TL;DR
Operations Agent — один из 10 агентов BULLS AI Operating System. Отвечает за диспетчеризацию, ETA, перепланирование маршрутов и эскалации. Когда на маршруте случается инцидент (ремонт пути, простой парка, погода), Operations Agent за 11 секунд пересобирает план: проверяет альтернативные станции, парк, окна для перегрузки, согласует с RZD Agent и Pricing Agent, формирует action card и кладёт оператору на подтверждение. Всё это — через MCP-протокол и графовую память над цепью поставок.
Сценарий: задержка на ст. Челябинск-Гл.
Реальный кейс из апреля 2026. Перевозка SHP-2026-04-1240, BULLS BOX уменьшенной высоты с мраморным мелом, маршрут Тёплая Гора → Кудьма. На станции Челябинск-Гл. — внеплановый ремонт пути, ожидаемый простой 4–6 часов.
В 9:14 МСК ГЛОНАСС-датчик показывает остановку контейнера. Через 8 секунд Operations Agent получает event. Через 11 секунд оператор Сергей Моисеев в Control Tower ГК «Старатели» видит action card: «Простой 2ч на Челябинск-Гл. Operations Agent предлагает переключить отгрузку на ст. Кунгур — это уберёт 4ч из ETA и снимет риск штрафа. Подтвердить?»
Операция, на которую раньше уходил день переговоров с диспетчерами, занимает один клик.
Лог решения · 11 секунд
Полный audit-log этого инцидента доступен в Control Tower клиента. Сокращённая версия:
На всё ушло 11 секунд от detection до делика action card в ЛК клиента. Без AI-агента такая операция занимала бы 2–6 часов: диспетчер увидел статус, позвонил в РЖД, потом перевозчику, потом клиенту, согласовал, отправил подтверждение по email.
Bounded autonomy: что Operations Agent делает сам, а что — нет
Это критически важный архитектурный принцип. AI-агент не действует «вместо человека» — он усиливает оператора. Граница автономии чётко прописана и одинакова для всех клиентов BULLS:
- Сам. Получение event, классификация инцидента, запрос графовой БД, запросы к другим агентам, формирование action card, audit-log.
- С подтверждением оператора. Переключение маршрута, бронирование альтернативного парка, отправка эскалации в РЖД, корректировка ETA для клиента.
- Только оператор. Изменение договора, любые финансовые транзакции, отмена перевозки, удаление данных, изменение тарифов.
«AI не должен принимать решения, которые потом нельзя откатить. Граница автономии — это не ограничение, а гарантия».
MCP-вызовы между агентами
Operations Agent не «всезнайка». Он специалист по диспетчеризации. Когда нужно проверить ёмкость станции — вызывает RZD Agent через MCP. Когда нужно посчитать дельту по тарифу — Pricing Agent. Когда оценить риск — Risk Agent. Это позволяет каждому агенту иметь узкий, проверяемый, тестируемый контракт.
Пример MCP-вызова Operations → Risk:
Графовая память: почему это важнее vector-DB
Многие AI-проекты работают на vector DB (Pinecone, Qdrant, Weaviate) — это поиск по семантическому сходству. Хорошо для документов и FAQ. Плохо для логистики.
В логистике важны отношения: какая станция связана с какой, какой парк подходит под какой груз, какие коридоры конкурируют за ёмкость. Это естественно ложится на граф.
BULLS использует Neo4j для основного графа цепи поставок и Qdrant для semantic search по документам и истории диалогов. Operations Agent делает graph traversal за 200 мс по графу с миллионами рёбер.
Audit-log — это не «лог» в обычном смысле
Каждое решение Operations Agent — записано. Не как «строка в логе», а как событие с полным контекстом: какие данные были на входе, какие MCP-вызовы агент сделал, какие альтернативы рассмотрел, какое решение предложил, какое подтверждение получил.
Это критично для:
- Compliance (152-ФЗ, 187-ФЗ). При проверке оператор может показать каждое автоматическое решение с обоснованием.
- Тонкая настройка моделей. Все случаи, когда оператор отклонил предложение агента, становятся обучающим сигналом.
- Доверие клиента. Логист может посмотреть, почему агент предложил именно этот маршрут — и понять логику.
- Дебаггинг. Когда что-то идёт не так, у нас есть полный trace до причины.
Главное за 30 секунд
- Operations Agent — специалист, не «всезнайка». Делает одну вещь хорошо: диспетчеризация и пересборка маршрутов.
- Bounded autonomy — твёрдое правило. Агент рекомендует, оператор подтверждает критичные действия.
- MCP-протокол — Operations Agent не интегрирован монолитом, а вызывает других агентов как инструменты. Это позволяет тестировать и эволюционировать каждого отдельно.
- Графовая память (Neo4j) для цепи поставок + vector DB (Qdrant) для semantic search.
- Audit-log — не лог, а контекст каждого решения. Для compliance, обучения и доверия.