16分钟搭建你的第一个 Make.com AI Agent 新手完整指南

Make.com（旧称 Integromat）推出的 AI Agent 功能，让没有编程基础的用户也能搭建能自主执行任务的智能代理。这类代理不只是简单的自动化流程，而是能够自己判断、调用工具、并与业务工作流深度集成的「数字员工」。本文根据一位 B站 UP 主的实操演示，拆解 Make.com AI Agent 的核心构成，并手把手演示如何从零搭建一个公司调研代理。

什么是 Make.com AI Agent

Make.com AI Agent 是一个用于构建自主代理的工具，这些代理能够与业务工作流集成，自主完成多步骤任务。

视频作者先展示了一个已经搭建好的「市场调研代理」作为示范：这个代理每隔几分钟触发一次，检查 Google 表格中「研究」列不等于 Yes 的行，然后对每个市场自动搜索网络，提取市场规模、成熟阶段、竞争对手数量和最新新闻。它会把结构化数据填回表格，把新闻摘要写入 Google 文档并生成链接，最后把该行标记为 Yes，避免下次重复处理。

这个例子很好地说明了 AI Agent 与传统自动化的区别——代理不是执行固定脚本，而是根据指令「自己决定」要搜索几次、提取哪些信息、如何组织输出。

Make.com 的前身 Integromat 是一款成立于2012年的可视化自动化平台，2022年正式更名为 Make。与同类产品 Zapier 相比，Make 以更复杂的逻辑分支、数据转换能力和相对更低的价格著称，深受中高级自动化用户的喜爱。其核心概念是「场景」（Scenario）——用户通过拖拽模块、连接节点来构建工作流，无需编写代码。

AI Agent 功能是 Make 在大语言模型兴起后推出的重要升级。传统自动化的执行路径是固定的：如果 A 发生，则执行 B。而 AI Agent 引入了「推理」环节，代理可以根据当前情况动态决定下一步操作，例如自行判断需要搜索几次、选择调用哪个工具。这种「自主决策」能力是它区别于普通 Zap 或 Make 场景的本质所在。

AI Agent 的四个关键要素

作者强调，Make 中每个代理要正常运行都离不开四个要素。理解这四点，是搭建任何代理的基础。

1. AI 模型连接（代理的大脑）

模型本质上就是代理的「大脑」。在代理配置里有一个连接字段，用于连接 AI 模型提供商。Make 集成了 OpenAI、Anthropic、Gemini 等多家提供商，用户选择提供商后输入 API 密钥即可。

连接建立后，还需选择具体模型以及「推理强度」——也就是给代理多少「脑力」。作者在市场调研案例中选用了中等推理能力，理由是任务编排并不复杂，且已经提供了详细的逐步指令，代理无需过多思考。

一个对新手友好的替代方案是：直接使用 Make 内置的 AI 提供商，把它当作访问 OpenAI 和 Anthropic 模型的代理，费用通过 Make 订阅结算，省去了申请 API 密钥的繁琐步骤。

「推理强度」对应的是大语言模型中的「思考」（Thinking）或「推理」（Reasoning）模式，在 OpenAI 体系中对应 o1、o3 等系列模型，在 Anthropic 体系中对应 Claude 的 Extended Thinking 功能。开启更高推理强度意味着模型会花更多 token 进行内部链式推理，输出质量通常更高，但速度更慢、费用也更高。对于步骤清晰、指令详尽的任务，标准模型已经足够；只有面对复杂的多步骤决策或模糊指令时，才真正需要高推理强度。因此，作者在市场调研案例中选择中等推理强度是经济合理的做法——把「脑力」预算留给真正需要它的场景。

2. 指令（告诉代理做什么）

指令就是给代理的提示词，决定了它要做什么以及如何运作。一份好的指令通常包含三部分：代理的高层目标、按顺序执行的任务步骤、以及输出格式要求。

作者的建议是把任务拆解成明确的步骤列表，让代理照着执行。指令写得越清晰，代理需要的推理强度就越低，运行也越稳定。

3. 输入（每次触发提供的数据）

输入是每次触发时提供给代理的数据。它可以是静态值（比如固定研究「AI 自动化」这个方向），也可以是动态值——来自 Google 表格、Slack 聊天、邮件或待办事项列表等。Make 支持集成数千种应用作为输入来源。

你也可以不设置输入，直接通过 Make 场景的聊天功能与代理对话，这对测试代理非常方便。

4. 工具（让代理能真正做事）

没有工具，代理什么也做不了。工具让代理能在应用内执行实际操作。市场调研代理需要网络搜索工具来获取信息，需要 Google Docs 创建文档工具来生成报告。

关键提醒：你可以给代理配置许多工具，但必须在指令中明确告诉代理何时、如何使用它们。

Make.com 中 AI Agent 的工具机制在底层遵循「函数调用」（Function Calling）规范，这是 OpenAI 于2023年引入、后来被各大模型厂商广泛采用的标准接口。其原理是：开发者（或平台）预先声明若干可调用的「函数」及其参数说明，模型在推理过程中如果判断需要使用某个工具，就会生成一段结构化的调用请求，平台捕获后执行对应操作并将结果返回给模型，模型再基于结果继续推理。在 Make 的可视化界面中，这一机制被封装成「工具模块」，用户无需了解底层 JSON Schema，只需像配置普通模块一样添加工具、填写字段即可。正因如此，在指令中明确描述工具的用途和调用时机，本质上是在帮助模型做出正确的函数调用决策。

实操：从零搭建一个公司调研代理

了解了四要素后，作者演示了一个面向销售代表的实用场景——在给客户打电话前，自动调研对方公司。

创建代理与配置模型

在新建的 Make 场景中点击气泡、搜索 Agent，即可添加「运行智能体」模块。配置时建立模型连接，作者这里选择了 Make 内置提供商下的 Anthropic 模型，省去 API 密钥流程。

编写指令

作者给出的指令结构清晰，值得新手借鉴：

• 目标：你是一个公司调研代理，接收公司名称或域名作为输入，在网上搜索并整理成文档。
• 步骤一：确认用户已提供公司名称或域名，没有则要求提供。
• 步骤二：使用网络调研工具找到公司网站，阅读各页面，了解业务、客户、产品。
• 步骤三：使用 Google Docs 创建文档工具新建文档并写入所有发现。
• 步骤四：输出文档链接。

因为只输出一个链接，这里无需额外的格式说明。

设置输入方式

作为销售代表，每次要调研的公司都不同，所以需要动态输入。作者提到两种方式：连接 Slack 频道（可在他的 YouTube 课程中学到完整集成方法），或最简单地通过 Make 场景的聊天功能直接对话。

保存后打开聊天窗口，就能直接和代理对话，让它要求你提供公司名称和域名。

配置工具

给代理授权两个工具是这个案例的核心：

网络搜索工具：选择 Make AI 的「生成器响应」模块，把工具名改为「网络搜索」以便代理理解用途。关键一步是把搜索词字段设为「让 AI 智能体来决定」，这样代理会自己生成搜索关键词，而不是使用固定的静态值。

Google Docs 创建文档工具：作者分享了一个实战经验——在内容字段中明确要求「内容必须是 HTML 格式」，否则代理有时会忘记格式化，导致文档排版难看。

测试运行

配置完成后，作者在聊天里让代理调研 CRM 工具 Pipedrive。代理自主执行了四次网络搜索——由模型自行判断需要搜几次才能收集齐信息，随后整理汇总并创建 Google 文档。

最终生成的报告包含公司概览与历史、创始故事、产品与功能拆解、目标客户、定价、竞争格局、优势与考量等板块。对销售代表来说，这就是一份可以快速浏览、为客户通话做准备的完整简报。

进阶方向与小结

这个 16 分钟的演示展示了 Make.com AI Agent 的入门门槛之低：不写代码、不申请 API 密钥，就能搭出一个能自主调研并产出文档的代理。

作者在视频中提到，如果想更深入，可以进一步学习把代理连接到 Slack 等聊天平台、与业务工作流深度集成、以及赋予代理「记忆」能力——让它能保留上下文和对话内容。这些是把演示级代理升级为生产级工具的关键一步。

对于想尝试 AI 自动化的新手来说，掌握「模型、指令、输入、工具」这四要素，基本就掌握了搭建任何 Make.com 代理的通用框架。