В статье представлена система CryoPilot, использующая два агента на основе языковых моделей для автоматизации процесса определения структуры белков методом крио-электронной микроскопии (крио-ЭМ). Первый агент самостоятельно обрабатывает данные от сырых микрографов до трехмерной реконструкции, оценивая промежуточные результаты и выбирая оптимальные параметры в CryoSPARC, что минимизирует необходимость ручного вмешательства. Второй агент отвечает за построение атомных моделей с помощью CryoZeta, проверяя их соответствие карте плотности и геометрию, а также устраняя несущественные участки. Исследование включало тестирование на девяти публичных наборах данных EMPIAR, где восемь реконструкций достигли разрешения от 2.61 до 3.51 Ангстрем. Для сложных случаев, таких как альфа-латрокрустотоксин, система смогла улучшить разрешение с 5.9 до 4.15 Ангстрем, предложив альтернативную стратегию выбора частиц. Разработанная архитектура обеспечивает адаптивность и полную аудируемость каждого решения, сохраняя историю всех изменений в базе данных сессий. Данный подход демонстрирует высокую эффективность в автоматизации сложных вычислительных конвейеров, характерных для структурной биологии.