Развиваем ИИ-платформу в 1С

15.06.26

Интеграция - Нейросети

Как мы пришли к ИИ для 1С и что из этого вышло. Расскажу, как мы собираем ИИ-платформу для работы с учетными данными. Зачем нам понадобился MCP, как мы связали его с 1С:Шина, почему уперлись в права доступа и как в итоге устроили агента внутри 1С. Также покажу, где видим место для skills, RAG и OCR, и что пока не стали отдавать модели на самостоятельное выполнение.

Развиваем ИИ-платформу в 1С


Привет! Я - Роман Коротаев, ресурсный руководитель направления 1С в компании Синимекс.

В этом материале хочу рассказать, как мы пришли к ИИ для 1С и что из этого вышло. Материал получился про попытку собрать полноценную ИИ-платформу для работы с учетными данными. Расскажу, зачем нам понадобился MCP, как мы связали его с 1С:Шина, почему отдельно уперлись в права доступа и как в итоге устроили агента внутри 1С. Также покажу, где видим место для skills, RAG и OCR, и что пока не стали отдавать модели на самостоятельное выполнение.

В конце 2024-ого - начале 2025-ого года я, наконец, начал присматриваться к большим языковым моделям и, как и многие, был полон скепсиса.

Я был в отпуске, и первый опыт с только что вышедшей DeepSeek удивил. 

Модель сносно писала шаблоны ЧТЗ и даже генерировала xml-скрипты bpmn-схем. Не с первого раза, понятно, но дотянуть до работающего варианта было возможно.

И я понял, что пора погружаться в тему серьёзно. Через пару месяцев подтянул к теме нашего архитектора 1С Дениса, научился оплачивать подписки, установил Cursor и дело пошло... :)

 

MCP-сервер на 1С:Шина

Разбираясь в теме function calling, tool use и MCP-серверов Денис предложил реализовать MCP на 1С:Шина. Кто не в курсе, 1С:Шина - это, по сути, платформа для разработки интеграционных приложений для баз 1С (и не только) на языке “1С:Предприятие.Элемент”. Это не язык 1С, но тоже на русском, похож на TypeScript.

Реализация MCP-сервера на 1С:Шина и размещение на нем функций (tools) облегчает задачу доступа к разным базам 1С предприятия без необходимости разработки и разворачивания дополнительных средств интеграции с выделенным сервером MCP.

Архитектура текущего решения представлена на схеме ниже.

 


 
Как это работает? На стороне 1С:Шина реализованы типовые endpoint сервера MCP. При вызове функции, ассоциируемой MCP-сервером с функциями 1С происходит вызов определенного кода на языке 1С в базах 1С.

Далее, на стороне 1С переданный код выполняется от лица переданного также пользователя и результат возвращается MCP-серверу.

 

Функции (tools, инструменты)

Что такое function calling? Представим себе функцию, написанную в конфигурации 1С на языке 1С, выполняющую какое-то простое действие. Например, SELECT по определенным условиям из таблицы. Тогда при правильно составленном запросе пользователя в чат ИИ “А что у нас по таким-то данным за прошлый год?”, LLM будет генерировать JSON с названием нужной функции и входящими параметрами. Дальше мы в 1С разбираем JSON, выполняем функцию и ответ возвращаем обратно в LLM, которая уже пользователю отвечает в удобном человеческом виде.

Вообще, разработке tools для MCP-сервера, работающего с бизнес-данными, можно посвятить отдельный материал. Здесь отмечу только, что важно проектировать инструменты именно с бизнес-ценностью. Например, у нас на демо-стенде есть mcp-1c_margin_breakdown. Эта функция-запрос к регистру накопления 1С “ВыручкаИСебестоимостьПродаж” с детализацией по Подразделению, Менеджеру, Складу за период. При вызове функция позволяет LLM отвечать, например, на такой вопрос:

Покажи топ-10 менеджеров по валовой прибыли и найди тех, у кого маржа ниже 10% за последний квартал.

Использование корректно спроектированных инструментов — это критически важная часть, позволяющая избегать галлюцинаций LLM практически в полном объеме. LLM тут не выдумывает цифры сама и не имеет доступа к базе, она только вызывает инструменты и форматирует ответ.

 

Права доступа

Конечно, вопрос прав доступа к данным при выдаче информации от LLM к конечному пользователю очень важен. Без этого решение не может использоваться в реальных процессах на предприятии. В 1С есть определенная сложность в запуске headless-режима - 1С:Шина запускает код в базе 1С под техническим пользователем с эксклюзивными правами, которые не повторяют права каждого из бизнес-пользователей 1С. Уточню, в 1С используется Row Level Security, и эти правила для каждого пользователя (профиля пользователей) свои. То есть, 1С база будет выдавать данные сообразно правилам RLS этого технического пользователя, что нам решительно не подходит.

Тем не менее, вариант реализации запуска инструментов MCP от имени пользователя системы был найден и реализован средствами 1С.

Дальше уже дело техники: создаем токены доступа для каждого пользователя и пробрасываем их до MCP-сервера, идентифицируем пользователя по токену и передаем его в базы 1С при вызове tools. 1С отдает только доступные для этого пользователя данные.

MCP-сервер успешно заработал! LLM начала определять подключившегося пользователя, здороваться по имени (неожиданная фича), вызывать инструменты и формировать ответы.

 

Модель

Мы сразу определились, что будем использовать для своих решений локальные модели. Это безопасность конфиденциальных и персональных данных. В причины можно записать и независимость от внешних поставщиков, прежде всего иностранных. Хотя возможность подключить облачную модель, конечно, имеется. В итоге, используем gpt-oss-120b в локальном контуре и моделью довольны.

 

Агенты

Для тестирования MCP-сервера мы остановились на open-source агенте OpenCode. Также пробовали OpenWork от тех же авторов. Но OpenCode в десктопном варианте нам понравился больше, можем рекомендовать.

Кроме того, конечно, нужно было затаскивать агента в среду 1С - для работы обычного пользователя 1С это основной рабочий вариант использования.

Поэтому мы подключили еще одного нашего энтузиаста ИИ - разработчика Павла, который и начал делать агента с интерфейсной частью уже непосредственно в 1С.

При этом серверная часть агента реализована с использованием Pydantic AI. 

Как работает серверная часть агента? 1С отправляет HTTP-запрос в бэкенд оркестратор. Вначале, сделана небольшая проверка на тематику запроса – прям уж сильно отвлеченные запросы к модели проходить не будут. Далее, организуется динамическая сборка системного промпта (prompt composer) и LLM в процессе первого запроса определяет необходимость вызова набора инструментов (MCP-tools или skills или сразу ответ пользователю).

А дальше уже идет цикл обращения к инструментам или навыкам с оценкой достаточности ответа самой моделью. Если ответ недостаточен, модель может вызвать новые инструменты (или те же с другими параметрами).

Конечно, есть защиты от зацикливания: ограничения на переиспользование одного и того же инструмента с теми же параметрами. И просто ограничение на количество шагов в цикле. Это ограничение настраиваемое.

Когда ответ устраивает LLM начинается обработка финализации ответа. Например, форматирование таблиц, проверка на сырой JSON в ответе пользователю и ряд других проверок.

Вся цепочка взаимодействия (запросы пользователя, агентский цикл, ответы LLM) агента логируется на стороне сервера и доступна из интерфейса 1С. Это сильно помогает при отладке работы агента.

 

Skills

Конечно, мы не стали отставать от современных реалий и реализовали навыки в агенте.

Есть централизованные инструменты (tools) на стороне mcp-сервера, а есть локальные навыки (skills) на стороне 1С-базы. Тулы и скилы.

Для начала мы реализовали группу «инфраструктурных» навыков – это, к примеру, чтение объектов 1С по навигационной ссылке, чтение вложенных ссылок, чтение вложений к объекту и т.п. Эти навыки мы разместили непосредственно в коде агента 1С.

Следом появилась группа пользовательских навыков – это те, которые настраиваются и хранятся в конфигурации 1С (Хранилище значений 1С) или в виде файлов на диске. Обычно, пользовательские навыки имеют бизнес смысл, например local_find_purchase_documents (поиск документов «Приобретение товаров услуг» по заданным параметрам).

Для каждого заказчика набор пользовательских навыков нужно проектировать отдельно согласно требованиям. Это также справедливо и для инструментов MCP-сервера.

Приведем пример работы агента для конфигурации «1С:Документооборот»:

  1. Пользователь спрашивает агента: «Покажи, кто согласовывал договор №5589 и какие были комментарии?»;
  2. Агент находит подходящий навык для поиска документа в базе 1С – это local_find_document_requests и ищет документ;
  3. Далее, агент вызывает навык local_read_document_processing_route для извлечения данных из базы 1С по цепочке согласования;
  4. Все навыки на стороне 1С выполняются в фоновом задании под текущим сеансом. То есть, доступ к данным определяется ролевой моделью текущего пользователя;
  5. Полученные данные, включая этапы, участников, состояния документа, результаты и комментарии отправляются внутрь агента в LLM для формирования ответа пользователю;
  6. Агент возвращает ответ пользователю в удобном структурированном виде.

 

UI для агента 1С

Павел начал с реализации фронта агента в обработке 1С в «ПолеHTMLДокумента». Вариант хороший и позволяющий создать функциональный и современно выглядящий интерфейс чата. При этом максимально гибкий. Отмечу, что чат отрисовывается нашим скриптом js, который и взаимодействует 1С.

 

Пользовательский чат агента

 

В чате доступна следующая дополнительная функциональность:

  • Мультичат. Запоминаются ветки разговоров. Есть возможность параллельного запроса к агенту в диалогах.
  • Прикрепление файлов.
  • Возможность обрезать ветку по текущему сообщению.
  • Редактирование сообщения и отправка агенту. После редактирования ветка снизу обрезается.
  • Копирование сообщения, удаление сообщения.
  • Голосовой набор.
  • Экспорт диалога в HTML или PDF.

Также в функциональность агента добавлен вывод диаграмм с интерактивными контекстными командами.

 

 

 

А спустя некоторое время коллеги посоветовали присмотреться к реализации чата с агентом через типовую функциональность “Обсуждений” в “Системе взаимодействия” в 1С. Сказано - сделано!



Такой вариант дает хорошие возможности по передаче контекста в агента и программированию предопределенных действий (контекстная команда) пользователя прямо в чате. 

Хотя, конечно, вариант более ограниченный в разработке, чем полностью кастомный UI через «ПолеHTMLДокумента». Полагаю, актуальны будут оба варианта: будем смотреть на сценарии использования агента у заказчика.

 

RAG и OCR

Конечно, мы не могли обойти стороной тему RAG и связанную с ней тему OCR. Думаю, на любом предприятии, активно использующем 1С, необходимость в оцифровке, распознавании документации и семантическом поиске по ней будет как никогда актуальна. Здесь мы реализовали типовые пайплайны. Для OCR используем easyOCR. Для хранения векторов - Qdrant. Чанки готовим с помощью intfloat/multilingual-e5-base, реранкер BAAI/bge-reranker-base. Используем не только векторный поиск, но и поиск по метаданным. Взаимодействие с RAG и OCR реализовали через инструменты MCP.

Сценарии использования RAG видим следующие: 

  • Во-первых, обогащение контекста для самого агента. Например, когда пользователь будет спрашивать у агента, в норме ли у нас маржинальность по новому направлению, агент должен понимать, что считается «нормой» именно для нас. И эту информацию агент сможет найти в RAG-хранилище;
  • Во-вторых, это работа с данными, которых просто нет в 1С. Скажем, подробные технические характеристики номенклатуры или руководства пользователя. Загрузив их в RAG, мы даём агенту возможность отвечать на вопросы вроде «подбери все насосы, которые могут работать с вязкими жидкостями и имеют сертификат для пищевой промышленности».
  • Ну и в-третьих, классический сценарий использования RAG — это хранение регламентов, правил предприятия и умный семантический поиск по этой базе знаний.

 

Что в итоге

На текущий момент мы видим контур нашего ИИ-решения, ИИ-платформы для 1С-заказчика прежде всего из: 

  1. MCP-сервер, реализованный на 1С:Шина или как самостоятельный сервис 
  2. ИИ-Агент в конфигурации 1С или работающий на базе open-source решений. 
  3. Набор инструментов и навыков, спроектированный и реализованный под бизнес-задачи заказчика.
  4. Опциональное RAG-хранилище.
  5. Опциональный OCR-сервис оцифровки и распознавания документов.

 

upd.

Пока готовил этот материал, была добавлена интеграция с мессенджерами (Telegram, VK Teams, Яндекс.Мессенджер).

И еще одна интересная возможность: вывели локальные скилы для вызова наружу через mcp. То есть, фактически можно подключить тот же Codex и Claude и к инструментам и к навыкам 1С. Но, разумеется, нужно понимать какие данные вы будете передавать облачным провайдерам LLM.


Сессия вопросов и ответов

1.    Что с безопасностью и персональными данными?

Предполагаем использование или локальных моделей LLM или провайдеров в РФ с соответствующими разрешениями. Реализацию DataMasking (слой для удаления чувствительных данных) пока не предполагаем. Ограничения к данным баз 1С на основе типовых профилей доступа 1С реализованы.

2.    Ваш агент умеет сам писать код 1С и выполнять его потом? Ведь это и даст истинную свободу агенту!

Нет. Насколько нужна истинная свобода агента в учетных системах - вопрос дискуссионный :). Но такая функциональность рассматривается, например, в части вызова отчетов СКД. Генерировать код, изменяющий данные в базе - пока мы смотрим на этот сценарий с большой осторожностью.

3.    Что будет, если пользователь спросит в чате чужую зарплату?

Первое. Если на уровне инструментов и навыков не реализованы функции выборки информации по зарплате, то агент физически не сможет показать эту информацию.
Далее, если функциональность чтения таких данных предусмотрена, то следующий барьер – сами права пользователя 1С в базах 1С. Если прав нет, то функции, выполняющиеся под текущим пользователем, не отдадут лишнюю информацию. Это уже определяется на уровне ролевой модели в базах 1С.
—
На этом всё. Спасибо за внимание.  Если сталкивались с такими задачами, поделитесь опытом в комментариях — будет интересно обсудить! 

Вступайте в нашу телеграмм-группу Инфостарт

ИИ нейросеть MCP RAG синимекс агент Qdrant 1С:Шина Шина

Вы можете заказать платную адаптацию этой статьи под ваши задачи на «Бирже заказов».

  • 0% комиссии — оплата напрямую исполнителю;
  • Исполнители любого масштаба — от отдельных специалистов до команд под проект;
  • Прямой обмен контактами между заказчиком и исполнителем;
  • Безопасная сделка — при необходимости;
  • Рейтинги, кейсы и прозрачная система откликов.

См. также

Нейросети Системный администратор Разработчик Аналитик Бухгалтер Пользователь Руководитель проекта 1С 8.3 1С:Документооборот 1С:Бухгалтерия 3.0 1С:Зарплата и Управление Персоналом 3.x Россия Платные (руб)

Подключите ИИ к 1С и решайте рабочие задачи обычными словами. От работы с данными до доработки конфигурации через расширения, всё в привычном чате с ИИ-помощником. Теперь с поддержкой DeepSeek Harness, Kimi Code и Kimi Work, доступных в России без VPN.

15990 руб.

30.07.2026    20157    43    4    

40

SALE! %

Банковские операции Обмен с интернет-банком Мастера заполнения Нейросети Разработчик Бухгалтер Пользователь 1С:Предприятие 8 1C:ERP 1С:Бухгалтерия 3.0 1С:ERP Управление предприятием 2 1С:Управление холдингом 1С:ERP. Управление холдингом 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 11 1С:Розница 3.0 Платные (руб)

Корректируйте банковские документы быстро и легко! Создайте правило обработки — и оно автоматически применится при загрузке выписки (отбор по любому реквизиту или регулярному выражению). Решение заполняет расшифровку платежа, комиссию эквайринга, подбирает ведомости на выплату зарплаты, помечает дубли из банка на удаление и многое другое. Доплачивать за алгоритмы не нужно — они включены в решение. Обработка работает при загрузке из файлов клиент-банка и через DirectBank. Новое — искусственный интеллект: модель приводит нестандартные назначения платежа к виду, понятному алгоритмам, а ИИ-ассистент прямо в 1С консультирует по решению и разбирает код правил и алгоритмов. Поддерживаются локальные и облачные OpenAI-совместимые модели — данные могут не покидать ваш контур.

17500 руб.

20.12.2024    21888    107    32    

90

Инструментарий разработчика Нейросети Платные (руб)

Первые попытки разработки на 1С с использованием больших языковых моделей (LLM) могут разочаровать. LLMки сильно галлюцинируют, потому что не знают устройства конфигураций 1С, не знают нюансов синтаксиса. Но если дать им подсказки с помощью MCP, то результат получается кардинально лучше. Далее в публикации: MCP для поиска по метаданным 1С, справке синтакс-помощника и проверки синтаксиса.

15250 руб.

25.08.2025    77963    148    41    

154

SALE! 30%

Нейросети 1С 8.3 1С:Бухгалтерия 2.0 1С:Бухгалтерия 1.6 1С:Бухгалтерия 3.0 1С:Управление холдингом 1С:Управление нашей фирмой 1.6 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 10 1С:Управление торговлей 11 1С:Документооборот Россия Платные (руб)

Расширение добавляет в 1С чат с ИИ-агентом. Пользователь пишет вопрос обычными словами: «какие УПД не подписаны?», «какой НДС к уплате за квартал?», «что висит на согласовании дольше недели?», а агент сам строит запросы к базе с правами этого пользователя и отвечает цифрами, таблицей, диаграммой или файлом Excel. Плитки «Аналитик», «Бухгалтер» и «Руководитель» дают сводку по базе одной кнопкой. Агент разбирает ошибки по скриншоту, сверяет прайсы поставщиков и проверяет коды маркировки. С версии 1.0.21 спрашивать можно и с телефона: QR-код в окне агента, без установки приложения. Работает в УТ 11, КА 2, ERP 2, БП 3.0, УНФ 3.0, Документооборот 3.0 и Альфа-Авто 6, ставится одним расширением.

18300 руб.

05.10.2026    4321    16    9    

15

Распознавание документов и образов Нейросети 1С:Предприятие 8 1С 8.3 1С 8.5 1C:Бухгалтерия 1С:Зарплата и Управление Персоналом 3.x Беларусь Россия Казахстан Армения Платные (руб)

ИИ-сканер документов с REST API для интеграции с 1С и корпоративными системами. Извлекайте данные из счетов, паспортов, дипломов, патентов и трудовых книжек за секунды. Точность человека - скорость машины. Приложение поддерживает восемь типов документов, четырех провайдеров ИИ (имеется возможность использования локальных ИИ), локальный REST API и экспорт в JSON. Важно! модель должна поддерживать функцию Vision (распознавание файлов и картинок). Запускайте используя локальные ИИ, без подписок и ограничений

6100 руб.

24.08.2026    1574    3    0    

2

Инструментарий разработчика Нейросети Системный администратор Разработчик Руководитель проекта 1С 8.3 Платные (руб)

Обработка заменяет ФИО, организации, ИНН, ИИН, БИН, ОГРН, КПП, БИК, счета и IBAN, паспорта, СНИЛС, адреса, телефоны, почту и суммы на правдоподобные выдуманные перед отправкой данных в ChatGPT, Claude или YandexGPT, а потом расшифровывает ответ модели обратно, подставляя настоящие имена и настоящие числа. Возвращаются и те итоги, которые модель посчитала сама: суммы масштабируются одним коэффициентом, поэтому пропорции и доли переживают обезличивание. Словарь замен хранится в самой базе и подхватывается автоматически, даже если обработку закрывали. Реквизиты России и Казахстана, любая конфигурация от 8.3.24, без единой зависимости.

14640 руб.

07.08.2026    2320    3    0    

3

Нейросети 1С:Предприятие 8 1С:Управление торговлей 11 Платные (руб)

Устали вручную разбирать сотни писем в 1С? Доверьте рутину искусственному интеллекту! «По полочкам» — это готовое расширение для 1С, которое само читает входящие email, понимает их суть и мгновенно раскладывает по нужным категориям.

9028 руб.

15.10.2026    306    1    0    

1

Нейросети Разработчик 1С:Предприятие 8 1С:ERP Управление предприятием 2 Бесплатно (free)

Мы десятилетиями совершенствовали интерфейсы 1С: добавляли формы, отчёты, обработки, рабочие места, настройки и кнопки. А теперь выясняется, что значительная часть всего этого, возможно, вообще не нужна пользователю. Научить ChatGPT создавать заказ в 1С — несложно. Правда, пользователь может сделать это быстрее. Поздравляю, мы изобрели более дорогой способ нажать кнопку! Но, возможно, мы вообще неправильно оцениваем возможности AI. Что, если вместо очередного интерфейса для ввода документов появится инструмент, который понимает бизнес-задачи, самостоятельно работает с данными ERP, объединяет разные источники информации и предлагает решения? Разберём рабочие места от кассира до генерального директора и попробуем понять, где LLM+ MCP способен изменить саму организацию работы, а где старая добрая 1С ещё даст ему фору.

13.11.2026    9832    informa1555    20    

12
Комментарии
Подписаться на ответы Инфостарт бот Сортировка: Древо развёрнутое
Свернуть все
1. gybson 15 15.06.26 21:35 Сейчас в теме
Все запросы рано или поздно разбиваются о железный аргумент : "А почему цифры не как в отчете?". Если вы уже сидите в 1С, то надо сразу формировать отчеты.

Я у себя добавил агента "Аналитик" с подключенным поиском по интернету через MCP SearXNG, очень здорово помогает.
Yashazz; romansun; +2 – Ответить
3. top_1c 4204 16.06.26 05:28 Сейчас в теме
(1) как и вопросы "А почему в этом отчета такая цифра, а в том другая?", а потом окажется что оба погоду показывают, потому что в регистре третьи данные))
4. romansun 213 16.06.26 15:02 Сейчас в теме
(3) да, мы думаем про отчеты, с ними есть определенные сложности

Но, с другой стороны, это как, по сути, кастомный отчет же - в таком отчете пишешь свой код, запрос, оно работает, выводит ТабДок.

Так и тут, выполняется код 1С, выдает цифры. Задача агента тут - нам их показать или сказать, что что-то пошло не так и нужно запросить данные еще раз. Такая реакция агента предусмотрена.


Ну и, да, плашку "ИИ-агент может допускать ошибки. Рекомендуем проверять важную информацию." мы добавим :)
13. gybson 15 17.06.26 09:27 Сейчас в теме
(4) тогда получите тонну скепсиса в отношении ИИ и "проще самому"
2. top_1c 4204 16.06.26 05:27 Сейчас в теме
Прочитал с удовольствием и кайфанул от визуала HTML. Как же наш интерфейс отстаёт, это я про скриншоты ДО+Обсуждения. Но чувствую скоро в этом "Обсуждение" появиться ИИ-Агент, ну просто обязан появится уже из коробки.
klaus38; romansun; +2 – Ответить
5. Teplotrassamen 16.06.26 15:39 Сейчас в теме
Тоже пилю чат в 1с с локальной ИИ, Только у нас qwen 3.6:27b
Только у меня без шины, запускаю по http сервису mcp когда в пользователь открывает обработку с чатом в html-документе. При первом запуске запрашивается пароль пользователя и сохраняется в безопасное хранилище. Другим способом не придумал как запускать под конкретным пользователем сеанс mcp чтобы сама 1С рулила правами.
Но пока делаю бекенд,модель упорно не хочет нормально строить запросы в объектам 1С и простой вопрос "покажи любую номенклатуру и ее свойства" скатывается к 10 минутам ожиданий, пока модель получит метаданные, пока сформирует запрос, пока запрос попытается выполнить и свалится с ошибкой, пока исправит и т.д.
Стало интересно сравнить вашу модель и нашу квенку. Мб гпт получше будет в 1С...
7. romansun 213 16.06.26 16:51 Сейчас в теме
(5)
модель упорно не хочет нормально строить запросы в объектам 1С


добрый день!

а вы как обращаетесь к 1С? Вы генерите прям 1С-ный код на лету?

Если "да" - то это довольно сложный путь так-то. По сути, нужна или фронтир-модель, свободно генерящая код 1С (опус, гпт 5.5 в кодекс-обвязке) со всеми сопутствующими сложностями или, для локальных моделей, очень мощная настройка работы агента. Чтобы он жестко рулил тупенькой изначально моделью. Да и в таком случае шансов на галлюцинации очень много.

Мы принципиально не рассматривает генерацию кода 1С на лету. Слишком велики риски.

В остальном, gpt-oss-120b прекрасная модель, инструкции хорошо выполняет, работает быстро. Работает даже на домашнем компьютере с видеокартой 5060ti 16Гб и кучей ОЗУ. Токенов 20 в секунду выдает.

а вот qwen 3.6:27b не пробовал как раз... надо попробовать, хвалят ее
Andrey_Timofeev; +1 – Ответить
9. Teplotrassamen 16.06.26 17:41 Сейчас в теме
(7)
Если "да" - то это довольно сложный путь так-то

Ну СОТА модели не будешь использовать (сесурность и все дела), так-то вроде бы можно, но только ради запросов, но опять же накладные расходы какие будут, по тому же api. Модели дать метаданные, чтобы она сгенерировала запрос, потом запрос проверить, выполнить на стороне базы, и если есть ошибки то передать снова в тяжелую модель. Ну такое что-то. Пока мне не нравится. Конечно можно будет посмотреть в сторону китайских братьев, тот же GLM от z.ai не так уж и плох с 1С. У них к слову анонсировали пару дней назад новую 5.2 версию.

А опыт с нормальными моделями есть и gpt-5.4-5.5 и opus-4.7-4.8 щупал и использовал.
Начинал с курсора, но быстро слез в cli codex и claude code. Вабкожу с переменным успехом с января)
На 1Сных задачах март-апрель сидел. На жЫрных моделях не плохо, но на слабых ахтунг.
Пока пилю условный планер, чтобы он проверял запрос что сделала квен и пинал ее чтобы она исправляла.
Если не получится, придется брать ту же gpt и через нее дообучать квенку на 300-500тыс кейсов.

Если вы не генерите запросы моделью, то у вас получается mcp это этакий заранее "прогретый" набор запросов с инструментами и модель может ходить только по этому "коридору"? Никакой самодеятельности из разряда "покажи клиентов у которых перед нами долги" или "пока ТОП продаж по товарам А-Б-В". Так как если вы заранее такой кейс не "впишите" в ваш mcp то модель не сможет его решить, я верно понимаю?
То есть у вас есть тул который дергает ИИ когда вопрос пользователя совпадает по ключевым словам с описанием тула?

Выходит так, вы пишите :
mcp-1c_margin_breakdown. Эта функция-запрос к регистру накопления 1С.... При вызове функция позволяет LLM отвечать, например, на такой вопрос:
Покажи топ-10 менеджеров по валовой прибыли и найди тех, у кого маржа ниже 10% за последний квартал.


А я все же хочу чтобы модель была более "автономной" и "самостоятельной" в той мере, в которой ей позволено быть.
Пока месяц пыжусь и временами кажется "ну вот оно, сейчас заработает" , но каждый раз что-то идет не так и дата "релиза" если ее можно так назвать, сдвигается вправо.))
romansun; +1 – Ответить
10. romansun 213 16.06.26 18:05 Сейчас в теме
(9)
Так как если вы заранее такой кейс не "впишите" в ваш mcp то модель не сможет его решить, я верно понимаю?


да, мы не генерим код, у нас tool use :), где tool - это бизнес-сущность

ммм.... смотрите, у вас на один учетный блок сколько отчетов, которые покрывают его текущее состояние? Ну, 3-4 основных.

Вот, один отчет, грубо говорят - и есть tool. Вы выполняете один фиксированный программный код отчета с набором входных параметров (фильтры, группировки, итоги и т.п.) который позволяет довольно гибко крутить выдачу информации для пользователя.

Соответственно, и наш tool проектируется аналогично с набором множества входных параметров. А вот какие тулы, в какой последовательности и с какими входными параметрами запускать - и определяет как раз LLM по описаниям тулов.

Примеры запросов по маржинальности:

Покажи топ-10 менеджеров по валовой прибыли и найди тех, у кого маржа ниже 10%
Покажи топ-20 клиентов по прибыли и найди клиентов с отрицательной маржой
Какие товарные группы самые прибыльные? Покажи топ-15 и найди группы с маржой ниже 15%
Как изменилась наша маржинальность по сравнению с прошлым кварталом?
Сравни эффективность работы менеджеров отдела продаж за февраль
Покажи разбивку прибыли по ключевым клиентам за этот год
Найди товары, которые продаются в убыток за последние 6 месяцев
Teplotrassamen; +1 – Ответить
11. Teplotrassamen 16.06.26 19:20 Сейчас в теме
(10) Понял, спасибо за пояснение. Запомню это как альтернативный вариант, если не получится сделать то что я хочу :)
6. Teplotrassamen 16.06.26 15:40 Сейчас в теме
Кстати а за какое время продукт получилось сделать? бекенд сами писали или вайбкодили?
8. romansun 213 16.06.26 17:01 Сейчас в теме
(6) сложно ответить, т.к. в это время входит и период освоения всей этой ИИ-темы.

в начале марта еще ничего не было, но уже были компетенции у команды, а в начале апреля уже были первые рабочие версии и mcp, и агента

в целом, могу сказать, что по мере погружения в технологии и инструменты после определенного порога освоения скорость увеличивается нелинейно :)

Бэкенд и ручная и агентская разработка.
12. XRoman 17.06.26 03:27 Сейчас в теме
Объясните, в чем улучшение для пользователя в этом решении. Как я понял, вместо того чтобы запустить отчёт и получить четкий и ожидаемый результат, нужно написать Промт, получить что-то и надеяться что ии правильно выбрал тулз для ответа.
VasilyErmak; orakool2; +2 – Ответить
14. Prepod2003 386 17.06.26 10:27 Сейчас в теме
15. rozer 324 17.06.26 11:39 Сейчас в теме
(14) за тариф архитектор 4490рубликов в месяц это без токенизации самой БЯМ?
16. Prepod2003 386 17.06.26 12:35 Сейчас в теме
17. rozer 324 17.06.26 14:07 Сейчас в теме
однако... продолжаем сидеть на конфастере тогда
18. VasilyErmak 231 17.06.26 18:31 Сейчас в теме
Простите моё старческое брюзжание.
40 лет назад, когда я поступал в институт нам говорили, что мы будем избавлять людей от рутинного учёта и заменять их компьютерами, которые только начали появляться в СССР. Где то лет 15 назад, услышав на конференции как Нуралиев радостно докладывает о наших успехах в автоматизации учёта и о том что нужно ещё 800 000 программистов 1С, я вдруг понял, что что-то не так в этой автоматизации. И вот с появлением ИИ, стало понятно, что всё так. А Вы опять
Покажи топ-10 менеджеров по валовой прибыли и найди тех
Andrey_Timofeev; +1 – Ответить
19. gybson 15 17.06.26 19:51 Сейчас в теме
(18) Я примерно на таких же запросах свое решение гоняю :) Есть идеи, где взять адекватные примеры запроса юзера к 1С?
20. VasilyErmak 231 17.06.26 21:18 Сейчас в теме
(19) Есть идея, убрать юзера. В смысле человека.
21. gybson 15 17.06.26 21:39 Сейчас в теме
(20) Кто же тогда денег даст? Есть же и довольно простые запросы. Например : "Утверди заявку на отпуск Иванова". Плохо чтоль, сидя в машине, такое просто сказать, а в ЗУП заявка утвердилась? Я думаю такую автоматизацию и ждут.
28. skyadmin 96 22.06.26 22:15 Сейчас в теме
(19) Например: почему закрытие месяца не выполняется, что и где контентно нужно исправить и кто виноват?
29. gybson 15 22.06.26 22:23 Сейчас в теме
(28) Если есть интеркомпани, то виноваты 1С.
Но пример хороший. Особенно для работы в связке с ванессой, про которую недавно публикацию сделали.
30. romansun 213 23.06.26 13:29 Сейчас в теме
(28) у нас есть, да, такая затея - сделать специализированных агентов. Например, финансовых, которые ответят на вопрос почему? и где поправить?. Вроде как всё для этого плюс/минус есть.

В конце концов, Антропик же сделал. Чем мы хуже )))
22. romansun 213 17.06.26 22:03 Сейчас в теме
(18) Когда я учился в универе 30 лет назад, нам тоже многое говорили... :) Но по факту вышло так что, автоматизация - она не для избавление от рутины. Вовсе нет. Более того, рутины может статься и больше. Автоматизация, на мой взгляд, прежде всего для повышения прозрачности учета, что, в свою очередь, повышает качество управленческих решений. Вот основная ценность.

А простые работники как работали рутину, так и продолжают ею заниматься, только на более высоком уровне абстракции.
25. VasilyErmak 231 18.06.26 10:35 Сейчас в теме
(22) Тогда нам говорили, что это научно-технический прогресс, а на самом деле это эволюция. А у эволюции нет ни цели, ни смысла. Но есть движение по спирали. Эволюция генетического кода породила эволюцию культурного кода, а та в свою очередь двоичного. Человек, носитель двух первых кодов, а третьего нет. Появление ИИ запустило этап отделения эволюции двоичного кода от человека.
Это лирическое введение к тому, что второй вариант, Агенты с наружи 1С, перспективный. К сожалению 1С даже не легла в направлении ИИ. А так же, к тому, что количество юзеров будет сокращаться.
Спасибо за ссылку на коннекторы 1С Сбера. У Яндекса есть библиотеки на нескольких языках для подключения к их агентам, но 1С среди них нет. И судя по ответам тех. поддержки не будет.
23. romansun 213 17.06.26 22:10 Сейчас в теме
Насчет того, зачем это ИИ вообще нужно, когда есть отчеты и прочие штуки в 1С - тенденция идет в эту сторону, как ни крути. Как это будет в 1С, уже сейчас можно посмотреть в SAP

Думаю, что агенты-ассистенты точно будут. Причем в двух вариантах:
1. Агенты от 1С (и от партнеров) внутри 1С - по типу того, что можно увидеть в моей статье
2. Агенты снаружи от иных вендоров - читаем про планы Сбера реализовать "коннекторы к 1С"
24. bekbb 18.06.26 03:26 Сейчас в теме
@romansun подскажите, модель Gemma4 от Google пробовали? если да, то что лучше: gemma4 или gpt oss?
26. romansun 213 18.06.26 15:03 Сейчас в теме
(24) нет, gemma4 не пробовали пока... у нас корпоративные gpt-oss-20b и 120b сейчас.

gpt-oss-20b, кстати, тоже вполне нормально работает для текущих сценариев. Но 120b, конечно, интереснее.

В целом, есть планы проработать бенчмарки для агента. И вот тогда уже, да, можно попробовать актуальные опенсорс модели.
27. Yashazz 4931 19.06.26 10:32 Сейчас в теме
Плюсую не глядя уже только за факт применения локальной механики.
31. netbka 3 16.11.26 18:42 Сейчас в теме
Спасибо за разбор, особенно за честное место про технического пользователя и RLS: в это упираются все.

Раскрою интерес: я делаю Nulio, это тоже MCP для 1С, только снаружи базы, через стандартный OData. Поэтому пара наблюдений с другой стороны.

Права. Пришли к тому же, что в (5): запрос в 1С идёт под личным логином человека, без технической учётки. Нет прав в 1С, нет ответа и через ИИ.

Про спор в (9) и (10), заранее заданные инструменты или запросы от модели. Мы пошли посередине: инструменты общие, а не под конкретный отчёт. Найти объект, прочитать его описание из метаданных конкретной базы, прочитать данные, посчитать сумму. Модель не пишет код 1С, но и не ограничена вписанными заранее сценариями и работает с любой конфигурацией в пределах того, что опубликовано в OData.

Запись у нас только через предпросмотр и подтверждение человеком, потом журнал и отмена одним шагом.

Вопрос к автору: на запись вы в итоге решились хотя бы для узких сценариев вроде «утверди заявку на отпуск» из (21)? Если да, как устроили подтверждение?
Для отправки сообщения требуется регистрация/авторизация