Настроили AI-агента, а его письма в спаме: гайд по доставляемости для outbound-агентов, LangChain, n8n, Clay, Smartlead и других
Знакомый сценарий 2025 года
Команда собрала AI-агента. Он умеет: парсит сайт компании-цели, обогащает контакт через Apollo или Clay, читает LinkedIn-профиль, идентифицирует pain points, генерирует персонализированное письмо через GPT-4 или Claude, отправляет через SendGrid или Postmark.
Запускаете на 500 контактов. Агент отрабатывает за два часа. Через сутки смотрите статистику: открытий — 4%, ответов — 0,2%. Открываете один из контрольных ящиков в базе — письмо в спаме. Открываете отчёт inbox placement — на Mail.ru почти 100% спам, на Яндексе половина, на Gmail — «Промоакции».
Сразу понятно: дело не в AI и не в персонализации. Технически письма не доходят туда, где их кто-то увидит. И с агентами эта проблема выражена сильнее, чем с любыми другими отправителями — на это есть конкретные причины.
Что отличает AI-агента как отправителя от человека или классической рассылки
Когда сообщения шлёт человек из почтового клиента, провайдер видит понятный паттерн: одно письмо за раз, обычно в рабочие часы, с естественными перерывами, с контентом, у которого нет статистических аномалий. Когда массовую рассылку отправляет классический ESP, провайдер видит другой паттерн, но тоже знакомый: всплеск, единый шаблон, нормальные технические заголовки массовки.
Агент создаёт новый, нетипичный паттерн:
Постоянная скорость 24/7
Агент не спит. Он работает в три ночи, на выходных, во время праздников. Mail.ru и Яндекс видят равномерный поток писем с одного домена круглосуточно — это резко отличается от поведения и человека, и обычной рассылки. Подозрительный сигнал само по себе.
Множественные «уникальные» письма со схожим скелетом
Каждое письмо у агента формально уникально (другая компания, другие имена, другие крюки). Но структурный фингерпринт одинаковый: длина, абзацы, формулы вступления, тип CTA. ML-фильтры провайдеров определяют такой паттерн всё лучше — это явная отличительная черта 2024–2025 года.
Стилистика AI-сгенерированного текста
GPT-4, Claude, GigaChat, YandexGPT — у каждой модели есть характерные обороты, типичные структуры предложений, любимые слова. На уровне одного письма не видно, но на массиве из тысяч — паттерн очевиден. Провайдеры обновляют классификаторы под это, особенно Mail.ru и Gmail.
Нет обратной связи о доставке
Это главная техническая слабость агентских систем. Агент отправил → получил статус «accepted» от SMTP → перешёл к следующему контакту. Что произошло у получателя — он не знает, в его state не возвращается. Через два месяца владелец агента обнаруживает, что половина писем уже год валится в спам, и не понимает с какого момента началась деградация.
Прогрев домена под нагрузку не успевает
Команда настраивает агента, тестирует на 20 контактах, запускает на 1000. Домен молчал до этого или отправлял в режиме «25 писем в день от человека». Резкий всплеск с агента — фактор риска для провайдера, даже если контент идеален.
Какие инструменты создания агентов популярны и где у каждого слабое место
Фреймворки и платформы для агентов
- LangChain / LangGraph — самый распространённый стек. Email обычно подключается как tool через SMTP, SendGrid или Resend. По умолчанию никаких deliverability-чеков — это ответственность разработчика.
- AutoGen (Microsoft), CrewAI — multi-agent системы. Email-отправка — отдельный агент или tool. Та же история: deliverability — не часть фреймворка.
- n8n с AI-нодами — визуальные workflow с GPT/Claude нодами. Email шлётся стандартными узлами SMTP или Gmail. Просто и быстро, но прозрачности доставляемости нет.
- Make / Zapier с AI-actions — то же самое, через свои email-actions или Gmail/Outlook коннекторы.
- Lindy.ai, Sema4.ai, Relevance AI — готовые платформы агентов с встроенным email. По дефолту шлют через свою инфраструктуру, и доставляемость зависит от настроек домена клиента и репутации общей платформы.
- Flowise, Dify — open-source визуальные LangChain. Email — через коннекторы, deliverability в зоне разработчика.
- GigaChat (Сбер), YandexGPT — российские модели. Сами по себе письма не шлют, но используются внутри агентских pipeline'ов российских команд.
- Just AI, Salebot — российские платформы агентов и чатботов с email-сценариями.
Общее у всех: фреймворк/платформа делает интеллектуальную часть. Доставляемость — отдельный слой, который никем не закрыт «из коробки».
Sales-агенты и outbound-платформы
Это отдельная категория — готовые продукты для холодных рассылок с AI:
- Clay — лидер data enrichment + AI-персонализация. Шлёт через интеграции с Smartlead, Instantly или ваш SMTP.
- Smartlead — популярный для cold outbound, поддерживает множественные mailbox-ы с автоматической ротацией.
- Instantly.ai — конкурент Smartlead, аналогичная логика.
- Apollo.io — sequence + AI-персонализация + база контактов.
- Reply.io — outbound automation с AI-функциями.
- Lemlist — outbound с AI-персонализацией визуальных элементов.
- Salesforge — генерация писем агентом + отправка.
- Snov.io — outbound + поиск контактов.
Многие из них работают по модели «использовать ваши mailbox-ы с ротацией». Это технически грамотный подход к лимитам, но он не отменяет проблему: ваши домены должны быть прогреты, аутентифицированы, и вы сами должны проверять, доходят ли письма — потому что внутри сервиса увидеть это нельзя.
Платформы для разработчиков
- OpenAI Assistants API — низкоуровневый, email через function calling
- Anthropic API + MCP — то же, через tool use
- Custom-агенты на Python/Node.js — полная свобода, полная ответственность
Российская специфика для агентов
Если ваш агент работает по российскому B2B-рынку, провайдеры почты у получателей — те же, что и для любого outbound:
- Mail.ru — самый агрессивный фильтр в РФ. Замечал признаки AI-генерации одним из первых среди провайдеров в мире.
- Яндекс / Я.Почта / Я.360 для бизнеса — лояльнее, но за DMARC и поведением следит строго.
- Корпоративные почты на Exchange и Я.360 — часто стоят сторонние антиспам-шлюзы с дополнительной ML-классификацией.
По нашим наблюдениям в данных за 2024–2025 годы, российские провайдеры реагируют на «агентский» паттерн отправки жёстче, чем международные. Причина простая: у Mail.ru и Яндекса меньше международного трафика и больше внимания к локальным аномалиям. Если ваш агент рассылает по российским контактам — методика контроля должна быть жёстче, чем у среднего outbound-сервиса.
Что теряет команда, когда агент палит домен
Цена непроверенной отправки агента выше, чем у человека или классической рассылки:
- Прожиг домена — после массовой попадания в спам репутацию домена надо восстанавливать неделями. Прогрев заново занимает 4–6 недель в активной фазе.
- Прожиг IP — если используете dedicated IP, аналогично.
- Прожиг рабочих ящиков — Smartlead/Instantly работают через ротацию ваших mailbox-ов. Прожжённый ящик восстанавливается долго, а если ящик корпоративный (например, на Я.360 или Exchange) — может быть полностью утрачен для outbound.
- Невидимая воронка — самый коварный эффект. У вас есть аналитика по reply rate, по бронированиям из писем. Когда reply rate стабильно 0,5% вместо ожидаемых 2–3%, легко обвинить контент, лид-базу, тайминг. Реальная причина — недоставка — остаётся невидимой неделями и месяцами.
- Потерянный бюджет на enrichment — каждый контакт от Clay или Apollo стоит денег. Если письмо не дошло, эти деньги выкинуты.
Методика: как сделать агента, который шлёт нормально
Принцип: inbox placement check — это инструмент, который агент должен использовать сам, как любой другой tool. Не отдельный шаг в конце недели, а часть pipeline'а каждой отправки.
Шаг 1. Инжектировать сид-сеть в pipeline агента
В вашем агенте, где формируется список адресатов для отправки, нужно добавить логику: каждые N контактов в обычной выборке заменяются (или дополняются) контрольными адресами сид-сети.
Пропорция, которая работает на практике: на каждые 50–100 реальных контактов — 5–10 контрольных. Это даёт статистическую репрезентативность без существенного «расхода» отправок.
Шаг 2. Сделать inbox-check tool доступным агенту
Если ваш агент построен на MCP (Claude, GPT-4 с function calling) — у нас есть MCP-сервер для inbox placement, уже зарегистрированный в awesome-mcp-servers. Агент может вызывать его как стандартный tool:
- check_inbox_placement(domain, sample_size) — запустить проверку
- get_placement_report(test_id) — получить отчёт
Для агентов на LangChain — обёртка через Tool или StructuredTool. Для n8n — стандартный HTTP-узел. Для платформ с webhook (Lindy, Sema4, Make) — webhook на наш API.
Шаг 3. Reactive throttling по результатам
Это ключевой момент, которого нет ни в одном out-of-the-box outbound-сервисе. Логика агента:
для каждого батча из 50–100 контактов: отправить батч (включая контрольные адреса) подождать 15 минут вызвать tool check_inbox_placement если spam_rate на Mail.ru > 30% или на Яндекс > 30%: остановить отправку записать факторы в state вызвать tool для анализа причин иначе: продолжать
То есть агент сам видит, что его отправка пошла в спам, и сам принимает решение остановиться. Не через неделю по жалобе менеджера, а через 15 минут после первого батча.
Шаг 4. Изменение фактора по сигналу
Когда агент остановился из-за плохого placement, нужна логика «что менять». По одному фактору за раз:
- Снизить скорость отправки — самое частое решение для агентов
- Сменить mailbox — если в работе ротация ящиков
- Изменить generation prompt — упростить язык, убрать характерные AI-обороты
- Сменить шаблоны вступления/CTA — добавить вариативности в скелет
- Проверить SPF/DKIM/DMARC — могли сломаться, особенно если меняли DNS
Шаг 5. Прогрев под нагрузку агента
Если агент будет отправлять 500 писем в день, домен должен быть прогрет под эту нагрузку. Не запускать сразу боевую кампанию — начинать с 30–50 писем в день в течение 2 недель, постепенно увеличивая.
В идеале — прогрев с реальными ответами (warmup-сети типа Mailwarm, Lemwarm, российские аналоги). Без ответов фильтры будут видеть «отправляет — не отвечают» и снижать репутацию.
Факторы, которые надо контролировать у агента
Полный список — что влияет на доставляемость агентских писем:
Контент и генерация
- Стиль и обороты модели — характерные шаблоны GPT/Claude, которые накапливаются на массиве писем. Прятать через инструкции в промпте «писать кратко, без вводных конструкций».
- Структурная вариативность — менять количество абзацев, длину, расположение CTA от письма к письму. Если каждое письмо «вступление-болевой пункт-предложение-CTA» — это фингерпринт.
- Лексика и эмодзи — для российской аудитории жёстко избегать кликбейтных слов и эмодзи в теме.
- Соотношение текста и ссылок — больше 2–3 ссылок в холодном письме почти гарантированно в спам.
Отправитель и инфраструктура
- From: имя — должно быть похожим на реального человека, не «AI Assistant» или «Marketing Bot».
- From: домен — отдельный outbound-домен (типа try-yourcompany.com или get-yourcompany.com), не основной корпоративный.
- SPF / DKIM / DMARC — настроены и валидны, проверены тулом типа MXToolbox.
- Reply-To — на работающий ящик, который агент тоже мониторит.
- List-Unsubscribe — обязательно (требование Gmail и Mail.ru для outbound с 2024 года).
Скорость и расписание
- Throttling — рассылка распределена во времени, не пиковый burst.
- Расписание — отправка в рабочие часы получателя (с учётом таймзоны). Mail.ru видит ночные отправки как подозрительные.
- Дневные лимиты — не более 30–50 писем с одного ящика в день для холодных отправок, чтобы не выглядеть как массовка.
Behavioral feedback
- Bounce rate — выше 3% — критический сигнал. Чистить базу, перепроверять enrichment.
- Reply rate — если уходит ниже 1% — пересматривать всю кампанию.
- Complaint rate (FBL от Mail.ru) — выше 0,1% — это уже урон репутации.
Что мы делаем в Live Direct Marketing
check.live-direct-marketing.online — бесплатный inbox placement checker, доступный по нескольким каналам, релевантным для AI-агентов:
- MCP-сервер — для агентов на Claude, GPT с function calling и любых MCP-совместимых систем. Зарегистрирован в awesome-mcp-servers, подключается как стандартный tool.
- A2A agent card — для агент-to-агент архитектур по протоколу A2A.
- REST API — для самописных агентов на Python/Node.js, для интеграции через webhook.
- Готовые ноды — для n8n, Make, Albato (через HTTP-узлы).
Принцип использования агентом одинаковый: после каждого батча отправки агент вызывает наш tool, получает структурированный JSON с placement по провайдерам и причинами попадания в спам — и сам принимает решение, продолжать или остановиться.
Готовые интеграции
- MCP — для Claude, GPT (через function calling), MCP-совместимых платформ агентов
- LangChain Tool — Python и JS, импортируется в любой LangChain-агент
- n8n — стандартный HTTP-узел в workflow
- Make — HTTP-модуль с готовым шаблоном
- amoCRM, Bitrix24 — для outbound-команд, которые управляют агентами через CRM
- REST API — для всего остального
Для разработчика подключение — 15–30 минут на агента средней сложности.
Короткий чек-лист — что сделать прямо сейчас
- Перестать считать "SMTP вернул 250 OK" доказательством доставки. Это только начало пути письма.
- Добавить inbox check в pipeline агента как mandatory tool перед каждой массовой отправкой. Не «после кампании», а внутри кампании.
- Резать на батчи — 50–100 контактов, проверка, продолжение. Не запускать 1000 писем за раз.
- Прогреть домен под нагрузку агента — 2–4 недели перед боевой работой, с реальными ответами.
- Снизить AI-фингерпринт в генерации — вариативность структуры, простой язык, человеческие шероховатости.
- Мониторить bounce и complaint на уровне state агента — реагировать на тренды, не на катастрофы.
Главное
AI-агенты — мощный инструмент для масштабирования outbound, исследований и автоматизации коммуникации. Но они создают новый паттерн отправки, на который провайдеры уже реагируют ML-классификаторами, и который более уязвим к прожигу домена, чем классические рассылки.
Самая большая ошибка — относиться к деливерабилити агента как к классической: «настроил один раз, работает само». Агент должен сам контролировать свою доставляемость — это часть его архитектуры, такой же tool, как enrichment или generation.
У нас для этого есть готовая инфраструктура: MCP-сервер для tool use, REST API, A2A-карта, готовые ноды для популярных платформ. Проверить, как сейчас доходят письма от вашего агента, и подключить мониторинг как tool — бесплатно: check.live-direct-marketing.online.