przekazuje rozmowę człowiekowi.

• Narzędzia: RAG na FAQ i regulaminie, API sklepu (tylko odczyt), narzędzie „przekaż konsultantowi”.
• Uwaga prawna: klient musi wiedzieć, że rozmawia z AI. Wynika to z art. 50 AI Act, stosowanego od 2 sierpnia 2026. Szczegóły w przewodniku po AI Act.

Agent AI po polsku: czy to działa

Wszystkie cztery zbudowane agenty dostawały polecenia i dane po polsku i odpowiadały po polsku bez problemu: rozumiały „faktura”, „kurs NBP”, „dni robocze”, poprawnie odmieniały nazwy. Kilka praktycznych zasad:

• opisy narzędzi pisz po polsku, ale nazwy funkcji bez polskich znaków (dni_robocze, nie dni_robocze_świąteczne);
• dane, których model nie zna na pewno (święta, kursy, przepisy), zawsze dawaj narzędziem, nie licz na jego pamięć;
• przy wyszukiwaniu w polskich dokumentach wybierz model embeddingów wielojęzyczny. Porównanie dwóch modeli na polskich ustawach jest w tekście Embeddingi i bazy wektorowe po ludzku;
• jeśli dane nie mogą opuścić firmy, część agentów zbudujesz na modelach lokalnych, np. przez Ollamę.

Jak wybrać pierwszego agenta

1. Wybierz zadanie, które robisz co tydzień i które ma jasny wynik (suma, kategoria, lista).
2. Spisz, z jakich źródeł korzystasz, gdy robisz je ręcznie. To będą narzędzia.
3. Zacznij od narzędzi tylko do odczytu. Zapis i wysyłanie dodaj dopiero, gdy agent przez tydzień robi to dobrze w logu.
4. Policz koszt jednego przebiegu i pomnóż przez liczbę w miesiącu. U mnie proste agenty kosztowały ułamki centa.

Najczęstsze pytania

Jaki jest najprostszy przykład agenta AI?

Agent z kalkulatorem i jednym źródłem danych, np. „policz wydatki z faktur po kursie NBP”. Ma 2-3 narzędzia, kończy w 2-3 krokach i łatwo sprawdzić, czy wynik jest dobry.

Czy agenta AI można zbudować bez programowania?

Tak. W n8n jest węzeł AI Agent, do którego podpinasz narzędzia klikając, a Gumloop prowadzi przez to krok po kroku. Przykłady gotowych przepływów: n8n w praktyce.

Ile kosztuje utrzymanie agenta AI?

Koszt to tokeny modelu plus ewentualny serwer. Moje agenty na tanim modelu kosztowały od 0,00016 do 0,0013 USD za zadanie. Droższe modele i agenci, którzy czytają dużo stron, kosztują wielokrotnie więcej.

Czym się różni agent AI od chatbota?

Chatbot odpowiada na wiadomości. Agent wykonuje zadanie: sam wybiera narzędzia, sprawdza wyniki i decyduje o kolejnym kroku. Chatbot z narzędziami (jak nr 12) jest już agentem.

Jakie są przykłady agentów AI w firmach?

Najczęściej: obsługa zgłoszeń i skrzynki, przygotowanie dokumentów (oferty, raporty), asystenci wiedzy na dokumentach firmowych i agenci do kodu. Wspólny mianownik: powtarzalne zadanie, dostęp do danych firmy i człowiek, który zatwierdza wynik.

Gdzie znaleźć więcej przykładów i kursów?

Lista darmowych kursów i kanałów, sprawdzona 4 października 2026, jest w hubie Agenci AI od zera.

Źródła i data sprawdzenia

• Agenci 1-4: moje przebiegi z 4 października 2026, kod w paczce promptowy-agenci-starter.
• Wzorce 5-12: na podstawie Building effective agents (Anthropic) i kursu AI Agents for Beginners (Microsoft), sprawdzone 4.10.2026.