Agent AI, workflow i chatbot — czym się różnią

Po tej lekcji odróżnisz agenta AI od chatbota i od workflow z modelem językowym oraz ocenisz, którego z tych rozwiązań potrzebuje konkretne zadanie w firmie.

Trzy sposoby użycia modelu językowego

Słowo „agent” jest dziś doklejane do niemal każdego produktu z AI, dlatego zacznij od precyzyjnych definicji. Anthropic w tekście „Building effective agents” (grudzień 2024) rozróżnia dwa rodzaje systemów agentowych:

• workflow — model językowy i narzędzia działają według ścieżki zapisanej z góry w kodzie. Programista decyduje, co dzieje się po kolei;
• agent — model sam kieruje swoim procesem: decyduje, którego narzędzia użyć, w jakiej kolejności i kiedy skończyć.

Do tego dochodzi najprostszy przypadek: chatbot, czyli pojedyncze wywołanie modelu, który odpowiada tekstem na podstawie tego, co ma w rozmowie. Nie sprawdza niczego w systemach firmy i nie wykonuje działań.

Dokumentacja LangChain ujmuje agenta jednym zdaniem: to model wywołujący narzędzia w pętli, aż zadanie zostanie wykonane. W tym kursie przyjmujemy właśnie taką roboczą definicję. Agent ma trzy składniki: model (podejmuje decyzje), narzędzia (funkcje, które może wywołać) i instrukcje (zasady, cel, granice). Czwartym, często pomijanym elementem jest kod wokół modelu, który wykonuje narzędzia, pilnuje limitów i zatrzymuje pętlę.

Na podstawie: Anthropic, „Building effective agents” (19.12.2024).

Przykład: jedno pytanie, trzy architektury

Przez cały kurs pracujesz na przykładzie fikcyjnej firmy: Herbaciarnia Liść sp. z o.o. z Krakowa prowadzi sklep internetowy z herbatą. Trzy osoby w obsłudze klienta odpowiadają na maile i wiadomości z czatu. Klient pisze: „Zamówiłem czajnik LI-10257, przyszedł pęknięty. Co teraz?”.

Chatbot odpowie ogólnie: przeprosi i poradzi kontakt ze sklepem. Nie wie, czy zamówienie istnieje, kiedy dotarło i jaki jest status. Odpowiedź brzmi poprawnie, ale nie załatwia sprawy.

Workflow zrobi zaplanowaną sekwencję: model przypisze wiadomość do kategorii „reklamacja”, kod pobierze zamówienie z bazy po numerze, model napisze szkic odpowiedzi, a człowiek go zatwierdzi. Każdy krok jest znany z góry, więc łatwo go przetestować.

Agent dostanie narzędzia: sprawdzenie zamówienia, sprawdzenie terminu zwrotu, utworzenie zwrotu i przekazanie sprawy człowiekowi. Sam zdecyduje, że najpierw sprawdzi zamówienie, potem uzna, że wada towaru to reklamacja, a reklamacje według instrukcji przekazuje konsultantowi. Jeśli klient w tej samej wiadomości zapyta o drugą paczkę, agent sprawdzi i ją — bez dopisywania nowej gałęzi w kodzie.

Ta elastyczność ma cenę. Agent wykonuje kilka wywołań modelu zamiast jednego, więc kosztuje więcej i odpowiada wolniej. Może też wybrać złe narzędzie albo zatrzymać się za wcześnie. Dlatego Anthropic radzi zaczynać od najprostszego rozwiązania i dokładać kroki agentowe dopiero wtedy, gdy prostsze nie wystarcza. Microsoft w dokumentacji Agent Framework formułuje to jeszcze ostrzej: jeśli zadanie da się obsłużyć zwykłą funkcją, napisz funkcję zamiast agenta.

Po czym poznać, że potrzebujesz agenta

Zadaj sobie trzy pytania o konkretne zadanie:

1. Czy umiesz rozpisać kroki z góry? Jeśli tak, wystarczy workflow. Agent ma sens, gdy kolejność kroków zależy od tego, co wyjdzie po drodze.
2. Czy zadanie wymaga danych z systemów lub działań? Jeśli odpowiedź opiera się wyłącznie na tekście z rozmowy, wystarczy pojedyncze wywołanie modelu.
3. Czy błąd da się wychwycić, zanim zaszkodzi? Agent pomyli się prędzej czy później. Jeśli pomyłka jest nieodwracalna (przelew, usunięcie danych), działanie musi zatwierdzać człowiek albo zadanie nie nadaje się jeszcze dla agenta.

W praktyce wiele „agentów” z materiałów marketingowych to workflow: stała sekwencja z jednym lub dwoma wywołaniami modelu. To nie zarzut — workflow jest tańszy, szybszy i łatwiejszy w utrzymaniu. Ważne, żebyś świadomie wybierał architekturę, a nie nazwę.

Zwróć też uwagę, gdzie leży granica odpowiedzialności. W chatbocie i workflow odpowiadasz za każdą ścieżkę, bo sam ją zapisałeś. W agencie odpowiadasz za granice: jakie narzędzia model dostaje, czego mu nie wolno, kiedy pętla musi się zatrzymać. Kolejne moduły uczą właśnie projektowania tych granic.

Najważniejsze w 3 punktach

1. Workflow wykonuje kroki zapisane w kodzie, agent sam decyduje o narzędziach i kolejności, chatbot tylko odpowiada tekstem.
2. Agent jest najbardziej elastyczny, ale też najdroższy i najmniej przewidywalny — wybieraj go dopiero, gdy prostsze rozwiązanie nie wystarcza.
3. Projektując agenta, odpowiadasz za granice: narzędzia, zakazy, limity i moment, w którym decyzję podejmuje człowiek.

Źródła

• Anthropic, „Building effective agents”, 19.12.2024 — https://www.anthropic.com/engineering/building-effective-agents
• LangChain, dokumentacja „Agents” (definicja agenta jako modelu wywołującego narzędzia w pętli), stan na październik 2026 — https://docs.langchain.com/oss/python/langchain/agents
• Microsoft Learn, „Microsoft Agent Framework Overview”, sekcja „When to use agents vs workflows”, aktualizacja 25.08.2026 — https://learn.microsoft.com/en-us/agent-framework/overview/