AI-агент для 1С: какие задачи можно автоматизировать и как

Просьба «сделайте AI-агента для 1С» обычно означает три разных желания: чтобы можно было спросить у базы вопрос обычными словами, чтобы подготовка типовых документов шла быстрее и чтобы кто-то заметил ошибки до закрытия периода. Все три решаются, но не тем способом, которым хочется: модель не должна лезть в базу напрямую и что-то в ней менять. Ниже: какие задачи агента вокруг 1С разумны, как выглядит архитектура через HTTP-сервисы и API модели, что показывает код и как не потерять контроль над данными. Вопрос о том, как писать сам код 1С с помощью модели, мы здесь не разбираем, он в статье про интеграцию нейросети в 1С↗.

Какие задачи отдавать агенту

Хорошие задачи объединяет одно: результат либо можно проверить глазами, либо он остаётся черновиком.

Ответы по данным. «Какой остаток по артикулу А-1024 на основном складе?», «Какая у контрагента просроченная задолженность?», «Какие поступления были за прошлую неделю?». Модель не лезет в базу сама: она выбирает, какой запрос к вашему сервису сделать, и пересказывает результат.

Подготовка документов. Черновик письма контрагенту о задолженности, пояснение к акту сверки, текст претензии по данным из базы. Агент собирает данные и пишет текст, документ утверждает человек.

Проверки. Поиск дублей контрагентов, подозрительных сумм, документов без обязательных реквизитов, расхождений между учётными системами. Агент выдаёт список «посмотрите это», а не исправляет сам.

Объяснение учёта. Модель умеет пояснить, что значит проводка или как читать отчёт. Для вопроса «нейросеть для бухгалтерии» это самый безопасный сценарий. Но решения по налогам, отчётности и закону остаются за специалистом: модель может ошибиться уверенным тоном.

Чего не стоит поручать: самостоятельное проведение и закрытие документов, любую запись в базу без подтверждения человеком, расчёты, от которых зависят налоги.

AI-агент для 1С: агент снаружи, 1С только отвечает

Простая и безопасная схема выглядит так:

1. Сервис-агент (например, на Python) принимает вопрос пользователя.
2. Он вызывает API модели и передаёт описание инструментов (функций), которые доступны.
3. Модель решает, какую функцию вызвать, и возвращает её имя с аргументами.
4. Сервис-агент вызывает HTTP-сервис 1С, получает данные и отдаёт их модели.
5. Модель формирует ответ.

1С в этой схеме публикует несколько узких методов, например «остаток по артикулу» или «долг по контрагенту». В платформе для этого есть HTTP-сервисы, а ещё можно использовать стандартный интерфейс OData; точные настройки публикации и права проверяйте в документации 1С для вашей версии. Базу при этом не нужно открывать наружу: сервис-агент работает внутри сети, наружу идёт только запрос к API модели.

Скелет метода HTTP-сервиса на стороне 1С выглядит так (детали зависят от вашей конфигурации, сверьтесь с документацией платформы):

// Модуль HTTP-сервиса, обработчик GET для шаблона /stock
Функция StockGET(Запрос)
	Артикул = Запрос.ПараметрыЗапроса.Получить("sku");
	Если НЕ ЗначениеЗаполнено(Артикул) Тогда
		Возврат Новый HTTPСервисОтвет(400);
	КонецЕсли;

	Данные = ПолучитьОстаткиПоАртикулу(Артикул); // ваша функция: запрос к регистру, возвращает Структуру

	Запись = Новый ЗаписьJSON;
	Запись.УстановитьСтроку();
	ЗаписатьJSON(Запись, Данные);

	Ответ = Новый HTTPСервисОтвет(200);
	Ответ.Заголовки.Вставить("Content-Type", "application/json; charset=utf-8");
	Ответ.УстановитьТелоИзСтроки(Запись.Закрыть());
	Возврат Ответ;
КонецФункции

Пользователя для сервиса заведите отдельного, с правами только на чтение нужных данных.

Код сервиса-агента

На стороне Python это цикл вызова инструментов по OpenAI-совместимому API. Параметры запроса описаны в справке по chat completions↗, а общую схему разбирает статья про ИИ-агента на Python с нуля↗.

import json
import os

import requests
from openai import OpenAI

client = OpenAI(
    base_url="https://api.zukko.pro/v1",
    api_key=os.environ["ZUKKO_API_KEY"],
)
ONEC = os.environ["ONEC_URL"]  # например http://srv-1c/base/hs/agent
ONEC_AUTH = (os.environ["ONEC_USER"], os.environ["ONEC_PASSWORD"])

def get_stock(sku: str) -> dict:

Обратите внимание на три решения. Функции только читают данные. Число шагов ограничено. Ошибки 1С возвращаются модели как данные, а не роняют сервис. Если вам нужна готовая оболочка агента вместо собственного цикла, посмотрите Hermes↗, но доступ к 1С всё равно пойдёт через ваш узкий HTTP-сервис.

Безопасность и контроль

• Права. Пользователь сервиса видит только нужные регистры. Список методов фиксирован: модель не может вызвать то, чего нет в TOOLS.
• Персональные данные. В модель уходит то, что вернул метод. Не включайте в ответы паспортные данные, телефоны и адреса, если они для задачи не нужны, или маскируйте их заранее.
• Подтверждение записи. Если когда-нибудь понадобится запись (например, создание черновика документа), делайте её отдельным методом и только после нажатия кнопки пользователем.
• Журнал. Сохраняйте вопрос, вызванные функции и ответ. Это нужно и для разбора ошибок, и для проверки.
• Лимит. Заведите отдельный ключ с дневным лимитом и списком разрешённых моделей: так расход агента не выйдет за ваш потолок.

Сколько это стоит

Цены на 18 октября 2026, за 1M токенов. Для gpt-6.1-sol вход $0.27, выход $1.32. Пусть вопрос требует двух обращений к модели: первое выбирает функцию, второе формулирует ответ. Всего на вопрос 4 000 токенов входа (описания инструментов и данные считаются каждый раз) и 300 токенов выхода.

Стоимость вопроса = 4 000 × 0.27 / 1 000 000 + 300 × 1.32 / 1 000 000 = 0.00108 + 0.000396 ≈ $0.0015.

Для 50 вопросов в день и 22 рабочих дней в месяц: 50 × 22 × 0.0015 ≈ $1.6. Реальные цифры зависят от объёма данных, которые вы возвращаете модели: большой отчёт в ответе на порядок увеличит вход. Актуальные цены: GET https://api.zukko.pro/v1/models или страница «Модели» в кабинете.

Частые вопросы

Можно ли дать модели прямой доступ к базе 1С?

Мы не советуем. Узкие методы с правами только на чтение дают предсказуемое поведение и позволяют проверить, что именно видит модель. Прямой доступ к базе этого не обеспечивает.

Какую модель брать?

Для вызова функций и пересказа данных начните со средних: gpt-6.1-sol или claude-sonnet-5-5. Для массовых проверок можно проверить deepseek-v4.1-flash. Сравнивайте на 20–30 своих вопросах, а не по индексу.

Модель ошибается в цифрах. Что делать?

Требуйте, чтобы все цифры брались из ответа инструмента, и показывайте пользователю исходный ответ 1С рядом с текстом. Любую цифру, от которой зависит документ, сверяйте сами.

Как подключиться из России?

Сервис-агент обращается к шлюзу Zukko, баланс которого пополняется через СБП, картой MasterCard или криптой. Для агента заведите отдельный ключ в кабинете Zukko↗ и разрешите ему только нужные модели.