Я работаю в Directum и занимаюсь продвижением платформы: провожу демо, общаюсь с клиентами, объясняю, что умеет платформа Directum RX. Недавно случился разговор, который точно заслуживает вашего внимания.

Коллеги от одного из наших клиентов написали: «Дайте нам API, мы хотим подключить OpenClaw к Directum RX и запустить ИИ‑агентов». С одной стороны, запрос под стать трендам. С другой — за ним стояло несколько допущений, каждое из которых было немного мимо реальности.

Мы не отказали, но предварительно договорились на две встречи: на одной — рассказать, как на самом деле работает OpenClaw и его аналоги, на второй — показать, какие ИИ‑возможности уже есть в Directum RX из коробки.

Эта статья — мой вывод и наблюдения по итогам общения. Здесь не будет сложных терминов и гайдов.

Так как в тексте часто будет упоминаться OpenClaw, я заранее уточняю, что под OpenClaw автоматически подразумеваю все возможные аналоги, которые существуют и обладают схожим функционалом.

1. Кажется, все начинают догадываться

Полгода назад в YouTube и Instagram* был настоящий бум: рилс за рилсом про OpenClaw и похожие инструменты. «Запусти ИИ‑агента за 5 минут», «автоматизируй всё, что хочешь», «агент сам читает письма, пишет код и управляет компанией».

Сейчас этот поток поутих. Люди попробовали и столкнулись с реальностью. Оказалось, что между «посмотрел рилс» и «агент работает у тебя на компьютере» есть много деталей, которые нужно знать. Нюансов тьма, предлагаю рассмотреть самые базовые, с которыми сталкиваются начинающие.

? Компетенции

Удивительно, но (это самое главное!) OpenClaw — это точно не то приложение, которое установил и несколько раз нажал «далее», а инструмент, например, как сварочный аппарат. Сварить можно все что угодно, но надо уметь.

Чтобы тот самый агент из рилса на OpenClaw реально начал делать что‑то полезное, нужно понимать:

• как работают MCP‑серверы;

• что такое скиллы и как они описываются;

• как настроить окружение так, чтобы агент не удалил лишнего;

• как отлаживать поведение, когда агент делает не то, что ты хочешь.

Все эти тонкости требуют времени и практического опыта. Чтобы ваше творение начало нормально работать, нужно разобраться хотя бы с базой из открытых источников. В среднем, обучающие видеоролики любителей на YouTube начинаются от 3 часов, а заканчиваются... они в общем‑то и не заканчиваются, эта область слишком быстро развивается.

? Доступы и безопасность

Вот этот момент самый недооценённый, и про него в рилсах никто не рассказывает: OpenClaw — по умолчанию агент с очень широкими полномочиями. Он может читать файлы, писать, изменять, удалять. Всё, к чему есть доступ у пользователя, от имени которого он запущен. Без ограничений.

В корпоративной среде это большая проблема. Сотрудник бухгалтерии не должен через агента получить доступ к договорам другого подразделения, а менеджер по продажам — к кадровым документам. А если агент что‑то случайно удалит или изменит, то, как минимум, нужно найти ответственного.

Управлять доступами в OpenClaw — это отдельная инженерная задача. Нормально ограничивать, что агент может делать, а что — нет, очень сложно. Некоторые задачи по настройке можно решить прямо с помощью самой модели через чат, а с доступами так не выйдет. Здесь доверять модели не стоит, нужно четко понимать, что сможет сделать агент после настройки, а что у него не получится.

?️ Инфраструктура

Для применения OpenClaw нужна генеративная модель и желательно хорошая. Как правило, у вас 2 варианта: либо собственное оборудование, либо облако.

Если использовать облако, потребуется оплата за API — интерфейс взаимодействия генеративной модели (ChatGPT, Claude, YandexGPT, Gigachat и др.) с вашим OpenClaw. Если модель развернута локально, то затраты идут на оборудование и его установку.

В облаке удобно: заплатил, сколько потребил, и ни копейки более. Но есть нюансы, как всегда. Нередко стоимость за API просто «конская», что связано с рядом факторов, на которые не так‑то просто повлиять. Например, при работе с агентом в контекст попадает

• история;

• системные инструкции;

• результаты поиска;

• промежуточные рассуждения агента;

• вызовы инструментов.

Такое происходит почти на каждом шаге, так как модель вынуждена каждый раз читать инструкции, вызывать различные инструменты, пользоваться скиллами, рассуждать, чтобы выполнить ваш запрос. И чаще всего 1 запрос требует не 3 тыс. токенов, как бывает в чате, а все 20–30 тысяч. Поэтому многие компании смотрят в сторону собственного оборудования.

А что с оборудованием? А с ним тоже не все так просто. «Входной билет» для самых простых задач — Qwen 32B, довольно простая модель. Здесь может подойти Mac mini M4 Pro с 64 ГБ памяти, один из самых доступных вариантов, который справляется с простыми по нынешним меркам моделями. Стоит около 320 тыс. рублей.

Скорость на нём порядка 10–15 токенов в секунду. Это примерно одно слово в секунду. Привычный отклик ChatGPT в браузере — 40–80 токенов в секунду. Разница существенная. Для простых задач и экспериментов — рабочий вариант. Для корпоративного использования, где агент должен обрабатывать запросы потоком и не заставлять пользователей ждать — нет. Поэтому нужно рассматривать более серьезные варианты, которые уже обойдутся в кругленькие суммы. На практике лично я практически нигде не видел отдельных ЦОДов для ИИ. Чаще всего — это видеокарты уровня A100/H100/H200/RTX Pro 6000.

✅ Итого: OpenClaw — рабочий инструмент. Но это, скорее, молоток, а не волшебная палочка. Деньги, железо, компетенции, безопасность — всё это реальные сложности, с которыми люди столкнулись и которые объясняют, почему хайп поутих.

2. Что ИИ знает о Directum RX?

Предположим, вы разобрались с деньгами, железом и доступами из первого раздела. Хайп пережили, компетенции подтянули. Следующий вопрос: а модель вообще в курсе, что такое Directum RX?

Возьмём для примера лучшее, что есть у самых известных вендоров: ChatGPT от OpenAI и Claude от Anthropic. Обе модели знают про Directum. Причём не просто «есть такая российская платформа». Спросите про развёртывание, настройку, базовые сценарии использования — получите вменяемый ответ, местами даже подробный.

Проблема в другом. Знать про систему и уметь с ней работать — это разные вещи. Для корпоративного запуска агентов такого объёма знаний недостаточно.

Чтобы построить агентную систему, модель нужно снабдить тем набором, который я перечислил в первом разделе: скиллы, MCP, инструкции, доступы, правила. Весь этот набор вокруг модели сейчас принято называть harness (обвязка, иногда переводят как «упряжка»). Без нее ИИ обладает только общими знаниями и не знает, как обращаться к вашей Directum RX, что умеет система, как устроена ее объектная модель и структура данных. Чтобы агент начал реально выполнять работу, ему нужны инструкции и инструменты под конкретную задачу.

И вот здесь есть интересный парадокс. Построить хорошую обвязку с нуля крайне сложно, но допустим, что вы разобрались и сделали. Проблема заключается в том, что процесс этот не заканчивается никогда. Система обновляется, появляются новые сценарии, меняются процессы — обвязку приходится пересобирать и дополнять постоянно. Один раз настроить и забыть не получится. И так с любыми задачами, даже в отрыве от каких‑то конкретных продуктов/систем.

OpenClaw сам по себе тут не помощник. Это просто программа для выполнения, она не включает в себя ни скиллы, ни инструкции, ни знания об объектной модели Directum RX. Всё это ляжет на плечи того, кто задумал агентную систему.

✅ Итого: общих знаний модели достаточно, чтобы поддержать разговор про Directum RX, но не достаточно, чтобы построить на этом агента. А чтобы обвязать модель нужным контекстом, потребуется много компетенций, а процесс доработки часто стремится к бесконечности.

3. Коробка или «я все сам»?

В корпоративном ПО для управления компанией ИИ‑агенты на борту сейчас почти у каждого второго вендора. Мы не исключение. Вопрос в другом: а чем встроенные агенты в Directum RX выигрывают у самодельных на OpenClaw?

• Агенты работают из коробки. Вы просто ими пользуетесь. Вся возня с обвязкой, обновлениями и поддержкой лежит на вендоре, а не на вашей команде.

• Предсказуемость. Встроенные агенты спроектированы точечно под конкретные потребности, поэтому и результат надёжно предсказуем. При построении собственной агентной системы рано или поздно упрёшься в ситуацию, когда модель не до конца следует обвязке и пытается решить задачу своим способом.

Расскажу на своём примере.
Я слежу за питанием, и у моего личного агента есть MCP для умных часов и чёткая инструкция: фиксировать питание только в дневник, не в часы. Каждый день агент считает калории, ведёт дневник, даёт советы. И время от времени без видимой причины пытается записать приём пищи не в дневник, а в часы, хотя запрет на это прописан прямым текстом. Пробовал разные формулировки инструкций — не помогает, рано или поздно агент снова попытается. Встроенный агент избавлен от этой самодеятельности, у него узкие рамки, ограниченный доступ, одна задача — отсюда и предсказуемость.

• Доступ. Здесь разница принципиальная: у встроенного агента разграничение доступа реализовано на уровне платформы, а не модели. Модель не видит данные, на которые у текущего пользователя нет прав. Она не «смотрит на всё и выбирает нужное», ей просто нечего выбирать за пределами разрешённого.

• Настройка без вендора. Мы понимаем, что коробкой все хотелки не закрыть, поэтому настройка агентов сделана в no‑code. Не нужно ждать релиза Directum RX, чтобы закрыть свою потребность: донастроили и пользуетесь.

• Инфраструктура. Контекст запросов у встроенных агентов оптимизирован под конкретную задачу, поэтому требования к оборудованию и к самой модели минимальны. Не у каждой компании есть свой ЦОД под ИИ (о чем я говорил выше), и это тоже приходится учитывать.

• Работа в процессах. Агентов не нужно отдельно обучать под процессы, их включают там, где они нужны, той же no‑code‑настройкой. А поскольку большинство корпоративных задач и так решаются в процессной парадигме, наличие агентов в платформе становится уже базовым требованием, а не опцией. Рассказывать можно ещё долго, но уходить в рекламу продукта не хочется, поэтому на этом остановлюсь.

✅ Итого: встроенный агент не хуже самодельного, он просто решает не любую задачу, а конкретную и надёжно.

Заключение

Мы провели с клиентом обе встречи, как и договаривались. В итоге клиент решил обновиться до актуальной версии Directum RX и для начала попробовать то, что уже есть в коробке, а не пилить своё с нуля.

Если коротко резюмировать всё вышесказанное:

• OpenClaw — рабочий инструмент, а не «магия», как кажется непогруженным в тему.

• Модели знают о Directum RX достаточно, чтобы поддержать разговор, но не так много, чтобы на этом строить агента без обвязки.

• Обвязка — это выход, но не самый простой и очевидный. Прежде чем пилить своё, лучше сначала посмотреть, что уже умеет продукт из коробки.

Если и вы стоите перед похожим выбором, надеюсь, эта статья сэкономит вам пару встреч.

Спасибо, что дочитали. Если сталкивались с похожим, пишите в комментариях, интересно сравнить опыт.

*Instagram — деятельность организации Meta, которой принадлежит Instagram, запрещена в России.