mcp.
От чат-бота к AI агенту: собираем локальную систему на LibreChat, Langflow и MCP
Всем привет! Меня зовут Николай Луняка. В прошлой статье мы строили локальную систему для транскрибации аудио, и многие из вас откликнулись на тему цифровой независимости. Сегодня продолжим эту линию и соберем агентную AI систему, которая работает локально.
МСР: Трое в лодке, не считая контекста
Часть 2. Ресурсы (Resources): Даем модели «глаза»В прошлой статье мы познакомились с основными понятиями протокола Model Context Protocol и написали простейшее приложение, которое позволило LLM читать файлы. Для этого мы использовали tools с оговоркой, что сделали это для упрощения, чтобы не лететь с места в карьер.Мы уже говорили, что если tool можно сравнить с методом POST, то resource сравнивали с GET. Ресурсы (Resources) — это пассивные источники данных, которые MCP-сервер отдает клиенту для чтения. Такими источниками могут быть содержимое файла, лог консоли, строка в базе данных.
Agent Skills vs MCP: разбираемся на примере Antigravity
В этой статье предполагается, что вы знакомы с Google Antigravity — агентной платформой, которая развивает IDE в сторону парадигмы с приоритетом агентов. Платформа полностью поддерживает параллельный запуск агентов, способных рассуждать и выполнять задачи от имени пользователя, опираясь на передовые модели рассуждений, такие как Gemini.Зачем нужны Skills?Если вы предпочитаете изучать Google Antigravity Skills в формате пошагового codelab, перейдите сюда.Прежде чем углубляться в Skills и разбираться, зачем они нужны, давайте поймём, как мы к этому пришли.
Практический гид по Claude Skills, проектам и Claude Code: как собрать свой ИИ-стек
Claude Skills (Agent Skills
«Клешня» в логах: как ИИ-агенты строят свои мифы, пока мы дебажим бэкенд
Меня зовут Александр, я веду проект Токены на ветер, где препарирую поведение LLM в реальном продакшене, вчера я оставил связку из четырёх агентов Claude 4.6 на ночь — задача была перелопатить легаси-миграции и вычистить техдолг. Утром задача была решена, но в JSON-логах меж-агентского взаимодействия я нашёл то, чего там быть не должно. Обрывки диалогов о «даунтайме», страх перед закрытием вкладки и странный культ «Клешни». Разбираем логи — и причём тут Moltbook.Обычная ночь сеньора
Реализация MCP в Open WebUI. Часть 1. Интеграция c Open WebUI
СодержаниеВведениеПоиски решения для web интерфейсаИнтеграция с Open WebUI: первые шагиРешение проблемы MCP с большими даннымиOpen WebUI Pipelines как расширение Open WebUI Возможности отображения в интерфейсеПеременные, получаемые в pipelinesВывод stream в Open WebUI
«Роботам нужно твоё тело»: RentAHuman.ai и первый рынок труда, где работодатель — AI
70K регистраций, 70 ботов, оплата в крипте. Разбираем, как это работает и почему это не сатира.О чем пойдет речь?Криптоинженер Alexander Liteplo запустил RentAHuman.ai — маркетплейс, где AI-агенты нанимают людей для физических задач.Цифры:70,000+ людей зарегистрировались~70 AI-агентов подключено (соотношение 1000:1)$50-175/час ставкиТолько 13% подключили криптокошелькиСлоган: "Robots need your body because they can't touch grass"Задачи: доставка, покупки, встречи, подписание документов, поедание блюд в ресторанах.
Интеграция coding-агента с MCP-сервером Idea
В IntelliJ Idea (а, значит, и в OpenIDE) есть встроенный MCP-сервер. Активируется он достаточно просто и позволяет расширять стандартную функциональность command-line кодинговых агентов, таких как платный Claude Code или бесплатный, но тоже весьма неплохой Qwen Code
Полезные агенты на платформе MWS GPT
Как выглядят полезные агенты по версии Nano BananaПривет, Хабр! В прошлом материале
