Przejdź do treści

Jak stworzyć agenta AI: pięć dróg od najprostszej do najmocniejszej

Adam Marzec
Karta pięciu dróg agenta AI: GEMINI SKILLS BEZ KODU z opisem zadania w promptcie, N8N COMMUNITY 0 ZL SELF-HOST z węzłami AI Agent i MCP oraz N8N CHMURA OD 20 EUR; pieczątka START BEZ KODU; nagłówek JAK STWORZYC AGENT AI: OD ZERA DO CELU; odczyt 28.10.2026

Fraza „jak stworzyć agenta ai” ma w Google dziesięć podpowiedzi, z których pięć pyta o konkretny serwis, więc pokażemy wszystkie główne drogi naraz i każdej dam uczciwą ocenę trudności. Jeśli szukasz najpierw definicji, czym w ogóle jest agent i czym różni się od zwykłego czatu, mamy ją wyjaśnioną osobno w tekście Czym jest agent AI; tu zakładamy, że wiesz już tyle: agent to model, który sam wykonuje kroki i używa narzędzi, aż dotrze do celu, zamiast odpowiadać jednym tekstem.

Wszystkie fakty o platformach pochodzą z żywych stron producentów z odczytami 28 października 2026, zapisanymi w źródłach; tam, gdzie dokumentacji nie odczytaliśmy, piszemy wprost, że jej nie ma w tym materiale, zamiast zmyślać ścieżki po pamięci.

Droga pierwsza: opisz zadanie w Gemini (najprostsza)

Google przeszło w ostatnich tygodniach z Gemów na umiejętności i strona produktu (odczyt 28 października) opisuje to bezpośrednio: „aby utworzyć własną umiejętność, po prostu opisz, co ma robić, w pasku prompta albo na stronie umiejętności, a Gemini zajmie się resztą”. Umiejętność można doposażyć w plik skill.md z dodatkowym kontekstem, który Gemini czyta przy każdym użyciu, a kilka umiejętności można łączyć w jednym poleceniu. To najkrótsza droga od pomysłu do działającego asystenta: bez kodu, bez serwera, w interfejsie, który znasz z codziennych rozmów.

Co tu jest uczciwym ograniczeniem: umiejętność Gemini to nadal asystent wewnątrz Gemini, nie samodzielny program działający na twoim serwerze. Do osobistych powtórzalnych zadań, briefów, szablonów pracy, rutyn opisanych własnymi słowami, pasuje znakomicie; do automatyzacji, która ma działać sama przez całą dobę, wybierz drogę numer pięć.

Sama obecność obu nazw na stronie produktu („Kiedy używać Gemów, a kiedy umiejętności?”) podpowiada, że to funkcja w trakcie przejścia: starsze Gemy były wtapianymi instrukcjami dla rozmowy, nowe umiejętności mają być trwalszym opisem pracy z własnymi plikami kontekstu. Jeśli dziś zakładasz coś nowego, celuj w umiejętności i trzymaj instrukcje w pliku skill.md, bo to format, który będzie się przenosił; jeśli masz stare Gemy, szukaj na stronie pomocy Gemini notki o przejściu, którą producent linkuje wprost.

Droga druga: ekosystem OpenAI

W świecie OpenAI na dzień odczytu działają dwa elementy agentowe, o których pisaliśmy przy okazji premiery GPT-6.1 Terra: agent kodujący Codex oraz ChatGPT Work w planach Plus, Pro, Enterprise i Edu. Szczegółowej dokumentacji tworzenia własnych agentów w ChatGPT nie odczytaliśmy do tego tekstu (centrum pomocy OpenAI było w naszych odczytach niedostępne), więc zamiast zmyślać ścieżki opisujemy tu tylko to, co potwierdzone: programista z planem deweloperskim ma dziś najprościej, bo Codex to gotowy agent do zadań kodowych, a nie framework do składania. Resztę świata OpenAI zostawiamy na osobny tekst, gdy dokumentacja będzie czytelna z Polski.

Droga trzecia: Microsoft Copilot Studio (dla firm)

Microsoft ma do tego osobny produkt: Copilot Studio, dokumentowany po polsku na Microsoft Learn, gdzie żyją artykuły „Tworzenie pierwszego agenta w programie Copilot Studio”, „Agenci zasilani przez GitHub Copilot Harness” i sekcja „Bezpieczeństwo i zarządzanie” (odczyt 28 października). To ścieżka dla kogoś, kto buduje agenta dla organizacji: z uwierzytelnianiem, uprawnieniami, udostępnianiem innym użytkownikom i administracją, czyli z wszystkim, czego nie ma w konsumenckim czacie. Cen tej platformy w odczycie nie pobraliśmy i piszę to wprost; produkt ma okres próbny, a aktualną kartę cenową zostawiamy linkiem w źródłach do samodzielnej weryfikacji, bo ceny Microsoftu potrafią się zmieniać między wydaniem tekstu a twoją wizytą.

Droga czwarta: Claude z Skills i MCP

Claude podchodzi do tematu z dwóch stron, które opisaliśmy już pełnymi poradnikami: umiejętności Skills, czyli pliki z instrukcjami i zasobami, które model wczytuje gdy są potrzebne, opisane w tekście o Claude Skills, oraz standard MCP, który podłącza agenta do zewnętrznych narzędzi w ujednolicony sposób, opisany w tekście o MCP. Dla kogoś, kto pracuje z kodem, naturalną drogą jest też Claude Code, agent działający w terminalu na plikach twojego projektu. Ta droga wymaga najwięcej rozumienia, jak działa model i narzędzia, ale daje najwięcej kontroli nad tym, co agent może, a czego nie.

Droga piąta: n8n na własnym serwerze (za darmo)

Dla automatyzacji działających w tle najciekawsza jest platforma n8n, bo jej standardowa wersja do samodzielnego hostowania jest dostępna na GitHubie bez opłat, a strona cennika z odczytu 28 października potwierdza, że każdy plan zawiera „Agents, MCP and AI nodes”, czyli węzły agentowe i MCP wprost w edytorze workflow. Jeśli wolisz chmurę zamiast własnego serwera, plan Starter kosztuje 20 euro miesięcznie przy rozliczeniu rocznym za 2,5 tysiąca wykonania, Pro 50 euro za 10 tysięcy, a Business 667 euro, dostępny wyłącznie w wariancie samodzielnym. Trial chmurowy nie wymaga karty płatniczej, a dane planów hostowanych leżą w Unii Europejskiej, w Frankfurcie; na własnym serwerze dane leżą tam, gdzie ty go postawisz, co dla wielu osób jest argumentem rozstrzygającym.

Do tej drogi potrzebujesz miejsca, gdzie postawisz kontener albo aplikację: własnego VPS-a, Raspberry Pi w domu albo serwera w firmie. W zamian dostajesz automatyzację, która nie ma limitu subskrypcji, bo liczy się twój sprzęt i klucze do modeli, które w nią podepniesz. Konkretny przykład darmowego agenta, który działa na twoim koncie Cloudflare bez własnego serwera, opisaliśmy w tekście o Talorysie.

Jeśli ta piątka cię przytłacza, oto skrót decyzyjny z tej samej wiedzy. Chcesz asystenta do własnych, powtarzalnych opisów zadań i nie chcesz niczego hostować: Gemini i jego umiejętności. Programujesz i chcesz agenta w terminalu obok repozytorium: Claude Code albo Codex. Budujesz automatyzację dla siebie albo małej drużyny i liczy się kontrola nad danymi: n8n w wersji samodzielnej, najlepiej na maszynie, którą rozumiesz. Budujesz produkt dla klienta firmowego z uprawnieniami i audytem: Copilot Studio albo plany Enterprise n8na. A jeśli twoja odpowiedź brzmi „jeszcze nie wiem”, zacznij od Gemini, bo koszt próby jest tam najniższy, i przechodź wyżej dopiero wtedy, gdy zabraknie ci narzędzi, których czat nie ma.

Warto też od razu zaplanować budżet na tokeny, bo to pozycja, o której początkujący zapominają. Agent wykonujący dwudziestostopniowe zadanie zużywa model wielokrotnie: na rozumowanie, na każde wywołanie narzędzia i na interpretację wyników, więc rachunek za API rośnie szybciej, niż podpowiada intuicja z czatu. Darmowe plany mają tu swoje sufity, a wersja samodzielna n8na przenosi koszt na twój klucz do modelu, czyli na twoją fakturę u dostawcy; o limity darmowe opartym o cotygodniowy rytm pracy pisaliśmy przy okazji poradnika o GLM, jeśli szukasz najtańszego wejścia.

Czego wspólnego potrzebujesz na każdej drodze

Wybierz sobie dowolną z tych dróg, a agent i tak składa się z tych samych trzech elementów: modelu, który rozumie zadanie; narzędzi, które może wywoływać, od przeglądarki po twoje API; oraz pętli, w której model decyduje, co zrobić dalej. Standardem podłączania narzędzi stał się MCP, o którym piszemy osobno, więc jeśli budujesz na poważnie, wybieraj platformy, które go mówią wprost w specyfikacji, bo n8n i Claude mają go dziś na liście funkcji z odczytów. Do nauki języka obcego, czyli jednego z popularnych pomysłów z autocompletu, agent też się nada, ale zamiast budować go od zera zajrzyj najpierw do mapy nauki języków z AI; gotowe rozwiązania mogą wystarczyć.

Zanim uruchomisz agenta na narzędziach z dostępem do sieci albo do twoich danych, przeczytaj nasz tekst o bezpieczeństwie agentów AI; tam jest rozpisane, jak agentom wyciekały dane i co robić z uprawnieniami. O tym, na co uważać przy codziennym używaniu, pisze też trzeci tekst tej serii.

FAQ

Jak stworzyć agenta AI za darmo?

Dwie realne drogi: umiejętności w Gemini opisywane w pasku prompta bez kodu oraz n8n w wersji Community do samodzielnego hostowania, dostępnej na GitHubie bez opłat, z węzłami agentowymi i MCP. U OpenAI i Microsoftu darmowe są fragmenty ekosystemów, ale pełne budowanie agentów siedzi w planach płatnych.

Czy do stworzenia agenta trzeba umieć programować?

Na pierwszej drodze (Gemini) wystarczy opisanie zadania własnymi słowami. Na n8n układasz workflow z gotowych węzłów, więc kod jest rzadko potrzebny. Programowanie staje się konieczne przy własnych integracjach, niestandardowych narzędziach MCP i przy Claude Code, który sam jest agentem w terminalu.

Czy agent AI kosztuje pieniądze w działaniu?

Tak, poza własnego sprzętu: każdy wywołany krok zużywa tokeny modelu, który podpinasz. n8n rozlicza wykonania workflow w planach chmurowych (Starter 20 euro za 2,5 tysiąca wykonania, odczyt 28 października 2026), a na wersji samodzielnej płacisz za serwer i za API modelu według własnego zużycia.

Źródła

Powiązane artykuły