Jak zbudować prostego agenta AI bez kodowania?

Czy budowa agenta AI to zadanie tylko dla programistów? Niekoniecznie. Dzięki narzędziom No-Code, takim jak Make.com, Google Sheets czy Perplexity, możesz zbudować własnego agenta AI – bez ani jednej linijki kodu. W tym artykule pokażę Ci, jak to zrobić krok po kroku, jednocześnie wyjaśniając, czym różni się agent AI od zwykłej automatyzacji i dlaczego to ma znaczenie.

• Czym różni się agent od automatyzacji?
• Co chcemy zbudować?
• Krok po kroku: budowa agenta w Make.com
• Dodanie "rozumu": integracja z Claude lub GPT
• Jak dodać iterację i sprawdzanie jakości?
• Wnioski i inspiracje do własnych projektów
• Co powinieneś zrobić dalej?

Czym różni się agent od automatyzacji?

Zacznijmy od podstaw. Automatyzacja (workflow) to z góry zaprojektowany ciąg kroków – "jeśli A, to zrób B". Wszystko dzieje się zgodnie z ustalonym scenariuszem. Proste? Tak. Elastyczne? Niekoniecznie.

Agent AI idzie o krok dalej. To system, który nie tylko wykonuje zadania, ale też myśli – planuje, podejmuje decyzje, a nawet uczy się na podstawie efektów swoich działań. W klasycznym workflow to Ty jesteś mózgiem. W przypadku agenta, to on przejmuje część Twojej decyzyjności.

Co chcemy zbudować?

Zbudujemy agenta, który:

• codziennie pobierze linki do nowych artykułów z Google Sheets,

• użyje Perplexity do ich podsumowania,

• przekaże skrót Claude’owi lub GPT, by wygenerował post na LinkedIn,

• a na końcu opublikuje go (albo zapisze jako szkic).

Brzmi jak dużo? Spokojnie – to właśnie agent zrobi za Ciebie.

Krok po kroku: budowa agenta w Make.com

Na Make.com wszystko zaczyna się od prostego interfejsu, w którym tworzysz scenariusz krok po kroku. Dodajesz pierwszy moduł – np. Google Sheets – i ustawiasz warunek: "za każdym razem, gdy pojawi się nowy wiersz, rozpocznij przepływ". To Twój punkt startowy.

Dalej możesz zintegrować narzędzie takie jak Perplexity za pomocą webhooka lub modułu HTTP. Agent pobiera link do artykułu, wysyła go do Perplexity, a wynik – streszczenie – przekazuje do kolejnego etapu. Wszystko działa płynnie, jak dobrze naoliwiony mechanizm. Co ważne: sam wybierasz, czy agent ma działać codziennie o 8:00, czy tylko na żądanie.

W Make.com możesz też połączyć wiele narzędzi w jeden scenariusz – np. sprawdzenie poprawności danych, filtrowanie niepotrzebnych wpisów, dodanie tagów. To pozwala agentowi "przygotować się" przed przekazaniem informacji dalej. Warto dodać, że Make pozwala też na zapisywanie wyników w bazie lub przesyłanie ich do innych systemów – jak Notion, Airtable czy WordPress.

Agent zbudowany w Make może również obsługiwać iterację – jeśli zdefiniujesz warunek "jeśli wynik nie spełnia kryteriów, wróć do kroku Claude i wygeneruj nową wersję". To daje namiastkę agentowego myślenia i pozwala na większą elastyczność w działaniu.

Dodanie "rozumu": integracja z Claude lub GPT

Integracja Claude lub GPT z agentem w Make polega najczęściej na dodaniu kroku z API – przekazujesz prompt, dane wejściowe (np. streszczenie z Perplexity), a model zwraca wynik. Co ciekawe, możesz używać różnych stylów wypowiedzi: formalnych, kreatywnych, sprzedażowych. To właśnie LLM nadaje agentowi charakter i "głos".

W dokumentach znajdziemy przykład zastosowania tzw. krytyka – drugiego modelu, który po otrzymaniu wygenerowanego posta dokonuje oceny treści. Jeśli wynik nie spełnia ustalonych kryteriów (np. stylu, długości, CTA), agent wraca do modelu i prosi o poprawioną wersję. Tak działa iteracja w praktyce.

Możesz także dodać pamięć – np. przez zapisanie poprzednich wpisów w bazie danych i przekazywanie ich w promptach jako kontekst. W ten sposób agent unika powtórzeń, a jego wypowiedzi stają się bardziej spójne i świadome wcześniejszych działań.

Warto wiedzieć, że nie każdy agent potrzebuje GPT-4 – w wielu przypadkach wystarczy tańszy model lub Claude Instant. Najważniejsze jest, żeby dobrze przygotować dane wejściowe i prompt. To właśnie tutaj zaczyna się prawdziwa inżynieria agentów AI.

Jak dodać iterację i sprawdzanie jakości?

W prostym workflowu to Ty oceniasz wynik. Agent AI może robić to sam. Jak?

• Po wygenerowaniu posta, może przekazać go do innego modelu (np. "krytycznego" agenta), który sprawdzi, czy treść spełnia wymagania (np. długość, styl, unikanie powtórzeń).

• Jeśli krytyk znajdzie błędy – agent może poprawić wersję i przetestować ponownie.

To właśnie iteracja – coś, czego klasyczne automatyzacje nie robią.

Możesz skonfigurować ten proces w Make.com, tworząc dodatkowy warunek: "jeśli wynik zawiera błąd lub nie spełnia kryteriów, wróć do kroku generowania treści". W ten sposób agent samodzielnie podejmuje próbę poprawy i testuje kolejną wersję bez udziału człowieka.

Co więcej, nie musisz ograniczać się do jednego modelu. Ciekawym rozwiązaniem jest użycie dwóch LLM-ów: pierwszy generuje tekst, drugi pełni rolę recenzenta. Ten drugi może sprawdzać styl, ton, obecność CTA, a nawet posługiwać się promptem typu "oceniaj jak ekspert LinkedIn".

Niektórzy twórcy rozszerzają ten proces o integracje z narzędziami walidującymi treść, np. API sprawdzającymi poprawność językową (jak Grammarly czy LanguageTool). Inni stosują tzw. self-critique prompts, czyli pytania, które model zadaje sam sobie przed zakończeniem zadania – np. "czy ten post zawiera wszystkie kluczowe informacje?".

Takie podejście może wydawać się skomplikowane, ale to właśnie tu rodzi się prawdziwa magia agentów. Agent, który umie się uczyć na błędach i poprawiać sam siebie, to nie tylko automatyzacja – to cyfrowy współpracownik z prawdziwego zdarzenia.

Wnioski i inspiracje do własnych projektów

Nie musisz budować od razu wielkiego systemu. Wystarczy zacząć od prostego scenariusza, który oszczędzi Ci czas i energię. Publikacja posta, przygotowanie raportu, analiza danych z formularzy – to wszystko można zautomatyzować z użyciem agentów.

Z czasem możesz dodawać kolejne funkcje: pamięć, planowanie, współpracę między agentami. W ten sposób budujesz własny ekosystem AI – krok po kroku.

A jeśli boisz się, że to wszystko brzmi zbyt poważnie, pamiętaj: "Agent nie musi od razu rozwiązywać problemów świata. Wystarczy, że rozwiąże Twoje poniedziałki".

Co powinieneś zrobić dalej?

• Zarejestruj się w Make.com i stwórz pierwszy prosty scenariusz.

• Dodaj krok z Claude lub GPT – przez API lub gotową integrację.

• Obserwuj efekty – zastanów się, które działania agent mógłby wykonać za Ciebie.