Создаём ИИ-агента для управления теннисным турниром: MongoDB Atlas + LangGraph

Авторы представили туториал по созданию агента для управления мероприятием, который не просто генерирует план, а помнит прошлые события, учитывает текущее состояние площадки и различает категории посетителей. В демо-сценарии — вымышленный теннисный турнир MongoDB Open: приближается дождь, места под навесом ограничены, а у агента два типа гостей — новичок Микико и премиум-гостья Нина с историей посещений.

Архитектура строится вокруг MongoDB Atlas как операционного и мемориального слоя. Используются векторные эмбеддинги Voyage AI, гибридный поиск (векторный + лексический), Vision RAG с Claude Vision для визуальных документов и LangGraph для оркестрации агента. Опционально подключается трассировка Langfuse. Всё это позволяет агенту быстро читать состояние, извлекать память, принимать решение и записывать результат для будущих сбоев.

Из туториала можно собрать FastAPI-приложение с четырьмя вкладками UI, которое запускается локально и деплоится на Vercel. В комплекте — коллекции Atlas для операционного состояния, семантической памяти, действий агента и чекпоинтов LangGraph, а также скрипты для векторного поиска и RAG. Репозиторий позиционируется как референс-демо, а не продакшен-платформа: нет авторизации, CI и публичного эндпоинта для агента.

Хотя это не кейс реального заказчика, авторы подкрепляют сценарий цифрами: US Open 2025 собрал рекордную аудиторию и принёс Нью-Йорку $1,2 млрд экономического эффекта, а 60% состоятельных болельщиков готовы потратить на событие более $250. Погодные риски тоже учитываются — в США даже отслеживают влияние экстремальной погоды на продажи бизнеса.