От поисковой строки к ИИ-агенту: зачем мы открыли Туту через MCP и что увидели на хакатоне
Представим обычную задачу: хочется куда-нибудь уехать на выходные. Есть бюджет, свободная суббота и воскресенье, желание оказаться у воды и условие вернуться домой до полуночи.В привычном интерфейсе сначала приходится решить, куда ехать. Потом отдельно проверить билеты, посмотреть отели, сравнить время в пути и цены, вернуться к первому варианту, потому что второй оказался слишком дорогим, и заново собрать поездку.
Хорош хардкодить кривые MCP: превращаем любой скрипт в инструмент LLM за 2 секунды
Давайте будем честны: текущее состояние вызова функций (Function Calling) у LLM и экосистемы MCP (Model Context Protocol) вызывает изжогу в лучшем случае. Чтобы дать агенту возможность сделать curl или дернуть локальный скрипт, современному разработчику предлагают:Описать килобайты монструозных JSON-схем прямо в системном промпте (и спалить 15-30k токенов контекста еще до первого вопроса пользователя).Написать полноценный сетевой MCP-сервер со своим бойлерплейтом, SDK и зависимостями.Завернуть всё это в жирный Docker-контейнер, выделив 200 Мб ОЗУ ради выполнения элементарного скрипта на три строки.
Как мы превратили правила команды разработки в инструкции для LLM-агента
Привет, Хабр! На связи команда разработки Just AI. Сегодня расскажем, как мы автоматизировали часть задач в процессах разработки с помощью LLM-агента. Не генерацию функций и не написание кода по промпту — с этим кодинг-ассистенты уже неплохо справляются. Нас интересовало другое: что происходит с задачей до и после того, как разработчик закончил писать код.
ИИ‑агент внутри КОМПАС-3D: пишет код, строит деталь и проверяет результат
Я сделал ИИ‑агента для КОМПАС-3D: он живёт прямо в окне программы, принимает запрос текстом или фотографией и строит параметрическую деталь — не мёртвую геометрию в step, а дерево построения с переменными, которое пригодно для редактирования.Агент пишет код и сам смотрит на то, что построил, — анализирует рендеры «глазами» через VLM.В статье: как хорошо агент справляется с моделированием по тексту и чертежам уже сейчас, почему один блок кода лучше десяти tool'ов и почему агенту мало просто «видеть» результат.
AI уже пишет приложения. Почему мы до сих пор деплоим их по-старому?
Cursor и Claude Code уже умеют за вечер собрать то, на что раньше уходила неделя. Интерфейс, API, авторизация, база, какой-нибудь бот сбоку. Ты сидишь, киваешь умному терминалу и постепенно начинаешь верить, что будущее наконец наступило.А потом приложение нужно выложить в интернет.И тут мы бежим к Сереге девопсеру и просим его - сделай, бро, красиво.
Как дать нейросети управлять рекламой и не разориться: MCP-сервер, где деньги тратит только человек
Полгода назад по сети разошлась история про AI-агента, который слил 441 тысячу за один твит — модель приняла решение, у неё был доступ к исполнению, и никто не стоял между решением и деньгами. С тех пор каждый раз, когда речь заходит про «дать агенту управлять чем-то важным», всплывает один и тот же страх: а если он сделает глупость с реальными деньгами?
Как я индексировал экосистему MCP: 9 источников, 80 000 серверов и куча нюансов
главная ну типаПолтора года назад MCP‑серверов были десятки, сейчас десятки тысяч. Найти нужный стало отдельной задачей: официальный реестр хранит голые метаданные, awesome‑списки устаревают за неделю, а у большинства каталогов нет главного, установки и проверки безопасности.
MCP без облака
Про MCP (Model Context Protocol) сейчас не писал разве что самый ленивый. Обычно его используют, чтобы собрать агента: дать модели доступ к почте, календарю, паре внешних API — чтобы она бронировала встречи или присылала мемчик каждое утро. А вот про то, что возможности MCP шире и применять его можно не только привычным способом, написано мало.
MCP для агентной коммерции: что может пойти не так
Представьте диалог c вашим любимым ИИ‑инструментом:— Найди поездку в Казань на выходные, до 20 тысяч рублей и с нормальным отелем.— Секунду, подбираю…«Подбираю» в этом диалоге — это некоторый чёрный ящик. Под ним могут скрываться воспоминания модели из обучения, попытки воспользоваться веб‑браузером, поиском в интернете. Такие обращения могут содержать различного рода погрешности.А вот чтобы это «подбираю» означало поиск по реальным ценам и наличию агент должен уметь обращаться к базе данных с билетами. Именно для этого мы вместе с командой Туту выпустили
