EduFlow AI Assistant
Референсный многоагентный ассистент поддержки студентов с MCP-сервером к базе знаний и Битрикс24, Telegram и MAX
Средний риск
Средний уровень ставим, когда инструмент запускает код, ходит в сеть или читает файлы проекта. Перед установкой посмотрите, что именно он делает.
Почему такой уровень
- MCP-инструменты читают реальные данные сделок и контактов из Битрикс24 по номеру телефона
- Основной сервис хранит переписку студентов и обрабатывает статус оплаты
Установка
Ручная установка
git clone https://github.com/alexeymasalykin/ai-assistant-eduflow.git
python -m venv .venv
pip install -r requirements.txtДалее нужно скопировать deployment/.env.example в .env, создать базу данных и выполнить alembic upgrade head.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Проект это референсная реализация ассистента поддержки студентов для вымышленной платформы обучения EduFlow: сообщения из Telegram и MAX Messenger через сервис Wappi проходят оркестратор, который классифицирует запрос и передает его одному из агентов (типовые ответы, информация о курсе и статус сделки из Битрикс24, техническая поддержка через RAG по базе знаний, либо эскалация на живого преподавателя). LLM подключается либо OpenAI, либо YandexGPT через общую абстракцию. Отдельно от основного веб-сервиса на FastAPI проект поднимает MCP-сервер с тремя инструментами: поиск по базе знаний, получение сделки Битрикс24 по ID и поиск сделок по номеру телефона, доступный по stdio для Claude Code и Cursor или по сети через Docker.
Для кого. Для разработчиков, которые строят похожего многоагентного ассистента поддержки на Битрикс24 и Telegram/MAX и хотят рабочий референс с тестами.
Подходит, если
- Нужен референс архитектуры многоагентного бота поддержки с оркестратором и классификатором запросов
- Нужен пример MCP-сервера, отдающего RAG-поиск и данные сделок Битрикс24 агенту разработки
- Нужен пример мультиканальности Telegram и MAX через один вебхук с различением по profile_id
Не подходит, если
- Нужен готовый продукт под ключ, а не референсная реализация: проект написан для вымышленной платформы EduFlow
- Нет своих ключей OpenAI или YandexGPT, Wappi и вебхука Битрикс24 для настройки
- Нужен только MCP-сервер без остального веб-сервиса, оркестратора и базы данных
Пример запроса к агенту
Найди в базе знаний EduFlow, как сбросить пароль, и покажи статус сделки по номеру телефона студентаОграничения
Это референсная реализация под конкретный вымышленный кейс EduFlow, а не универсальный продукт, MCP-сервер придется адаптировать под свою CRM и базу знаний. Нужны PostgreSQL 15+, ключи OpenAI или YandexGPT, токен Wappi для Telegram и MAX и вебхук Битрикс24. Полноценный деплой рассчитан на Docker Compose с nginx и нужен собственный сервер.
Как отключить. Остановите стек docker compose down и удалите блок eduflow из .mcp.json, если использовали только MCP-сервер.
MCP
- Транспорт
- stdio, sse
- Авторизация
- не нужна
| Переменные окружения | |
|---|---|
| OPENAI_API_KEY секрет | Ключ OpenAI, если LLM-провайдер не YandexGPT |
| YANDEX_API_KEY секрет | Ключ YandexGPT, если LLM-провайдер не OpenAI |
| BITRIX24_WEBHOOK_URL обязательная, секрет | Вебхук Битрикс24 для чтения сделок и контактов |
| WAPPI_API_TOKEN секрет | Токен Wappi для Telegram и MAX, нужен только основному сервису, не MCP-серверу |
Проверка безопасности
- MCP-инструменты читают реальные данные сделок и контактов из Битрикс24 по номеру телефона
- Основной сервис хранит переписку студентов и обрабатывает статус оплаты
Коротко о README
README на русском подробно описывает архитектуру многоагентного ассистента с диаграммой mermaid, таблицей компонентов и требованиями: Python 3.11+, PostgreSQL 15+, Docker, ключи OpenAI, YandexGPT, Wappi и Битрикс24. Отдельный раздел MCP Server показывает запуск по stdio и через Docker, три инструмента и пример вызова search_knowledge_base. Указаны 170 тестов и 84% покрытия, а также параллельная реализация пайплайна на LangChain.
Частые вопросы
Можно использовать только MCP-сервер без остального бота?
Технически да, mcp_server работает отдельным процессом, но ему все равно нужны настроенные ChromaDB и вебхук Битрикс24, на которые он опирается.
Какой процент запросов уходит на эскалацию к преподавателю?
По диаграмме архитектуры в README, около 30 процентов запросов классификатор направляет на живого преподавателя.
Похожие
Открытый личный AI-ассистент на своем компьютере: отвечает в Telegram, Slack, Discord и WhatsApp, расширяется скиллами и плагинами
Самообучающийся агент от Nous Research: терминал, мессенджеры, cron-задачи и скиллы, которые он пишет сам
Открытый агент для программирования в терминале и на десктопе с режимами разработки и планирования
Открытая библиотека промптов с плагином Claude Code, MCP-сервером и CLI: поиск, получение и улучшение промптов и скиллов из агента