Подключаем российские API к AI-агентам

AI-агенты (Claude, GPT, LLaMA) становятся мощнее с доступом к внешним инструментам. Но стандартные тулы (Tavily, Browserless) плохо работают с русским контентом.

UnoAPI даёт агентам доступ к Яндексу, WordStat, скриншотам — через MCP или REST.

Проблема: западные API не понимают русский

Попробуйте попросить Claude найти информацию о российском законе через Tavily:

Claude: [использует Tavily]
Результат: англоязычные статьи с Wikipedia, устаревшая информация

Tavily и Brave оптимизированы для английского. Они:

• Не понимают русскую морфологию
• Пропускают региональные сайты (.ru)
• Ранжируют по англоязычным метрикам

Решение: UnoAPI + MCP

Model Context Protocol (MCP) — стандарт для подключения инструментов к AI. UnoAPI предоставляет MCP-сервер:

{
  "mcpServers": {
    "unoapi": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "https://proxy.unoapi.ru/mcp",
        "--header",
        "Authorization: Bearer sk_xxx"
      ]
    }
  }
}

Теперь Claude получает инструменты:

• search — поиск в Яндексе
• wordstat — статистика запросов
• screenshot — скриншоты сайтов
• ipinfo — геолокация IP

Пример: Claude Desktop

После настройки MCP:

Пользователь: Найди последние новости про ИИ в России и сделай скриншоты источников

Claude: Сейчас найду актуальную информацию.

[Вызывает search: "искусственный интеллект россия новости 2026"]

Нашёл несколько источников:
1. РБК: "Минцифры представило стратегию ИИ до 2030"
2. Ведомости: "Сбер и Яндекс объединяют усилия в разработке ИИ"
3. ТАСС: "Россия вошла в топ-5 по публикациям об ИИ"

[Вызывает screenshot для каждого URL]

Вот скриншоты источников: [изображения]

LangChain интеграция

Для Python/JS разработчиков — через Tools:

from langchain.tools import Tool
from langchain_openai import ChatOpenAI
from langchain.agents import initialize_agent
import requests

UNOAPI_KEY = "sk_xxx"

def russian_search(query: str) -> str:
    """Поиск по русскоязычному интернету"""
    response = requests.post(
        "https://proxy.unoapi.ru/v1/search/yandex",
        headers={"Authorization": f"Bearer {UNOAPI_KEY}"},
        json={"query": query, "max_results": 5}
    )
    results = response.json()["results"]
    return "\n".join([f"- {r['title']}: {r['url']}" for r in results])

def get_search_volume(phrase: str) -> str:
    """Узнать частотность запроса в Яндексе"""
    response = requests.post(
        "https://proxy.unoapi.ru/v1/wordstat/top",
        headers={"Authorization": f"Bearer {UNOAPI_KEY}"},
        json={"phrase": phrase, "limit": 1}
    )
    top_requests = response.json()["topRequests"]
    count = top_requests[0]["count"] if top_requests else 0
    return f"Запрос '{phrase}' ищут {count:,} раз в месяц"

tools = [
    Tool(name="russian_search", func=russian_search, 
         description="Поиск информации в русскоязычном интернете"),
    Tool(name="search_volume", func=get_search_volume,
         description="Частотность поискового запроса в Яндексе")
]

llm = ChatOpenAI(model="gpt-4o")
agent = initialize_agent(tools, llm, agent="zero-shot-react-description")

result = agent.run("Найди топ-3 конкурента в нише онлайн-образования и их частотность")

CrewAI

Для мультиагентных систем:

from crewai import Agent, Task, Crew
from crewai_tools import tool

@tool
def search_russian_web(query: str) -> str:
    """Поиск по русскоязычному интернету через Яндекс"""
    response = requests.post(
        "https://proxy.unoapi.ru/v1/search/yandex",
        headers={"Authorization": f"Bearer {UNOAPI_KEY}"},
        json={"query": query}
    )
    return str(response.json()["results"])

researcher = Agent(
    role='Исследователь рынка',
    goal='Анализировать российский рынок и конкурентов',
    tools=[search_russian_web],
    backstory='Опытный аналитик с глубоким знанием российского рынка'
)

analyst = Agent(
    role='Аналитик данных',
    goal='Структурировать и анализировать собранные данные',
    backstory='Специалист по data science'
)

research_task = Task(
    description='Исследуй рынок EdTech в России: топ-игроки, тренды, объём',
    agent=researcher
)

analysis_task = Task(
    description='Проанализируй данные и составь отчёт с рекомендациями',
    agent=analyst,
    context=[research_task]
)

crew = Crew(agents=[researcher, analyst], tasks=[research_task, analysis_task])
result = crew.kickoff()

AutoGPT / OpenDevin

Для автономных агентов UnoAPI предоставляет все необходимые инструменты:

1. Поиск — найти актуальную информацию
2. WordStat — оценить спрос
3. Скриншоты — визуальный анализ
4. LLM (скоро) — YandexGPT/GigaChat для генерации

Преимущества

Стоимость

Типичная сессия агента:

Начать

1. Регистрация
2. MCP интеграция
3. Документация API