mcp. - страница 5

mcp.

Один час в мире без AI‑агентов: от токенов до MCP

Представьте, что сейчас 2 023 год и готовых AI‑агентов ещё нет. Есть только обычная LLM, которая умеет продолжать текст. Что нужно к ней добавить, чтобы она смогла читать файлы, искать информацию, запускать команды, исправлять код и сама решать, какой следующий шаг сделать?

продолжить чтение

RAG после reranker: от корпоративного поиска к агенту, которому можно поручить исследование

Привет, Хабр! На связи Александр Михеев, ML-инженер Центра гибридного интеллекта в Рунити. В первой статье

продолжить чтение

MCP как новая поверхность атаки: как контролировать серверы, skills и tool calls, а не только промпты

ИИ-агент на рабочей станции работает с правами локального пользователя. Он может читать почту и ходить в SharePoint, запускать команды, работать с файлами и вызывать инструменты через MCP. Это означает, что защита «на уровне промпта» через LLM Firewall и фильтрацию запросов к модели закрывает только часть поверхности. Основной риск теперь в действиях агента: вызов инструментов (tool call), вызов MCP-сервера, skills или доступ к корпоративным ресурсам.Ниже разбираем, как именно выглядит атака через косвенную инъекцию, какие механизмы INFERA AI.SafeAgent её останавливают и почему заказчики требуют именно такой класс контроля.

продолжить чтение

Замена Lens, которую целиком написала модель: что получилось и где мы проигрываем

Зачем ещё один Kubernetes‑клиентSextant — десктопный клиент Kubernetes на Rust и Tauri 2: всё, что вы делали в Lens, без аккаунта, сервера и телеметрии, плюс встроенный MCP‑сервер для AI‑агентов. Проект открытый (MIT или Apache-2.0), сборки есть для Linux, macOS и Windows.Меня зовут Юрий Потемкин, я CTO в REES46 и 25 лет в IT. Kubernetes для меня — ежедневная работа: высоконагруженные системы на 120 тысяч запросов в секунду и несколько кластеров одновременно. Lens долго был открыт у меня с утра до вечера, и за это время накопилось три боли.

продолжить чтение

Как превратить Cursor в долговременную память проекта: LLM Wiki, QMD и Cursor CLI

> Практический кейс интеграции LLM Wiki и локального поиска в рабочий процесс Cursor. Ссылка на исходные конфигурации и skills — в конце статьи.Большой контекст в Cursor помогает ровно до момента, когда проект начинает жить дольше одного чата. В одной сессии обсуждается исходная постановка задачи, в другой — устройство витрины, в третьей внезапно выясняется, что показатель должен считаться немного иначе, а ещё через неделю приходится заново объяснять агенту, почему первое очевидное решение уже было отвергнуто.

продолжить чтение

Сутки из жизни G3A1SF: как я учу агента без backprop — днём он живёт, ночью учится

Колония шиншилл: у каждого агента своя память, общая клеткаКолония из демо NOWA. Каждый зверёк — отдельный экземпляр одного и того же когнитивного ядра со своей памятью. Подписи вроде G0A5SF

продолжить чтение

Локальный ИИ-ассистент по базе знаний компании: RAG поверх вики, файлов, 1С и Битрикс24

Зачем это вообще нужноВ любой компании старше пары лет знания размазаны по вики, папкам с регламентами, почтовым перепискам, 1С и Битрикс24. Новичок ищет нужный документ полчаса или идёт спрашивать коллегу, и коллега отвлекается.Очевидный ответ — «давайте сделаем ChatGPT по нашим документам». Но почти всегда тут же звучит требование: данные не должны уходить в чужое облако. Значит, модель, поиск и хранилище должны жить на своём железе.

продолжить чтение

Как я собрал бесплатную мультиагентную среду за 10 дней и упаковал её в инструкцию на 30 минут

Я потратил десять дней на то, чтобы собрать на своём компьютере работающего ИИ‑агента. Причём стартовал я с полного нуля: до этого я вообще ничего не знал ни про MCP, ни про агентов, ни про то, как они подключаются к программам. Каждый шаг приходилось искать, пробовать, отбрасывать и пробовать заново. Не «чат в браузере», а полноценную среду, которая видит мои программы и файлы и умеет в них писать. Потом я упаковал весь этот путь в пошаговую инструкцию, которая проходится за 30–60 минут.

продолжить чтение

Записать — не значит вспомнить: месяц внешней памяти для ИИ-агента

Однажды я потерял чат. Не то чтобы катастрофа — обычная рабочая сессия по проверке студенческих домашек. Экспорт я не делал, в лог ничего не писал. И чат пропал. Скорее всего, я сам его и удалил, но точно уже не вспомню.

продолжить чтение

Локальный семантический поиск по заметкам как MCP-сервер: нарезка под лимит модели и кэш

У меня есть папка с конспектами созвонов и расшифровками встреч, и искать в ней по слову неудобно: я помню, что обсуждали найм, а в файле написано «собеседование» и «кандидат», и обычный поиск по тексту такой файл не находит. Отправлять заметки во внешний сервис ради эмбеддингов мне не хотелось, поэтому я собрал маленький MCP-сервер, который ищет по смыслу прямо на моей машине, и подключил его к Claude Code. Всё работает без платных API, а заметки не покидают компьютер.

продолжить чтение

1...345678...2030...39