Почему бизнес в 2026 году выбирает кастомную разработку на Agora вместо готовых решений

Почему Фора Софт написала этот плейбук по Agora

Фора Софт занимается видеотехнологиями, аудио и решениями для общения в реальном времени с 2005 года — за это время мы выпустили, проаудировали, масштабировали или перенесли более 320 видеопродуктов между провайдерами. Мы разрабатывали серверы токенов, строили кластеры записи, способные выдерживать нагрузки в 50 раз выше средней, интегрировали Conversational AI Engine с OpenAI Realtime и ElevenLabs, а также переносили целые кодовые базы с Twilio Programmable Video на Zoom Video SDK после того, как Twilio прекратил поддержку этого продукта в декабре 2024 года.

Мы используем Agora, когда география (Юго-Восточная Азия, Латинская Америка, часть Африки) требует её edge-присутствия, когда нагрузка приходится на интерактивный прямой эфир или когда требования к соответствию нормам в телемедицине и образовании клиента требуют гео-ограничений и записи на стороне клиента. Мы не используем её, когда фреймворк с открытым исходным кодом от LiveKit подходит лучше или когда готовый UI от Daily.co позволяет быстрее запустить продукт. Цель этой статьи — помочь вам сделать осознанный выбор для вашего продукта, а затем объяснить, как на самом деле выглядит кастомная разработка на Agora в 2026 году: архитектура, цены, подводные камни и кого стоит выбрать в качестве партнёра.

В качестве конкретного подтверждения посмотрите на наши проекты: Perspire.tv (стриминг живых фитнес-занятий с интерактивными сессиями и низкой задержкой), CirrusMED (телемедицина, соответствующая HIPAA), BrainCert (виртуальный класс LMS на WebRTC) и VOLO.live (синхронный перевод мероприятий в реальном времени). Каждый из них выбрал нашу платформу — и каждый выбор выдержал нагрузку.

Что Agora представляет собой в 2026 году — продукты и недавние обновления

Agora.io — провайдер CPaaS (Communications-Platform-as-a-Service), который владеет собственной глобальной edge-сетью SD-RTN (Software-Defined Real-Time Network) с более чем 200 дата-центрами в более чем 200 странах и регионах. По последним публичным данным, платформа обрабатывает десятки миллиардов минут в месяц, а её крупнейшие направления — телемедицина, социальное аудио, онлайн-образование, фитнес-стриминг и live-коммерция.

В 2026 году Agora предлагает девять продуктовых линеек, важных для кастомной разработки:

Девять продуктов Agora, которые вы реально используете

1. Voice and Video SDK. Базовый SDK для звонков один на один и в небольших группах для iOS, Android, веба и десктопа. Кодек AV1 находится в бета-версии для веба и снижает битрейт на 42% по сравнению с H.264.

2. Interactive Live Streaming. До 128 одновременных хостов в канале и неограниченная аудитория в режиме broadcast — именно это позволяет комнатам выходить за пределы стандартного лимита в 17 хостов, который часто застает команды врасплох.

3. Сигнализация и RTM. Глобальная средняя задержка ниже 200 мс для presence, состояния комнаты, чата и метаданных. Этот слой многие команды недооценивают: именно он обеспечивает каждое улучшение интерфейса, которое делает звонок по-настоящему комфортным.

4. Chat. Омниканальный API для обмена сообщениями внутри приложения. Большинство кастомных проектов заменяют его на Stream или Sendbird, но он работает «из коробки».

5. Cloud Recording. Доступны три режима: индивидуальный (сохранение исходных потоков), композитный (микширование на сервере) и отложенное транскодирование (только аудио, обработка занимает до 24 часов для экономии ресурсов). Водяные знаки и модерация скриншотов — дополнительные опции.

6. On-Premise Recording SDK. Поток со стороны Agora расшифровывается только на вашей собственной инфраструктуре — вариант, который позволяет пройти аудит по стандартам HIPAA, GDPR и SOC 2.

7. Conversational AI Engine. Версия 2.5 вышла в апреле 2026 года с обновлёнными ценами. Нативная интеграция с OpenAI Realtime API, Anthropic, ElevenLabs и другими провайдерами LLM и TTS. Встроенные функции эхоподавления, шумоподавления и интеллектуального распознавания пауз — они решают проблему, когда агент перебивает пользователя.

8. Real-Time STT. Функция селективного внимания для определения говорящего и подавления шума в групповых сессиях. Оплата производится поминутно, независимо от того, идёт ли речь — это одна из статей расходов, описанных в разделе 5.

9. Cloud Player. Подключает заранее записанное видео или аудио к прямому эфиру как полноценного участника — это базовый элемент для функций «VJ», тренировок с инструктором в фитнесе и демонстраций в live-торговле.

Обновления платформы в 2025–2026, на которые стоит обратить внимание

Conversational AI Engine v2.5 (апрель 2026). Обновлённые поминутные тарифы и новые комплекты TTS/LLM. Новая система оплаты делает работу голосовых агентов значительно дешевле, чем создание собственных цепочек STT-LLM-TTS для большинства продуктов.

Исходящие звонки для ИИ-агентов (ноябрь 2025). Агенты теперь могут сами начинать звонки — это позволит напоминать о встречах, проводить опросы, оценивать лидов и работать с клиентами проактивно.

Поддержка мультимодальных LLM (июль 2025). Аудио, текст и изображения можно использовать одновременно в одном контексте агента. Это полезно для агентов поддержки, которым нужно увидеть скриншот ошибки.

Бета AV1 для веба (2025). Битрейт на 42% ниже, чем у H.264, кодирование — на 25% быстрее x264. Особенно важно для регионов с низкой пропускной способностью — при условии, что H.264 и VP8 остаются фолбэками для старых устройств.

Стоковый Agora SDK против кастомной разработки на Agora — в чём реальная разница

Большинство статей про Agora смешивают SDK для звонков и саму платформу в одно. Это разные вещи. SDK для звонков — коммодити: можно скопировать пример приложения, вставить свой App ID и получить рабочий двусторонний звонок в браузере за несколько часов. Продукты выигрывают или проигрывают на всём, что вокруг звонка: безопасность токенов, запись, ИИ-агенты, white-label-темизация, удержание, модерация, наблюдаемость и комплаенс.

Двенадцать сценариев, требующих кастомной разработки на Agora

В наших проектах на Agora это конкретные моменты, когда команды понимают, что им уже не хватает стандартного SDK. Если в вашем плане развития есть хотя бы два таких пункта — вы уже на пути к кастомной разработке.

1. Мультитенантный white-label. Одно приложение, N клиентских брендов, изолированные каналы, тематические токены для каждого тенанта. В стандартном SDK нет поддержки тенантов — этот функционал вы реализуете самостоятельно.

2. Запись с кастомным сроком хранения или редактированием. 90 дней хранения для одного тенанта, семь лет — для другого (HIPAA), автоматическое удаление PII из транскриптов, региональные S3-бакеты. Ничего из этого в стандартном интерфейсе записи не предусмотрено.

3. Пайплайн ИИ-модерации. Проверка кадров в реальном времени и асинхронная обработка готовых записей с помощью движка политик и журналом аудита. Добавляет около 500 мс задержки на реальном плече.

4. Транскрипция в реальном времени плюс перевод. Синхронизированные субтитры, диаризация говорящих, двухпроходный перевод. Просто распознавание речи — это одна задача; а вот встроить его в интерфейс так, чтобы субтитры не ломались при слабом интернете — уже совсем другая.

5. Интеграция разговорного ИИ-агента. Кастомная маршрутизация между OpenAI Realtime, Anthropic, ElevenLabs, а также логика аварийного переключения и сохранение контекста диалога между сессиями. CAE упрощает эту задачу по сравнению с разработкой с нуля — при условии, что вы знаете, каким интеграциям можно доверять.

6. Гибридный CDN с фолбэком на RTMP/HLS. Когда количество зрителей превышает 100 тысяч, поток больше не передаётся только через SD-RTN — его начинают дублировать в CDN. Этот слой вы настраиваете сами.

7. Кастомная логика сигнализации. Управление очередью, presence с ограничением ёмкости, состояния комнат («ожидание», «в процессе», «требуется модерация»), event-ориентированные побочные эффекты. Стандартный RTM предоставляет каналы; протокол — на ваш выбор.

8. Серверный кластер записи с воркером модерации. Запись требует много ресурсов на рассылку. Если в композитной записи участвует 5 хостов — на каждую минуту записи уходит 5 сервисных минут: оркестрацию нужно реализовывать самостоятельно, а не полагаться на стандартные настройки Agora.

9. Масштабирование за пределы 17 хостов. Interactive Live Streaming поддерживает до 128 хостов в канале и неограниченное количество зрителей — но только при правильной настройке ролей публикации и подписки, кросс-канальной схемы ретрансляции медиа и пути перехода зрителей в хосты.

10. Региональный комплаенс. Гео-фенсинг для GDPR, ключи шифрования, управляемые клиентом, для HIPAA, размещение данных в конкретных регионах. Agora предоставляет базовые инструменты; интеграция их с вашей моделью тенантов — ваша задача.

11. Оптимизация под низкую пропускную способность. Переключение с AV1 на H.264 на слабых устройствах, адаптивное разрешение и частота кадров через NQC, аудиорежим при < 100 кбит/с. Настройки по умолчанию работают; для рынков-«хвостов» требуется тонкая настройка.

12. Кастомный аналитический дашборд. P95 задержки подключения, MOS, потери пакетов, предикторы оттока, стоимость минуты активного пользователя. Консоль Agora подходит для SRE, но не для презентации генеральному директору или операционной команде клиента.

Цены Agora в 2026 — и три статьи расходов, которые удивляют команды

Публичные поминутные цены Agora конкурентоспособны в чистом голосовом и видеозвонке. Команды получают бюджет там, где накладываются дополнительные нагрузки: запись, распознавание речи (STT), ИИ-агенты и видео в высоком разрешении. Вот актуальные цены, а также три статьи расходов, которые мы регулярно проверяем на предмет неожиданных трат.

Опубликованные цены Agora в 2026

Voice SDK, аудио: 74 ₽ за 1000 минут (0,07 ₽ за минуту). Самый выгодный тариф на рынке для обычных голосовых звонков.

Video SDK: стоимость зависит от разрешения. SD дешевле HD, HD — дешевле Full HD, а 4K — по отдельному тарифу. Оплата идёт за минуту видеопотока, поэтому канал с 5 участниками генерирует 5 минут потока за каждую минуту трансляции.

Conversational AI Engine: около 1,98 ₽ за минуту работы агента «всё включено» — Audio Basic (0,74 ₽) плюс ARES ASR (1,24 ₽) плюс RTC-аудио (0,07 ₽). Токены LLM и TTS оплачиваются отдельно вашему поставщику LLM/ТТС.

Real-Time STT: тарифицируется за каждую минуту, пока функция активна, а не только за те минуты, когда кто-то говорит.

Cloud Recording: тарифицируется по сервисным минутам. В композитном режиме (один объединённый файл) оплачивается микширование на сервере записи. В индивидуальном режиме (отдельный файл для каждого участника) тарифицируется каждый записанный поток.

Бесплатный тариф: 10 000 стандартных минут на проект в месяц (расширен в августе 2025). Этого хватит на полноценный пилот.

Три статьи, которые незаметно сжигают бюджет

Статья 1 — множитель записи. Запись звонка с 5 участниками обходится примерно в 5 сервисных минут на каждую реальную минуту, если используется композитная запись. Индивидуальная запись на том же звонке — это 5 файл-минут плюс оплата за транскодирование, если вы позже смешиваете аудио. Команды часто рассчитывают запись «один к одному», но на деле затраты в 3–6 раз выше — в зависимости от среднего числа участников. Перед тем как брать обязательства, проверьте средний размер канала.

Статья 2 — STT вхолостую. Если STT включён в канале, вы платите за каждую минуту, даже если никто не говорит. Мы проверили приложения, где 60% времени сессии проходили в тишине — например, в комнатах ожидания, очередях удержания или при пассивном прослушивании в классе. В таких случаях STT «съедал» более 75 000 рублей в месяц просто так. Решение — включать STT по необходимости через управляющие хуки SDK, а не держать его включённым постоянно на весь канал.

Статья 3 — дрейф разрешения. Большинство приложений по умолчанию используют видеопрофиль с поддержкой HD. На телефонах в Латинской Америке это избыточно — устройство и так не покажет 720p чётко. Мы регулярно экономим 25–40%, ограничивая разрешение на уровне тенанта или устройства и позволяя Network Quality Control снижать его при необходимости. Математика: SD (480p) обходится примерно вдвое дешевле, чем минута HD (720p).

Agora против LiveKit, Daily, Twilio, Zoom Video SDK и AWS Chime

Правильная платформа зависит от типа нагрузок, географии и того, насколько вам важен контроль над пользовательским опытом. Матрица ниже обобщает то, что мы обычно обсуждаем с заказчиками на этапе определения объёма работ. Цифры взяты с публичных страниц цен вендоров за 2026 год; качественные оценки — из нашего опыта развёртывания решений на каждой платформе в продакшене.

Для глубокого разбора самой частой переплавки платформ в 2026 читайте наш анализ стоимости LiveKit против Agora и сравнение архитектурных компромиссов WebRTC и Agora.

Короткий вердикт. Agora выигрывает в чистом RTC в Юго-Восточной Азии, Латинской Америке и части Африки благодаря edge-присутствию. LiveKit лучше подходит при высоких нагрузках с ИИ-агентами и если нужен контроль через open source. Daily — лучший выбор, если важно быстро запустить продукт за две недели, а не экономить на каждой минуте. Zoom Video SDK — официальный способ перейти с Twilio Programmable Video. AWS Chime имеет смысл только если ваш стек уже полностью на AWS.

Технические возможности Agora — ёмкость, задержка, кодеки, шифрование

Точное знание того, что платформа умеет и не умеет, — это разница между архитектурой «разберёмся по ходу» и продуманной. Вот цифры, на которые мы ориентируемся.

Ёмкость канала. По умолчанию канал поддерживает до 17 хостов. Interactive Live Streaming увеличивает лимит до 128 одновременных видеопубликаторов и позволяет неограниченную аудиторию в режиме broadcast. Каждый хост может одновременно подключаться максимум к 50 другим хостам — это ограничение начинает сказываться при создании больших комнат разбивки.

Масштаб аудитории. Режим broadcast охватывает миллионы пассивных зрителей. Кросс-канальная медиа-релейная связка (4–6 направлений) — это путь к совместному хостингу и форматам «сцена-арена».

Тиры задержки. Ultra-Low (медианная задержка ниже 100 мс в крупных регионах), Low (100–200 мс), Standard (региональный фолбэк). Интеллектуальная маршрутизация SD-RTN поддерживает медианную задержку ниже 200 мс по всему миру и ниже 100 мс в пределах одного региона.

Кодеки. H.264, H.265, VP8, VP9 и AV1 (бета на вебе). AV1 требует на 42% меньше битрейта, чем H.264, и кодируется на 25% быстрее, чем x264. Но для старых устройств всё ещё нужны фолбэки на H.264 или VP8: если принудительно включить AV1 на пятилетнем Android, видео просто не запустится.

Шифрование. AES-128/256 при передаче по умолчанию. End-to-End-шифрование в бете с ключами, управляемыми клиентом. On-Preise Recording SDK — вариант, при котором расшифрованное медиа остаётся только на вашей инфраструктуре: именно этот момент реально проверяют на аудитах HIPAA и SOC 2.

Геопримитивы и комплаенс. Геофенсинг привязывает трафик к конкретным регионам для соответствия GDPR. Доступен сервис, совместимый с HIPAA, по соглашению BAA. Предоставляются отчёты SOC 2 Type 2. Ключи шифрования находятся под управлением клиента на каналах с конечной защитой (E2EE).

Эталонная архитектура для кастомной разработки на Agora

Большинство продакшен-развёртываний Agora используют четырёхслойную архитектуру: клиенты, edge-серверы SD-RTN от Agora, ваш бэкенд (токены, аутентификация, запись, модерация, ИИ-оркестрация) и слой данных (Postgres, объектное хранилище, аналитика, биллинг). Ниже — эталонная схема, которую мы применяем на каждом проекте по оценке объёма работ с Agora: правую колонку адаптируйте под своего ИИ-провайдера, а нижнюю строку — под выбранное облако.

Рисунок 1. Эталонная архитектура для кастомной разработки на Agora — клиентский слой, edge SD-RTN, ваш бэкенд и слой данных с аналитикой.

Что где сидит и почему

Сервер токенов. Самая уязвимая часть в любом развёртывании Agora. Токены действуют недолго — от 5 до 24 часов, привязаны к конкретному каналу и ограничены по роли (издатель или подписчик). Никогда не встраивайте App ID и сертификат в клиентское приложение; всегда выдавайте токены на сервере после проверки подлинности пользователя.

Кластер записи. Cloud Recording или On-Premise Recording SDK — выбор зависит от требований комплаенса. Композитный режим подходит для сценариев «один MP4 на сессию», индивидуальный — для пайплайнов с постобработкой. Оркестратор записи — это ваш код: он определяет, что записывать, когда начинать и останавливать запись, куда сохранять файлы и какую политику хранения применять.

Воркер модерации. Проверка кадров в реальном времени (Rekognition, Vision API, кастомные CV-модели) для прямых трансляций и асинхронная обработка готовых записей. Движок политик и журнал аудита находятся здесь, а не в Agora.

ИИ-оркестратор. Мост между Conversational AI Engine от Agora и вашими провайдерами LLM/ТТС (OpenAI Realtime, Anthropic, ElevenLabs). Сохраняет контекст разговора между сессиями, управляет fallback-логикой, использует шаблоны промптов и учитывает стоимость.

Слой данных. Postgres для хранения сессий и прав доступа; S3/ГС для записей и транскриптов; ClickHouse или BigQuery для аналитики QoE; поминутный счётчик для учёта расходов. Именно этот счётчик покажет, что статьи 1–3 из раздела 5 вышли из-под контроля.

Разговорный ИИ на Agora — интеграция OpenAI Realtime и ElevenLabs

Conversational AI Engine — самая заметная функция Agora в 2026 году и то, с чем чаще всего обращаются за помощью клиенты. Существует четыре готовых паттерна интеграции. Мы внедрили все четыре и можем сказать, когда какой использовать.

Паттерн A — нативный CAE с подключёнными провайдерами

Используйте Conversational AI Engine от Agora целиком. Выбирайте из подключённых провайдеров LLM и TTS (OpenAI Realtime, Anthropic, ElevenLabs). Минимальные затраты на разработку. Минимальный контроль. Подходит для агентов поддержки и сценариев в стиле FAQ, где не нужен кастомный граф промптов.

Паттерн B — кастомная цепочка STT → LLM → TTS

Захватываете аудио из Agora, обрабатываете через свой STT (Deepgram, AssemblyAI, Whisper), передаёте в свою LLM, конвертируете ответ в речь с помощью TTS (ElevenLabs, Cartesia, OpenAI) и отправляете обратно в канал. Полный контроль, но высокая инженерная сложность. Такой подход подходит, если нужна конкретная LLM, кастомный голос или уровень приватности, при котором нельзя использовать сторонние ASR-сервисы Agora.

Паттерн C — гибрид: CAE на одно ухо, кастом на другое

CAE отвечает за преобразование речи в текст и распознавание пауз; ваш код — за работу с LLM и синтез речи. Хорошее решение для продуктов, у которых уже есть собственный граф промптов и пайплайн TTS, но нет желания разрабатывать шумоподавление и интеллектуальное распознавание пауз с нуля.

Паттерн D — мультимодальная оркестрация через агента

LLM-«агент» решает, какой саб-агент (голосовой, видео, текстовый) обрабатывает каждую реплику. CAE выполняет роль голосового канала; видео- и текстовые каналы работают отдельно. Такой подход подходит для ИИ-репетиторов, видеоподдержки клиентов и помощи выездным инженерам.

Приблизительная стоимость пилота с голосовым агентом на 1000 минут в месяц

Допустим, у вас голосовой агент поддержки, который обрабатывает 1000 минут разговоров в месяц. Agora CAE: 1 987 ₽. Токены OpenAI Realtime LLM (примерно): 2 250–4 500 ₽ — зависит от длины промпта. ElevenLabs TTS: 1 500–3 000 ₽ — зависит от выбранного тарифа голоса. Хранение и аналитика: около 375 ₽. Всё включено: примерно 6 000–9 750 ₽ в месяц на пилот. Та же нагрузка на собственной цепочке STT→LLM→TTS обойдётся в 6 750–11 250 ₽ в месяц плюс 4–6 недель на настройку: CAE выгоднее на пилотах, а кастомное решение — когда вы превысите 10 000 агент-минут в месяц и стоимость токенов LLM станет основной статьёй расходов.

Для более глубокого сравнения архитектур посмотрите наш гайд о том, как работают видео-ИИ-агенты, и плейбук по мультимодальным агентам на LiveKit — для аналогичного паттерна в open-source-решениях.

Запись, транскодирование и модерация — как правильно

Запись — главный источник неожиданных расходов и сбоев в соблюдении норм, с которым мы сталкиваемся в проектах на Agora. От решений по записи зависят как минимум три ключевых показателя для CFO и комплаенс-офицера: стоимость хранения, множитель записи в счёте Agora и полнота журнала аудита.

Сначала режим записи, потом хранилище

Композитный режим. Серверное микширование создаёт один MP4-файл на всю сессию. Самый дешёвый способ хранения, но самый сложный для редактирования — например, нельзя потом приглушить одного участника. Подходит для звонков поддержки, телемедицинских консультаций и записи уроков.

Индивидуальный режим. Один файл на хост. Самое дорогое хранение, но проще всего редактировать — достаточно удалить один файл или отключить один канал. Подходит для мультитенантных платформ, где для каждого пользователя действуют свои правила хранения и есть обязательства по юридическому раскрытию.

Отложенное транскодирование (только аудио). Передавайте необработанное аудио в хранилище, а конвертируйте его в MP3 или M4A в течение 24 часов. Это самый дешёвый способ для аудиосоцсетей и образовательных проектов. Экономия 30–50% на записи, если не требуется мгновенное воспроизведение.

On-Premise Recording SDK. Поток со стороны Agora расшифровывается только внутри вашего VPC или дата-центра. Подходит для соответствия HIPAA и SOC 2. Стоимость настройки реальная, но окупается сразу, когда аудитор спрашивает, где хранится расшифрованная PHI.

Стройте модерацию двумя пайплайнами, а не одним

Real-time-плечо. Берите кадры с частотой 1–2 кадра в секунду и отправляйте их в AWS Rekognition, Google Vision или свою собственную модель компьютерного зрения. Это добавляет задержку около 500 мс. Подходит для обнаружения обнажённости, насилия, оружия и символов ненависти. При превышении порога уверенности блокируйте канал или исключайте участника из звонка.

Асинхронное плечо. Готовые записи пропускайте через более дорогую модель. Отмечайте их для ручной проверки. При необходимости приостанавливайте, штрафуйте или блокируйте провинившийся аккаунт. Фиксируйте решение в журнале аудита. Это плечо генерирует данные, важные для команды доверия и безопасности.

Три рабочих сценария на Agora, которые мы используем чаще всего в 2026 году

В нашем портфолио в 2026 году доминируют три паттерна нагрузки. Если ваш продукт похож на один из них, архитектура над edge SD-RTN — это в значительной степени проверенный шаблон, а кастомизация осуществляется на уровне моделей тенантов, данных и оркестрации ИИ.

Нагрузка 1 — телемедицина и регулируемое видео один на один. Один врач, один пациент. Запись ведётся для соблюдения нормативных требований. Ключи шифрования находятся под контролем клиента. Трафик ограничен географически, запись хранится на стороне клиента, чтобы персональные медицинские данные (PHI) не покидали инфраструктуру заказчика. Типичный размер канала: 2–3 хоста. Множитель записи: низкий. Слой ИИ: опциональные субтитры и прямой перевод. Требования комплаенса определяют почти все архитектурные решения.

Нагрузка 2 — live-фитнес, образование и стриминг от авторов. Один инструктор, много зрителей, низкая задержка двусторонней связи для премиум-подписчиков, запись для повторного просмотра, монетизация через платные тарифы. Типичный размер канала: 1 ведущий и 50–500 зрителей в группе, с возможностью масштабирования до тысяч через трансляцию в эфир. Множитель записи: средний. Слой ИИ: автоматические субтитры в прямом эфире, ИИ-нарезка лучших моментов после сессии. Архитектурный перелом — при переходе от «сотен зрителей» к «10 000+ зрителей», когда начинается зеркалирование в CDN.

Нагрузка 3 — разговорные ИИ-агенты и поддержка с ИИ. Один человек или человек с ИИ-ассистентом общается в реальном времени через CAE, LLM выбирает между OpenAI Realtime, Anthropic и ElevenLabs, а контекст разговора сохраняется между сессиями. Типичный размер канала — 2 хоста. Множитель записи — низкий. Архитектурный перелом — в ИИ-оркестраторе: именно он чаще всего становится узким местом в продуктах на основе агентов.

Мини-кейс — как «Фора Софт» делает RTC-продукты на платформах класса Agora

Полезное доказательство паттерна, а не продажа. Два продакшен-проекта, которые показывают, как выглядит кастомная разработка RTC на практике.

Perspire.tv — стриминг живого фитнеса. Платформа, которая превращает инструкторов в стримеров с двусторонним коучингом и минимальной задержкой. Мы создали архитектуру для прямых трансляций, систему записи (композитный режим для повторов, индивидуальный — для разборов инструктора), чат во время занятий и аналитический дашборд. Продукт работает по модели «один инструктор — много участников» с низкой задержкой видео, чтобы инструктор мог видеть и корректировать технику участников почти в реальном времени. Именно под такую нагрузку и была разработана технология Interactive Live Streaming.

BrainCert — виртуальный класс LMS на WebRTC. Платформа виртуального класса с интерактивной доской, демонстрацией экрана, записью уроков и субтитрами на основе ИИ. Мы разработали систему с учётом больших групп разбивки (проблема ограничения хостов — максимум 4 × 12 одновременных комнат), реализовали управление записью и ИИ-модерацию для обеспечения безопасности младших учеников. Сегодня платформа используется тысячами классов в сотнях образовательных учреждений по всему миру.

Каждый проект выбрал свою платформу — класс Agora для одной нагрузки, прямой WebRTC для другой. Искусство — в правильном выборе с самого начала и в построении архитектуры так, чтобы через полгода вы не платили за ненужные услуги. Хотите такую же оценку для своего продукта? Свяжитесь с нами.

Как принять решение о кастомной разработке на Agora — пять вопросов

В1. Превысит ли когда-нибудь канал 17 хостов? Если да — вы уже в сфере интерактивного прямого эфира, и архитектура должна быть собственной. Лимит в 17 хостов — самая частая причина, по которой команды переходят с готового SDK на кастомное решение. Обычно это происходит к четвёртому месяцу, когда организатор «эксклюзивного» мероприятия просит панель из 30 спикеров.

В2. Нужна ли запись с кастомными правилами хранения или редактирования? Если да — хранение семь лет по HIPAA, право на забвение по GDPR, особые сроки хранения по тарифам — вам нужен оркестратор записи, а не стандартный интерфейс. Это кастомная разработка.

В3. Вы на территории HIPAA / GDPR / SOC 2? Если да, вам понадобятся гео-ограничения, ключи шифрования, управляемые клиентом, шифрование на стороне клиента, журналы аудита и уровень наблюдаемости, соответствующий требованиям комплаенса. Стандартный SDK этого не обеспечивает, но базовые инструменты платформы — да, и вы сами собираете из них нужную конфигурацию.

В4. Запускаете голосовых ИИ-агентов в ближайшие два квартала? Если да, вам понадобится интеграция CAE, ваш стек LLM/TTS, граф промптов, логика на случай сбоев и счётчик стоимости. CAE берёт на себя обработку звонка — всё остальное вы реализуете самостоятельно.

В5. Где сосредоточена ваша аудитория? Если аудитория в основном в Юго-Восточной Азии, Латинской Америке или Африке — edge-инфраструктура Agora обеспечивает лучшее время подключения и меньшие потери пакетов. При фокусе на США и ЕС с использованием продукта-агента чаще побеждают LiveKit или Daily. В enterprise-средах с историческим использованием Twilio Programmable Video — Zoom Video SDK становится естественным выбором для миграции. При работе в экосистеме AWS — Chime SDK обеспечивает минимальные трудности интеграции.

Пять ловушек, с которыми чаще всего сталкиваемся в проектах на Agora

1. Распыление токенов. Токены выпускаются на 30 дней, без ограничений по роли и привязки к каналу. После утечки один и тот же токен может использоваться в любом канале в течение месяца. Решение: установить срок действия от 5 до 24 часов, ограничить роль (publisher или subscriber), привязать токен к конкретному каналу и сопоставить с внутренним ID пользователя через отдельную таблицу (сайдкар).

2. STT вхолостую. STT включён на уровне канала в каждой сессии. 60% ваших минут — это тихие комнаты ожидания. Вы тратите больше 75 000 ₽ в месяц на транскрипцию, которая ни одной записи не даёт. Решение: включать STT поэлементно через управляющие хуки SDK, а не на весь канал.

3. Перезапись. Композитная запись на канале из 5 хостов занимает около 5 сервисных минут на каждую минуту записи. Большинство команд закладывают коэффициент 1×. Решение: выбирайте композитный или индивидуальный режим в зависимости от модели редактирования, настраивайте профили записи для каждого тенанта и включайте множитель записи в счётчик расходов.

4. AV1 включён принудительно на устаревших устройствах. AV1 хорошо работает на современных устройствах. Если включить его принудительно на пятилетнем Android — звонок может не подключиться. Решение: оставьте H.264 и VP8 в списке кодеков, чтобы ACT от Agora выбирал автоматически; отключайте фолбэки только после тщательного тестирования.

5. Нет стратегии фолбэка на слабых сетях. Видео в высоком разрешении по умолчанию на 3G вызывает буферизацию, зависания и резкий рост оттока. Решение: включите Network Quality Control, переключение на аудиорежим при скорости ниже 100 кбит/с, отслеживайте потери пакетов через NetworkQuality API SDK и показывайте пользователю интерфейс с информацией о качестве сети.

KPI, которые действительно важны — качество, бизнес, надёжность

KPI качества. P95 задержки подключения < 2,5 с. P95 потерь пакетов < 2%. Mean Opinion Score (MOS) для аудио > 4,0. Задержка субтитров < 800 мс при включённом STT. Эти цифры определяют, останется ли пользователь после первых трёх минут звонка.

Бизнес-метрики. Стоимость минуты активного пользователя (CPAUM) по тенантам. Уровень удержания MAU за 30 дней. Рейтинг containment ИИ-агента (доля звонков, которые он закрывает без передачи человеку). Доля затрат на хранение записей от общей стоимости инфраструктуры. Эти показатели связывают решения по платформе с выручкой и валовой маржой.

KPI надёжности. Доля успешно завершённых сессий — более 99,95%. Успешная запись — более 99,5%. Аптайм агента — более 99,9%. Среднее время обнаружения инцидента на платформе Agora — менее 60 секунд (через ваш собственный QoE-пайплайн, а не через консоль Agora). Слой надёжности — это то, чем занимается операционная команда заказчика в рабочее время с 9 до 17.

Когда НЕ стоит выбирать Agora — и что использовать вместо

Agora — надёжный выбор по умолчанию для многих видео- и голосовых продуктов в 2026 году, но не универсальный. Вот когда мы советуем рассмотреть другие варианты.

Выбирайте LiveKit, если нагрузка поступает от ИИ-агентов. У LiveKit самый мощный open-source-фреймворк для агентов на рынке, а тарификация по минутам трека выгоднее там, где основную долю расходов составляет стоимость LLM. Подробный расчёт — в нашем сравнении LiveKit и Agora.

Берите Daily.co, когда важнее получить продукт за две недели, чем экономить на цене за минуту. Готовые React-компоненты UI, прозрачная плоская тарификация, самый быстрый старт. Подходит для ранних продуктов, которым нужно быстро запустить MVP до следующего раунда инвестиций.

Берите Zoom Video SDK при переходе с Twilio Programmable Video. Twilio прекратил поддержку Programmable Video в декабре 2024 года и рекомендовал клиентам перейти на Zoom Video SDK как официальный путь миграции. Если вы всё ещё используете Twilio в 2026 году, самым простым решением будет переход на Zoom, а не на Agora.

Используйте AWS Chime SDK, если ваш стек уже работает на AWS, а нагрузка — голосовая. 127 ₽ за 1000 минут аудио — самый дешёвый тариф на рынке. Подходит для IVR, бэкендов контакт-центров и голосовых B2B-инструментов, которые уже размещены в AWS.

Используйте чистый WebRTC, если у вас однонаодиночные соединения и есть собственная сетевая экспертиза. Никаких поминутных SaaS-подписок. Высокая инженерная нагрузка. Подходит только в случае небольшого количества двусторонних звонков (например, в дейтинге или B2B-продажах), при наличии инженеров для поддержки TURN-серверов и готовности самостоятельно следить за потерей пакетов. Подробный разбор компромиссов — в нашей статье об архитектурных решениях WebRTC и Agora.

Что искать в партнёре по разработке на Agora

Большинство CPaaS-партнёров могут собрать пример приложения. Гораздо меньше тех, кто способен выстроить вокруг него полноценную архитектуру. Пять признаков, на которые стоит обратить внимание.

1. Три или больше продакшен-проектов на Agora. Не «мы оценивали Agora» и не «мы изучили документацию». Нужны реальные рабочие проекты с живыми клиентами. Запросите кейсы и организуйте звонки с референсами.

2. Владеет инфраструктурой записи, а не только интеграцией SDK. Запись — это то, где большинство проектов терпят крах при масштабировании. Партнёр, который внедрил только SDK, не решил вопросы хранения, редактирования, водяных знаков и соответствия требованиям — и вам придётся платить ему снова, чтобы всё это реализовать.

3. Умеет проектировать под HIPAA / SOC 2 / GDPR. Гео-ограничения, ключи под управлением клиента, шифрование на стороне клиента, журналы аудита, архитектура, совместимая с BAA. Требования по соответствию стандартам закладываются на второй неделе разработки, а не на 22-й — выбирайте партнёра, который это понимает.

4. Мигрировал команды между CPaaS-провайдерами. Twilio → Agora, Agora → LiveKit, Zoom → Agora. Шрамы от миграций — и есть тот опыт, который подскажет, какая платформа подходит под какую нагрузку. Команда, которая работала только на одной платформе, такого опыта дать не сможет.

5. Владеет интеграцией разговорного ИИ от и до. Не только CAE. Выбор LLM, граф промптов, тонкая настройка голоса TTS, счётчик стоимости, фолбэк, когда у OpenAI Realtime сбоит. Стыки между RTC и ИИ — место, где большинство агентских проектов разваливаются в продакшене. Наша практика интеграции ИИ существует ровно для этого стыка.

Часто задаваемые вопросы

Сколько стоит кастомная разработка на Agora?

Для готовой к продакшену первой версии — сервер токенов, запись, интеграция ИИ-агента, кастомный интерфейс, мультитенантная архитектура, базовая модерация — закладывайте 8–16 недель работы старших инженеров. Точные сроки зависят от нагрузки, но диапазон, который мы обычно скоупим, заметно ниже исторических оценок интеграции CPaaS за 2022–2024 годы, потому что разработка с участием ИИ ускоряет процесс. Мы не указываем фиксированное число, потому что разница между одноантным звонком один на один и мультитенантным разговорным ИИ-агентом по HIPAA очень велика; проще оценить всё под вашу конкретную нагрузку.

Совместима ли Agora с HIPAA?

Agora совместима с HIPAA на основе соглашения BAA для покрытых сервисов. Архитектура, соответствующая HIPAA, обычно включает гео-ограничение трафика, шифрование на стороне клиента, чтобы PHI расшифровывалась только в вашем VPC, управление ключами шифрования со стороны клиента и полный журнал аудита на вашей стороне. Agora предоставляет базовые инструменты; соответствие стандартам зависит от архитектуры, которую вы создаёте на их основе. Мы реализовывали телемедицину с поддержкой HIPAA на этом стеке — пример: CirrusMED.

Может ли Agora полностью заменить WebRTC?

Agora построен на WebRTC — речь не о выборе «Agora против WebRTC», а о «управляемом CPaaS против самостоятельного peer-to-peer с серверами TURN/SFU». Agora заменяет поминутную оплату на собственную edge-сеть, мониторинг и запись. Чистый WebRTC требует затрат на разработку вместо денег за использование. Для двусторонних соединений и команд с опытом в сетевых технологиях чистый WebRTC по-прежнему выгоднее по цене. Для всех остальных CPaaS вроде Agora запускается быстрее и дольше остаётся стабильным. Полный разбор — в нашей статье об архитектурных компромиссах WebRTC и Agora.

Сколько обычно занимает MVP на Agora?

MVP на стоковом SDK — звонки один на один, базовый интерфейс, без записи и ИИ — выпускается за 2–4 недели старшим инженером. Кастомный MVP с сервером токенов, записью и простым ИИ-агентом — за 8–12 недель. Мультитенантный white-label, совместимый с HIPAA, с ИИ-агентом — первая версия за 12–20 недель, плюс ещё 8–12 недель на доводку до серьёзного запуска.

Поддерживает ли Agora end-to-end-шифрование?

Да — AES-128/256 с ключами под управлением клиента находится в бете. AES-128/256 при передаче используется по умолчанию. End-to-end-шифрование (когда Agora вообще не может расшифровать медиа) — опт-ин, находится в бете; ключи вы предоставляете и ротируете сами. E2EE сейчас не поддерживается в режиме записи на стороне клиента — эту деталь обычно выявляют поздно, на этапе проверки соответствия требованиям.

Дешевле ли Agora, чем LiveKit, для голосовых ИИ-агентов?

Зависит от доли стоимости LLM. На небольших объёмах токенов LLM комплект CAE от Agora (1,98 ₽ за минуту работы агента — всё включено) остаётся конкурентоспособным. При больших объёмах, где основную часть расходов составляют токены LLM, open-source-решение LiveKit в сочетании с собственным контрактом с провайдером LLM часто оказывается выгоднее — цена на LLM здесь согласовывается напрямую. Чистая стоимость RTC — у Agora; чистая оркестрация агентов — у LiveKit.

Какова максимальная аудитория канала Agora?

128 одновременных видеопубликаторов на канал и неограниченная аудитория в режиме broadcast — на практике до миллионов пассивных зрителей. Стандартный лимит в 17 хостов действует только для базового Voice/Video SDK; Interactive Live Streaming позволяет его превысить. Каждый хост может одновременно подключаться максимум к 50 другим хостам — это важно для масштабных сценариев с разбивкой на комнаты.

Как интегрировать OpenAI Realtime с Agora?

Два пути. Путь A: использовать Conversational AI Engine и выбрать OpenAI Realtime из подключённых провайдеров — минимальные затраты на разработку, но и минимальный контроль. Путь B: захватывать аудио из канала Agora на сервере, отправлять в OpenAI Realtime через WebRTC или WebSocket и публиковать ответ обратно в канал как ещё одного участника — полный контроль, но больше интеграций. Мы применяем путь A для пилотных проектов и простых задач, а путь B — когда продукту нужны кастомные графы промптов, клонирование голоса или жёсткая привязка данных к региону на стороне провайдера LLM.

Что почитать дальше

Готовы использовать Agora в своём продукте?

Услуги кастомной разработки на Agora существуют, потому что SDK для звонков — это лёгкая часть. Архитектура вокруг него — сервер токенов, кластер записи, воркер модерации, ИИ-оркестратор, счётчик стоимости, потенциальная аналитика — и есть та часть, которая решает, будет ли продукт защищённым на масштабе, проходящим аудит и прибыльным к шестому месяцу. Выбирайте платформу по географии и нагрузке (Agora выигрывает в RTC в Юго-Восточной Азии и Латинской Америке; LiveKit — на агентских нагрузках; Daily — по скорости запуска; Zoom — при миграции с Twilio). А затем стройте архитектуру так, чтобы три статьи расходов из раздела 5 не застали вас врасплох.

Если вы на этапе скоупинга, самый полезный следующий шаг — 30-минутный звонок с человеком, который уже запускал продукты на нескольких CPaaS, и он подскажет, какие расходы вас ждут в вашем масштабе. Мы честно скажем, подходит ли вам Agora — даже если ответ будет «берите LiveKit». Главное — получить надёжный продукт, а не продать свою платформу.