← Каталог

· AI Engineer World's Fair 2025

Разбор кейса: агенты телемедицинской поддержки с LangGraph/MCP

Case Study + Deep Dive: Telemedicine Support Agents with LangGraph/MCP

Агент может вести многодневное лечение пациента по текстовым сообщениям, если бизнес-правила лежат в редактируемых документах, а неуверенные ответы уходят человеку.

  • Протоколы в документах, не в коде — схемы лечения описаны в Markdown, и клиент правит их сам. По словам спикера, схему для Ozempic добавили без изменения кода.
  • Порог уверенности — отдельный LLM-агент-оценщик проверяет каждый ответ по уверенности и сложности ситуации. Ниже 75% сообщение уходит оператору.
  • Нагрузка на людей — по оценке авторов, система обслуживает примерно в 10 раз больше пациентов, а оператор смотрит примерно одно сообщение из десяти. Стоимость — около 15–20 центов за сообщение в токенах.
  • Персональные данные — в модель не попадают телефоны и фамилии, только имя, потому что для решений этого достаточно. Ошибочные вызовы инструментов ловит отдельный узел: он удаляет испорченный ответ из памяти модели и просит повторить, иначе модель начинала выдумывать результаты.

Кому полезно: тем, кто автоматизирует диалог по регламенту, где нельзя отходить от утверждённых формулировок и ошибки дорого стоят.

Статья по теме

Главы

Похожие доклады