Make

Make, wcześniej Integromat, jest wizualną platformą automatyzacji, która w 2026 r. obejmuje pełne spektrum od deterministycznych scenariuszy przez kroki AI po samodzielnie wybierające ścieżkę AI Agents. Wyróżniają ją Reasoning Panel, bogate mechanizmy obsługi błędów, trwały kontekst oraz dwukierunkowy MCP: Make może udostępniać scenariusze agentom i korzystać z narzędzi zewnętrznych serwerów.

Produkt powstawał od 2012 r. w Pradze jako Integromat; współzałożyciel i CTO Patrik Šimek opisuje ten rok jako początek Make. Celonis przejął czeską firmę w październiku 2020 r., a w lutym 2022 r. Integromat został przemianowany na Make. Platforma może działać w regionie europejskim lub północnoamerykańskim. Historia produktu · przejęcie i rebranding · rok 2022

Make podaje ponad 400 tys. organizacji w ponad 200 krajach i ponad 350 pracowników. Tych liczb nie punktujemy; istotna dla rankingu jest ewolucja produktu: AI Agents uruchomiono w 2025 r., nową generację osadzoną w canvasie 2 lutego 2026 r., Maia w sierpniu 2026 r., a MCP działa obecnie w obu kierunkach. About · AI Agents New · Maia

Make rozróżnia trzy konstrukcje. Standard scenario wykonuje stałą logikę. AI scenario wstawia model do wybranych, przewidywalnych kroków. AI agent scenario przekazuje agentowi decyzję o ścieżce i doborze tools, dlatego nadaje się do nieustrukturyzowanych danych i zmiennych celów. To rozsądne rozdzielenie zapobiega używaniu agenta tam, gdzie lepsza jest deterministyczna reguła. Rodzaje scenariuszy

Make AI Agents (New) działa wewnątrz wizualnego buildera. Agent korzysta z wybranego LLM, instrukcji, plików i bazy wiedzy, task-specific inputs, modułów aplikacji, scenariuszy, innych agentów i MCP tools. Reasoning Panel pokazuje kolejność działań, wykorzystane inputs i narzędzia oraz uzasadnienie ścieżki. Thread ID może zachowywać historię, a limit historii, output tokens i liczby kroków ogranicza koszt oraz pętle. AI Agent New · nowa aplikacja · best practices

Knowledge files są dzielone na fragmenty, osadzane i przechowywane w bazie wektorowej RAG. Pliki można także przekazywać bezpośrednio do pojedynczego runu. Maia buduje i modyfikuje automatyzacje oraz agentów przez rozmowę, pokazując powstającą logikę na canvasie. Credit usage i knowledge · Maia

• ocena ICP, kwalifikacja, enrichment i routing leadów;
• research kont na podstawie web search, CRM i plików;
• drafty outreachu z kontrolowaną ścieżką zatwierdzenia;
• agentowe łączenie CRM, skrzynki, kalendarza i komunikatora;
• aktualizacje CRM, deduplikacja, zadania i alerty;
• automatyzacja proposal-to-cash i handoffów sales–CS;
• zamiana własnych scenariuszy w ograniczone narzędzia dla Codex/Hermes;
• używanie narzędzi zewnętrznych serwerów MCP wewnątrz agenta Make.

Zakres kontekstu i danych zależy od funkcji, planu oraz połączonych systemów.

Make MCP Server udostępnia klientom aktywne scenariusze ustawione on demand, a także — na płatnych planach i przy odpowiednich scopes — narzędzia zarządzające scenariuszami, zespołami, connections, webhooks i data stores. Obsługuje OAuth albo token MCP. Zwykły serwer nie pozwala ograniczyć klienta do konkretnego zestawu scenariuszy, dlatego do produkcji lepiej pasują MCP Toolboxes. Make MCP Server · wprowadzenie

Toolbox jest osobnym serwerem ze zdefiniowanym zestawem scenariuszy, unikalnym URL-em, wieloma odwoływalnymi kluczami oraz oznaczeniami read only i read & write. To dobra ścieżka do Codex i Hermesa, jeśli klient obsługuje zdalny MCP i odpowiednią autoryzację. Adnotacja read-only pomaga klientowi ocenić ryzyko, ale nie jest technicznym sandboxem scenariusza; rzeczywiste uprawnienia trzeba ograniczyć również w połączeniach aplikacji. Toolbox ma 40-sekundowy timeout. MCP Toolboxes

W drugą stronę Make AI Agents może używać jednego lub wielu zdalnych serwerów MCP i sam wybierać pomiędzy modules, scenarios oraz MCP tools. Make Skills instruują asystenty, jak budować scenariusze i korzystać z MCP/API, ale pozostają open beta. MCP tools dla agentów · Make Skills

Canvas i execution history pokazują przebieg danych, a Reasoning Panel narzędzia i decyzje agenta. Scenariusze mają filters, routers, error handlers, incomplete executions, retry, structured inputs/outputs i subscenarios. Human in the Loop może zatrzymać ścieżkę do przeglądu; producent zaleca jawny human review, ograniczenie liczby kroków oraz minimalny dostęp do danych. Best practices · agentic loop

Make ma ISO 27001, a infrastruktura jest opisana jako zgodna z SOC 2 Type II i SOC 3. Enterprise dodaje SSO, audit logs, domain claim i governance. Region organizacji można wybrać między Europą a Ameryką Północną, ale dane wysłane do zewnętrznego modelu podlegają również jego warunkom. Security · GDPR

Materiały Make uczciwie opisują memory injection, cross-session leakage, tool misuse, identity spoofing i prompt hacking. Instrukcje/guardrails nie są egzekwowalną barierą; dokumentacja wskazuje minimalizację dostępu jako najbardziej niezawodne ograniczenie. Security considerations · Best practices

Free oferuje 1 000 credits miesięcznie. Przy 10 tys. credits ceny miesięczne to 12 USD Core, 21 USD Pro i 38 USD Teams; Enterprise jest wyceniany indywidualnie. Plan i rozliczenie roczne mogą zmieniać cenę. Pricing

Zwykły moduł zwykle kosztuje 1 credit. Make AI Provider dodaje zużycie zależne od tokenów, tools i typu modułu; przy własnym providerze Make nalicza operacje, a provider osobno tokeny. Knowledge generuje embeddingi i opisy plików. Niewykorzystane credits wygasają, a dodatkowe kosztują 25% więcej. Dlatego miarą jest koszt ukończonego procesu, nie liczba rekordów wejściowych. Credits · AI agent credits · zmiany cen

Make ma około 275–280 opinii na G2 i ocenę około 4,6/5. Recenzje cenią elastyczność, cenę i wizualny debug, ale wskazują krzywą nauki, trudność diagnozy dużych scenariuszy oraz nieprzewidywalność agentów. Jedna z 2026 r. wprost zauważa, że AI Agent nie jest deterministyczny i nie powinien zastępować prostego transferu danych. To zgodne z własną dokumentacją Make. G2

Najważniejsze ograniczenia:

• Make AI Agents (New) jest nadal oznaczony jako open beta; funkcje i ceny mogą się zmienić;
• jakość polskiego, tool selection, reasoning i RAG nie przeszła wspólnego testu;
• zwykły MCP Server ma szeroki zakres; granularność wymaga Toolboxes;
• toolbox używa bearer keys i ma 40-sekundowy timeout;
• read only jest adnotacją dla klienta, a nie zastępstwem minimalnych uprawnień;
• instrukcje agenta nie gwarantują zatrzymania prompt injection ani tool misuse;
• thread history zwiększa kontekst, koszt i ryzyko cross-session leakage;
• credits dla AI są dynamiczne, a BYOK rozdziela rachunek między Make i providera;
• współdzielony wizualny workflow nadal wymaga testów regresji, idempotencji i kompensacji;
• opinie dotyczą głównie platformy Make, nie jakości nowej generacji agentów.

Profil zweryfikowano 2026-09-20. Linki źródłowe znajdują się bezpośrednio przy wspieranych twierdzeniach.