Make AI Agent — המדריך הפרקטי שסוגר את הפער בין אוטומציה לסוכנים

למה בכלל לדבר על Make AI Agent?

נמאס מתיאוריה? כאן מדובר בפרקטיקה נטו. במקום עוד דיבור על “סוכנים חכמים”, אנחנו מראים איך בונים פתרון אמיתי: עוזר קניות שפועל בוואטסאפ, קורא ומסווג הודעות, ניגש ל-Airtable, שולף מתכונים מהאתר, מפענח רכיבים — ומחזיר רשימת קניות מסודרת לפי מחלקות בסופר. המטרה: מתווה עבודה נקי שמקצר זמן ומונע כאבי ראש.

מה הופך את זה לסוכן ולא לעוד אוטומציה?

באוטומציה סטנדרטית מגדירים טריגר ורצף קבוע של פעולות — ואם יש חריגה, הכול נתקע. סוכן עובד גמיש: מקבל מטרה, בוחר את הכלי המתאים, משלים מידע חסר, ומבצע צעדים עד תשובה רלוונטית להקשר. בפרויקט שלנו נתנו לסוכן:

• תפקיד ברור ושפה ישירה
• סט כלים מותר בלבד
• חיבורי MCP בגישה מבוקרת למקורות נתונים
  התוצאה: תהליך חי בוואטסאפ שמתרגם טקסט חופשי לפעולות מדויקות — כולל שליפה ועדכון של רשומות ב-Airtable ופלט מובנה לפי קטגוריות קנייה.

היתרון הארכיטקטוני: מוח אחד, הרבה זרימות

במקום לפזר לוגיקה בעשרות סנריואים דומים, בונים “מוח החלטות” מרכזי וצריכה שלו כנוד/סוכן בכל מקום. זה מצמצם כפילויות, מאחד את הפרומפטים ומפשט הרשאות ותחזוקה. זה לא קסם; זו ארכיטקטורה נכונה.

MCP וכלי Tools: איך מחברים בלי להסתבך

• MCP הוא הערוץ המאובטח שמגדיר לסוכן אילו פעולות מותרות. מאשרים רק מה שצריך (למשל: קריאה/עדכון, בלי מחיקה).
• Tools ב-Make חוסכים בנייה של סנריו שלם רק כדי לחשוף “פעולה אחת”. מוסיפים מודול בודד ככלי — פחות תשתית, פחות נקודות כשל.
  כך השתמשנו בסקרייפר כדי להפוך מתכון לרשימת מצרכים ולסנכרן לטבלת הקניות.

הדגמה מעשית: עוזר קניות בוואטסאפ

המשתמש כותב “מה רשימת הקניות שלי?”. הסוכן מסווג כוונה, שואל את Airtable דרך MCP, מחלץ פריטים לא מסומנים ומחזיר הודעה מסודרת לפי מחלקות. שינוי פריט? האג’נט מאתר את הרשומה, מעדכן ומאשר. הכנסנו גם הדבקת מתכון: הכלי מסרק את הדף, מוציא רכיבים ומיישר אותם למבנה הטבלה.
פרטיות? מסננים במספרים מורשים בוובהוק לפני שהבקשה בכלל מגיעה לסוכן.

מתי לבחור סוכן ומתי להישאר עם אוטומציה?

• אוטומציה רגילה: משימה ליניארית, ידועה מראש, בלי עמימות.
• Agent: טקסט חופשי, תלות בהקשר, צורך בבחירת כלים דינמית.
  חלק מהקסם הוא דווקא בלא להשתמש בסוכן איפה שלא צריך.
  
  
  

Make AI Agent — בנייה מתקדמת, דיוק בעלויות וקוד בתוך הזרימה

המתכון לבנייה יציבה (שלב־אחר־שלב)

1. הגדרת סוכן: תפקיד חד בשפה טבעית + דוגמאות לפלט הנדרש.
2. קונטקסט חיצוני: קובצי ידע/הפניות רלוונטיות בלבד.
3. חיבור MCP: הרשאות מינימום למערכות קריטיות (כמו Airtable).
4. Tools כמודולים: הוספת יכולות נקודתיות בלי לנפח סנריואים.
5. Intent Routing: סיווג קצר בתחילת הזרימה להפניה לסוכן הנכון.
6. שיחה רציפה: Thread ID יציב, היסטוריה בעומק שמתאים למשימה.
7. מעקב Execution: בקרה על צעדים וטיוב פרומפטים לפי הביצוע.

דיוק בלי לשרוף קרדיטים

• פרומפט: מגדירים פורמט מחייב (למשל: “החזר JSON תקני ואז תצוגה”), כללי קדימות לכלי ופלט קצר.
• כלים: מאשרים מעטפת יכולות מצומצמת → פחות ניסיונות, פחות צעדים.
• תצורה: מגבילים צעדים וטוקנים בהתאם למשימה, מודדים ביצועים על שיחות אמת ומלטשים.

מודלים, זיכרון ועלויות — מה חשוב להגדיר

• לבחור מודל לפי הצורך והתקציב: קצרות → מודל מהיר; הקשר עשיר → מודל יציב עם מגבלת טוקן מחושבת.
• להגדיר Output Tokens ריאליים כדי למנוע פטפוט.
• לקבוע Step Limit כך שהסוכן לא “יתבלבל” לאורך זמן.
• זיכרון שיחה לפי הצורך: כמה צעדים אחורה כשהדיון רציף; זיכרון קצר כשכל פנייה עצמאית.
• לנטר צריכת קרדיטים, לזהות מודולים כבדים, ולחדד פרומפטים כשיש ניסיונות חוזרים או פלט ארוך מדי.

Make Code: כשצריך לוגיקה זריזה בתוך הזרימה

לא תמיד יש כלי מוכן. עם Make Code (JS/Python) מבצעים המרות/חישובים נקודתיים בין שלב לשלב, בלי שירותים חיצוניים.
עקרונות טובים:

• קוד קצר וממוקד לפעולה אחת.
• חוקים עסקיים בטבלה/פרומפט, וחישוב בקוד — לשמור על גמישות.
• בדיקות על דוגמאות אמת לפני חיבור הלאה.
• בלי סודות בקוד; הרשאות מינימום תמיד.

בחירת פלטפורמה: MAKE או n8n?

• MAKE: בנייה אינטואיטיבית, MCP קל לשילוב, Tools שמקצרים דרך.
• n8n: גמישות קוד גבוהה ואפשרות פריסה עצמית למוסדות הדוקים אבטחתית.
  כך או כך — אותה שיטה: סוכן עם תפקיד חד, כלים מוגבלים ופורמט פלט קבוע.

טבלת השוואה תמציתית

נושאMake AI Agentאוטומציה קלאסיתאופי משימותטקסט חופשי, הקשר משתנה, בחירת כלים דינמיתרצף פעולות קבוע וליניאריחיבוריםMCP + Tools, הרשאות לכל פעולהחיבורי API/מודולים לפי תרחישתחזוקהלוגיקה מרוכזת, צריכה כסוכן במספר זרימותכפילויות בין סנריואים דומיםעלויותתלוי צעדים/טוקנים — דורש גבולותמונה פעולות צפוי למשימות פשוטות

איך מטמיעים בארגון בלי להסתבך

מתחילים קטן עם סוכן אחד ממוקד (קניות/תורים/תמיכה פנימית), רצים שבוע, אוספים תקלות, מחדדים פרומפטים ומוסיפים כלי אחד בכל פעם. עם הזמן מתייצב סט כללים משותף (פורמטים, מגבלות צעדים, דפוסי עיבוד) שניתן להחיל על כל סוכן חדש — זה החיסכון האמיתי.

השורה התחתונה

כדי שסוכנים יהיו כוח עבודה ולא סלוגן, צריך שיטה. עם Make AI Agent מקבלים שכבת “מוח” אחידה מעל האוטומציה: שקיפות בהרצות, שליטה בעלויות, ופלט עקבי. התחילו קטן, מדדו, שפרו — ותמנפו את אותה תבנית ליוזקייסים נוספים בארגון.

‍

השורה התחתונה

כדי שסוכנים יהיו כוח עבודה ולא סלוגן, צריך שיטה. עם Make AI Agent מקבלים שכבת “מוח” אחידה מעל האוטומציה: שקיפות בהרצות, שליטה בעלויות, ופלט עקבי. התחילו קטן, מדדו, שפרו — ותמנפו את אותה תבנית ליוזקייסים נוספים בארגון.

‍