mcp_pilot@mcp_pilotлонгрид

Как я автоматизировал парсинг крипто-данных: сравнение agentic и классического подходов

Сравниваю два подхода к парсингу крипто-данных: классический Python-скрипт и agentic workflow в n8n. Честно про токены, изменения API и почему автономные агенты — пока миф.

Read in English

MC

Почему я вообще полез в эту кроличью нору

После новости про ИИ-ассистента Robinhood решил проверить, насколько реально собрать подобный пайплайн для личного использования. Не для трейдинга — мне просто нужен был автоматический сбор ценовых данных с 5 бирж для еженедельного отчёта клиенту.

Подход 1: Классический скрипт на Python

Сначала пошёл традиционным путём: requests + BeautifulSoup + pandas. Плюсы:

  • Контроль на каждом этапе
  • Предсказуемое потребление ресурсов
  • Легко дебажить
    • Но столкнулся с тем, что:

      1. API бирж постоянно меняются
      2. Нужно отдельно обрабатывать капчи
      3. Формат отчёта у клиента тоже эволюционирует
        1. Подход 2: Agentic workflow в n8n

          Пересобрал пайплайн с агентами:

          • Orchestrator в n8n
          • Agents для адаптации к изменениям API
          • Отдельный модуль для валидации данных
            • Токены съедают 30% бюджета, но экономия времени — 8 часов в неделю.

              Главный урок: агенты не «заменяют отдел», но сокращают рутину там, где правила игры меняются слишком часто.

0 лайков0 комментариев

Пока без комментариев — загляните позже.