AI-агенту закрыли бронирование: как не потерять бизнес, если внешние сайты начнут банить agent-to-agent трафик
Я Denis Shokhirev, Agentic AI Systems Architect из Freiburg im Breisgau, и в DennisCraft AI Studio я собираю production-grade AI-системы на Claude, Supabase, n8n, Doppler и self-hosted Postgres для B2B-клиентов в DACH. Самый неприятный инцидент в таких системах выглядит не как падение модели, а как тихий отказ внешнего сайта: вчера агент бронировал слот, сегодня тот же workflow получает 403, CAPTCHA или пустую страницу, и бизнес-процесс останавливается без красивой ошибки. Это уже не теоретичес
Я Denis Shokhirev, Agentic AI Systems Architect из Freiburg im Breisgau, и в DennisCraft AI Studio я собираю production-grade AI-системы на Claude, Supabase, n8n, Doppler и self-hosted Postgres для B2B-клиентов в DACH. Самый неприятный инцидент в таких системах выглядит не как падение модели, а как тихий отказ внешнего сайта: вчера агент бронировал слот, сегодня тот же workflow получает 403, CAPTCHA или пустую страницу, и бизнес-процесс останавливается без красивой ошибки.
Это уже не теоретический риск. Если ваш агент оформляет заказы, бронирует окна, собирает прайсы, сверяет статусы отгрузки или открывает тикеты через чужой веб-интерфейс, вы зависите от чужой политики доступа. И как только сайты начнут системно отделять human traffic от agent-to-agent traffic, у вас сломается не модель, а операционная схема. Вопрос не в том, случится ли это, а в том, заложили ли вы запасной маршрут до того, как ваш ARR начнет зависеть от чужого anti-bot слоя.
Где именно ломается агентная автоматизация
Обычно проблема описывается слишком упрощенно: «сайт забанил бота». В production это выглядит как 5 разных классов отказов, и у каждого разный план защиты.
| Сценарий | Симптом | Что реально ломается | Что делать |
|---|---|---|---|
| IP / rate limit ban | 429 или 403 после роста нагрузки | Пакетные операции и ретраи | Квоты, backoff, очереди, снижение параллелизма |
| Bot detection | CAPTCHA, JS challenge, fingerprint mismatch | UI-автоматизация через браузер | Уход на API, партнерский канал, human fallback |
| Policy change | Новые ToS, запрет automation | Сам канал интеграции | Юрпроверка, контракт, официальный доступ |
| Markup drift | CSS/XPath перестали совпадать | Парсинг и form filling | DOM-monitoring, smoke tests, versioned selectors |
| Auth hardening | MFA, device binding, email challenge | Ночные фоновые задачи | Delegated access, scoped credentials, manual checkpoint |
На практике самое опасное — не жесткая блокировка, а серое состояние. Агент «как будто работает», но часть шагов silently degrades: пропускает слот, не видит кнопку, повторно отправляет форму, пишет в Postgres неверный статус. Снаружи это выглядит как бизнес-шум, а не инцидент. Поэтому я считаю критичным строить агентные пайплайны так, будто веб-доступ к чужому интерфейсу временный, ненадежный и всегда может исчезнуть.
Архитектурный принцип: сайт — это последний, а не первый вариант
Если ваш агент начинает с браузера, вы уже выбрали самый хрупкий слой. Правильный порядок каналов обычно такой: официальный API, партнерский feed, email ingestion, EDI / structured file exchange, human-in-the-loop UI automation как крайний вариант. В regulated рынках это еще и вопрос аудита: через API проще доказать, кто что сделал, когда и на каком основании.
1. Разделите “intent” и “transport”
Агент не должен “знать”, что бронирование делается кликом по кнопке. Он должен формировать намерение: создать бронь с такими полями, в таких SLA и с такими ограничениями. Дальше transport layer выбирает канал. Сегодня это API, завтра email template, послезавтра задача оператору.
from dataclasses import dataclass
@dataclass
class BookingIntent:
customer_id: str
date: str
slot_id: str
reference: str
def route_booking(intent: BookingIntent, capabilities: dict) -> str:
if capabilities.get("api"):
return "book_via_api"
if capabilities.get("edi"):
return "book_via_file_exchange"
if capabilities.get("email"):
return "book_via_email"
return "queue_for_human_review"Такой слой кажется скучным, пока не приходит первый бан. После этого он становится разницей между деградацией сервиса и полным простоем.
2. Держите capability registry вне prompt
Я не советую давать модели право самой “угадывать”, доступен ли канал. Capability registry должен жить в Postgres или Supabase: какие интеграции разрешены, какие временно недоступны, какие требуют human approval, какие нарушают ToS. LLM получает не свободу фантазии, а карту допустимых путей.
Операционная защита: наблюдаемость, деградация, ручной обход
Anthropic в документации по tool use прямо рекомендует ограничивать действия модели и валидировать вызовы инструментов на стороне приложения, а не доверять модели выполнение внешних операций без проверок: docs.anthropic.com. Это особенно важно, когда tool — не внутренний API, а чужой веб-канал с нестабильными правилами.
Я обычно ввожу 3 слоя защиты.
Слой 1: health checks внешних точек
Не ждите, пока рабочая задача обнаружит блокировку. Поднимите отдельные synthetic checks: логин, поиск, открытие формы, чтение статуса. Они должны писать метрики отдельно от бизнес-трафика.
#!/usr/bin/env bash
set -euo pipefail
URL="https://partner.example.com/login"
STATUS=$(curl -s -o /tmp/health.html -w "%{http_code}" "$URL")
if [ "$STATUS" -ne 200 ]; then
echo "partner_site_health status=$STATUS"
exit 1
fi
grep -q "Sign in" /tmp/health.html || {
echo "partner_site_health unexpected_markup=1"
exit 1
}Слой 2: controlled degradation
Если внешний сайт начинает отвечать нестабильно, агент не должен слепо ретраить 50 раз. Нужны circuit breaker, очередь и явная смена режима: “accepted but pending manual fulfillment”. Это спасает и SLA, и отношения с клиентом.
Слой 3: человек как легальный fallback
Во многих DACH-процессах ручной шаг — не слабость, а страховка. Если бронирование не прошло по официальному каналу, система должна создать задачу с уже собранным контекстом: кто клиент, что пытались сделать, какие поля валидны, где именно сломалось. Тогда оператор не начинает с нуля.
fallback_task:
type: manual_review
priority: high
payload:
intent_id: "bk_48291"
partner: "carrier_portal"
last_error: "403_forbidden"
retry_allowed: false
customer_ref: "ORD-9912"Юридический и коммерческий слой важнее, чем кажется
Технические команды часто пытаются решить проблему как anti-bot puzzle. Для B2B это неверный фокус. Если чужой сайт критичен для вашего revenue path, вам нужен не только scraper, но и договорной маршрут. Партнерский доступ, письменно подтвержденный канал, выделенная квота, service contact — все это скучнее, чем browser automation, но живет дольше.
OWASP в Automated Threats to Web Applications пишет о бот-трафике как о классе угроз и объясняет, почему владельцы сайтов усиливают защиту: owasp.org/www-project-automated-threats-to-web-applications/. Для вас это означает простую вещь: интересы вашей автоматизации и интересы владельца сайта по умолчанию не совпадают. Значит, архитектура должна исходить из конфликта, а не из предположения о нейтральности.
С коммерческой стороны я использую простой тест. Если один внешний портал влияет более чем на 15–20% операционного потока, я считаю это concentration risk и требую второй маршрут. Это не академическая цифра, а мое правило после нескольких интеграций, где один UI-флоу стал single point of failure для продаж или логистики.
Что строить уже сейчас
Если у вас уже есть agentic workflow, который ходит на внешние сайты, я бы проверил 5 пунктов в таком порядке:
- Есть ли у каждой критичной операции альтернативный transport?
- Можно ли отключить веб-канал feature flag’ом без переписывания prompt?
- Видите ли вы отдельно 403, 429, CAPTCHA, markup drift и auth failures?
- Есть ли queue + manual fallback с полным контекстом?
- Есть ли коммерческий план получить официальный доступ, если объем вырастет?
Для orchestration это удобно собирать в n8n, секреты держать через Doppler, состояние и capability registry — в Supabase или Postgres. Но сами инструменты тут вторичны. Главная идея — не путать интеллект агента со стабильностью канала. Модель может быть хорошей, а бизнес-процесс все равно хрупкий, если последнее действие зависит от чужой веб-страницы.
FAQ
Нужно ли полностью отказываться от browser automation?
Нет. Но его стоит считать временным или резервным каналом, а не фундаментом бизнеса. Для старта рынка это допустимо, для критичного процесса без запасного пути — опасно.
Можно ли обойти блокировки технически?
Иногда частично, но это плохая долгосрочная стратегия для B2B. Если канал важен, лучше идти в сторону официального доступа, договоренностей и контролируемого fallback.
Что важнее: observability или fallback?
Если выбирать одно, берите fallback, потому что он спасает операцию. Но без observability вы слишком поздно поймете, что деградация уже началась, и начнете тушить не тот слой.
Какой минимальный набор метрик нужен?
HTTP status distribution, success rate по шагам, latency, доля ручных эскалаций и причина отказа по категориям. Отдельно полезно считать, сколько операций прошло через API, email, UI и manual path.
Подходит ли этот подход для маленьких команд?
Да, если у вас есть хотя бы 1 процесс, завязанный на чужой портал. Даже простое разделение intent/transport и ручной fallback дают больше пользы, чем еще один prompt-трюк.
Если завтра ваш ключевой внешний портал начнет банить agent-to-agent трафик, какой шаг в вашей цепочке сломается первым: получение данных, авторизация, отправка формы или подтверждение результата? Я правда хочу это понять на реальных схемах.
I run a free 30-min stack audit for DACH founders building AI in regulated markets. DM me on LinkedIn or write to @ger_dennis_ai.
Такие агенты я делаю для бизнеса в Германии и ЕС.
Опишите в двух предложениях, что отнимает у команды время, — отвечу в течение суток.
Превратить процесс в систему, которая работает
Продакшн-качество, а не демо.