· 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
От фоновой документации к клиническому интеллекту
AI Engineer World's Fair 2026
Близко по содержанию
Архитектура и тестирование управляемых agents
AI Engineer World's Fair 2024
Близко по содержанию
Запуск сложных AI-приложений
Giran Moodley, Mayan Soni, Mayank Soni, Oussama Hafferssas
AI Engineer Europe 2026
Близко по содержанию
MCP Tasks (async): почему агенты до сих пор не поддерживают MCP Tasks/async?
AI Engineer World's Fair 2026
Близко по содержанию

