Studiu de caz MassAI: cum folosim agenți Claude în producție

Primul client am fost noi

Regula noastră internă e simplă: nu propunem unui client un sistem pe care nu l-am rulat întâi la noi. Propria operare e bancul nostru de testare permanent — aici aflăm ce rezistă în producție, ce se strică sub presiune și ce merită dus mai departe la clienți.

Ce urmează nu e un demo pregătit pentru o prezentare. Am construit pe Claude un sistem suficient de util încât să participe zilnic la operațiunile companiei — și suficient de controlat încât să știm exact unde nu are voie să acționeze singur.

Unde lucrează agenții Claude în fiecare zi

Un agent disponibil non-stop, pe Telegram. Rulează pe un server propriu și e același interlocutor la orice oră: primește o sarcină de pe telefon, o execută și raportează rezultatul. Contextul rămâne — conversația de azi știe ce s-a decis săptămâna trecută.

Monitorizare cu escaladare. Serviciile noastre sunt verificate continuu. Când ceva pică sau apar erori repetate, agentul trimite alertă pe Telegram, cu detaliile deja adunate — omul intervine informat, în loc să înceapă investigația de la zero.

Publicare cap-coadă. Secțiunea de știri a site-ului, în română și engleză, trece printr-un pipeline complet: verificarea integrității HTML, imagine Open Graph dedicată pentru fiecare articol, actualizarea sitemap-ului și trimiterea lui către Search Console. Distribuția pe rețelele sociale e tot un runbook executat de agent, cu aprobarea omului înainte de publicare.

E-mail integrat, cu frână. E-mailul companiei e conectat printr-un server MCP construit de noi: agentul citește, sortează și pregătește răspunsuri. Trimiterea efectivă cere întotdeauna confirmarea unui om.

Evidențe care nu expiră în tăcere. Agenții țin un registru al credențialelor și integrărilor și alertează din timp — înainte ca un token expirat să oprească un flux în producție.

Stack-ul: Claude Code, Agent SDK și MCP

Fiecare componentă are un rol precis. Claude Code e stratul de execuție — mediul în care agenții lucrează efectiv: citesc, scriu, rulează unelte, verifică rezultate. Agenții construiți programatic — cei care rulează non-stop pe server — folosesc Agent SDK de la Anthropic, pe un stack Python.

Accesul la uneltele companiei trece prin servere MCP (Model Context Protocol) construite intern — e-mail, analitice, publicare. Fiecare unealtă are o interfață clară și permisiuni delimitate: agentul primește exact capabilitățile de care are nevoie pentru sarcina lui, nimic în plus.

Memoria e persistentă, pe fișiere, cu un index încărcat la fiecare sesiune. Contextul se acumulează: deciziile, convențiile și lecțiile rămân de la o zi la alta, iar agentul devine mai util pe măsură ce lucrează.

Procedurile companiei sunt skill-uri — runbook-uri versionate pe care agentul le execută pas cu pas. Când un flux a mers manual de câteva ori, îl transformăm în skill; de acolo încolo devine repetabil și verificabil.

Cum împărțim munca între modele

O decizie de arhitectură care s-a dovedit importantă: munca se împarte pe subagenți cu modele de capabilități diferite. Sarcinile mecanice merg pe modele rapide și ieftine, integrarea și review-ul pe modele medii, iar arhitectura și deciziile grele pe cel mai capabil model.

Fiecare livrabil trece apoi printr-o buclă de review în care un alt agent verifică munca — evaluatorul e separat de executor, iar un implementator nu își validează singur rezultatul. Efectul practic e dublu: costul rămâne proporțional cu dificultatea fiecărei sarcini, iar calitatea nu depinde de autoevaluarea celui care a produs livrabilul.

Autonomie cu frâne: unde se oprește agentul și intervine omul

Partea la fel de importantă e ce anume nu au voie agenții să facă singuri. Orice scriere pe sistemele de producție — site, servere — are nevoie de un GO explicit de la om. E-mailurile pleacă doar după confirmare. Publicarea de conținut așteaptă aprobarea editorială a unui om.

Frânele acestea sunt o alegere de proiectare, aceeași pe care o punem și în implementările pentru clienți. Un agent care poate face acțiuni ireversibile fără oprire umană e un risc operațional, oricât de capabil ar fi modelul. Autonomia matură combină viteza mașinii pe execuție cu judecata omului pe deciziile care contează. E și direcția în care merge reglementarea europeană: transparență, jurnalizare și control uman din proiectare.

Ce am învățat și ce se transferă la clienți

Trei lecții s-au confirmat suficient de des încât le aplicăm în fiecare implementare:

Runbook-ul vine înaintea autonomiei. Automatizezi bine o procedură pe care o poți scrie clar pe hârtie. Dacă procesul e haotic, agentul îl va executa haotic — cu mai multă viteză.

Memoria acumulată face diferența dintre un instrument și un coleg. Un agent care reține deciziile și convențiile companiei scutește exact timpul care se pierde de obicei pe re-explicat context.

Porțile umane se pun din prima zi, pe acțiunile ireversibile. E mult mai ușor să relaxezi o frână care s-a dovedit inutilă decât să repari o greșeală făcută cu viteza mașinii.

Ce folosim intern nu e un produs de copiat la indigo — fiecare companie are alte unelte și alte riscuri. Pattern-urile arhitecturale sunt cele care se transferă: proceduri executabile, memorie care se acumulează, acces delimitat pe unelte, porți umane pe ireversibil. Dacă vrei să vezi cum s-ar traduce modelul acesta în operarea companiei tale, pornește de la ghidul nostru despre agenți AI operaționali.

Referințe: ↗ Claude Code (Anthropic) · ↗ Model Context Protocol