Staqflow: автоматизация бизнес-процессов и сборка флоу через MCP

Staqflow: автоматизация бизнес-процессов и сборка флоу через MCP

Staqflow — российская облачная платформа автоматизации: вы собираете рабочий процесс из блоков, где каждый блок что-то делает — принимает заявку, лезет в базу, спрашивает модель, пишет в CRM, отправляет сообщение в Telegram. Класс продукта тот же, что у n8n и ушедших из России Zapier и Make.

Отличие, ради которого её стоит рассматривать отдельно: процесс можно не рисовать, а описать словами. Платформа сама работает MCP-сервером — вы подключаете её к Claude, ChatGPT или Cursor и описываете задачу прямо в переписке, а клиент выкладывает готовый флоу в ваше пространство. Дальше это обычный workflow — открываете любой узел и правите руками.

Разбираем, как устроена платформа, куда в неё вставляется навык с AgentPoint и на что смотреть до боевого запуска.

Шесть понятий, без которых дальше не разобраться

Вся платформа держится на шести сущностях — это её документация формулирует так же:

Правило простое: один флоу — один триггер и сколько угодно узлов. Каждый запуск сохраняется целиком, поэтому при разборе «почему клиенту ушло не то» видно, что именно пришло в каждый узел и что он вернул.

Первый процесс: описать задачу словами

Классический путь в конструкторах — «изучите ноды, потом собирайте». Здесь путь короче: вы формулируете задачу так, как объяснили бы её сотруднику.

Когда приходит заказ — проверь оплату и пришли сводку в Telegram

ИИ-клиент уточняет недостающее (к какой базе заказов идти, в какой чат писать) и собирает флоу: вебхук → проверка схемы → запрос в базу → объединение данных → LLM-узел → отправка в Telegram. Дальше правки тоже можно делать репликами: «добавь ретраи», «пиши в другой чат» — или открыть редактор и поправить узел мышью. Оба способа работают с одним и тем же процессом.

Важная деталь по деньгам: по заявлению вендора, сборка и правка флоу через MCP токены не тратит, а сам MCP-сервер входит во все тарифы, включая бесплатный. Платите вы за выполнение собранного флоу — ровно так же, как за флоу, собранный руками.

Куда в этой схеме вставляется навык с AgentPoint

Файл SKILL.md платформа не импортирует — такой кнопки нет. Навык разбирается на три части, и каждая ложится в своё место:

Практический порядок такой: каркас просите собрать ИИ-клиента, а промпт вставляйте руками. Через MCP он отлично соединяет узлы, но если пересказать ему инструкции навыка своими словами, из них выпадут ровно те ограничения, ради которых навык и собирался — что нельзя обещать клиенту, какой формат ответа обязателен, где нужно отказаться и передать человеку.

Справочные данные в промпт не вклеивайте. Прайс, который лежит в таблице, меняется без вашего участия; прайс, вписанный в текст узла, устареет через неделю и потребует правки флоу.

Какую модель выбрать в LLM-узле

В каталоге платформы есть коннекторы к YandexGPT, GigaChat, Claude, OpenAI, а также к локальным моделям через Ollama и HuggingFace. Выбор по задаче:

• YandexGPT или GigaChat — если через флоу проходят данные клиентов и важно, чтобы они не покидали российский контур. Наши разборы: YandexGPT для бизнеса и GigaChat: навыки и function calling.
• Claude или OpenAI — когда важнее качество на сложных формулировках, а данные обезличены.
• Две модели в одном флоу — нормальная практика: лёгкая модель классифицирует обращение, тяжёлая пишет развёрнутый ответ только там, где он нужен. Так дешевле и быстрее.

Ошибки провайдера (лимит, таймаут, «модель недоступна») заворачивайте в отдельную ветку — иначе одна недоступность модели уронит весь процесс, и вы узнаете об этом от клиента.

MCP: собирать флоу из Claude или Cursor

Staqflow отдаёт собственный MCP-сервер. Вы подключаете его эндпоинт к любому клиенту с поддержкой Model Context Protocol — Claude, ChatGPT, Cursor, Codex, GigaCode — и дальше создаёте, правите и запускаете процессы прямо в переписке, не открывая интерфейс платформы.

Что здесь важно понимать про границы:

• клиент работает от имени выданного токена, права те же, что у вашей роли в пространстве;
• все действия попадают в аудит;
• по заявлению вендора, MCP-сервер доступен на всех тарифах, включая бесплатный.

Обратите внимание на направление: это платформа выступает сервером для вашего ИИ-клиента. Подключение сторонних MCP-серверов как инструментов внутри флоу в публичной документации не описано — если вам нужно именно это, спрашивайте у вендора до покупки. Что такое MCP и когда он вообще нужен малому бизнесу — в гайде MCP для малого бизнеса.

Токены: как не встать в очередь на середине месяца

Тарификация здесь не «за количество запусков», а месячный пул токенов CPU. Токен — единица учёта процессорного времени и сложности шага, он списывается за каждую операцию рантайма: запуск флоу, шаг узла, вызов внешнего API из коннектора, работу песочницы с кодом. Ориентиры вендора:

Пул на тарифах: 3 600 токенов в месяц на бесплатном Старте, 150 000 на Про (1 690 ₽/мес), 450 000 на Команде (4 490 ₽/мес), 1 050 000 на Максе (9 490 ₽/мес). В пересчёте на процессорное время это около 1 CPU-часа на Старте и примерно 42 на Про — порядка 40 ₽ за час. Когда пул исчерпан, новые запуски встают в очередь до обновления месячного лимита или до докупки пакета; уже идущие выполнения не обрываются.

Отсюда два практических вывода. Первый: посчитайте расход на пилоте, прежде чем переводить на флоу поток из сотен событий в день. Второй: разносите тяжёлую обработку на несколько узлов с промежуточными результатами — так и отлаживать проще, и расход предсказуемее.

Что проверить до боевого запуска

Доступы — только в менеджере подключений. Ключи к CRM, базе и мессенджеру не должны лежать в тексте узла или в промпте.

Записи в чужие системы — через согласование. Пока флоу новый, шаг «человек подтверждает» перед созданием сделки, отправкой клиенту или проводкой в 1С стоит дешевле, чем разбор последствий.

Ретраи и ветка «после исчерпания попыток». Внешние сервисы падают. Процесс без явной обработки этого случая молча теряет события.

Персональные данные. Соответствие платформы 152-ФЗ и хранение в РФ не отменяют ваших обязанностей как оператора: нужны основания обработки и поручение на обработку в договоре. И не подавайте в LLM-узел лишние поля — историю выполнений платформа хранит от 14 до 365 дней в зависимости от тарифа. Подробнее — 152-ФЗ и ИИ.

Повторные вебхуки. Внешняя система может доставить одно и то же событие дважды. Без ключа идемпотентности это превращается в дубли заказов и повторные списания.

Типовые сценарии

• Заявка с сайта → CRM → уведомление. Вебхук принимает форму, LLM-узел классифицирует обращение и готовит черновик ответа, менеджер подтверждает, сделка уходит в Битрикс24 или amoCRM.
• Сверка данных между системами. Заказы из магазина, статусы оплат и остатки держатся в согласованном виде между CRM и учётной системой — разбор частых ошибок в гайде Интеграция 1С и Битрикс24.
• Документы и медиа в потоке. OCR ценников с фотографии полки, разбор PDF-накладных в структурированные поля, расшифровка звонков — это обычные узлы, которые соединяются с остальными.
• Регулярная отчётность. По расписанию собрать цифры, попросить модель выделить аномалии, отправить владельцу текстом, а не таблицей.

С чего начать

1. Заведите пространство на бесплатном тарифе — карта не нужна.
2. Подключите одну систему, а не все сразу: ту, откуда приходят события.
3. Соберите простой флоу без ИИ: форма → уведомление. Убедитесь, что понимаете, как ходят данные.
4. Возьмите навык с AgentPoint под свою задачу и вставьте его инструкции в system prompt LLM-узла.
5. Прогоните 10–20 реальных примеров и посмотрите трейс по узлам.
6. Добавьте шаг согласования перед любой записью в чужую систему.
7. Посчитайте расход токенов за неделю пилота и только потом выбирайте тариф.

Полное описание платформы, тарифов и ограничений — на странице Staqflow в разделе «Платформы». Если нужен не общий разбор, а навык под ваш процесс и ваши поля в CRM — опишите задачу.