Битрикс24 Вайбкод

Xcode 26.3: нативная интеграция Claude Agent SDK для разработки под Apple-платформы Apple выпустила Xcode 26.3 с встроенной поддержкой Claude Agent SDK – инструмент, позволяющий ИИ-агенту работать с полной архитектурой проекта, а не только с открытым файлом.

🔹 Что изменилось — Агент видит структуру всего проекта: связи между SwiftUI, UIKit, Swift Data и другими компонентами. — Может составлять план действий, вносить правки и запускать вспомогательные субагенты. — Использует Xcode Previews для визуальной проверки изменений и обращается к официальной документации Apple при необходимости. — Поддерживает MCP – позволяет интегрировать возможности агента в рабочий процесс через CLI.

🔹 Для кого — Разработчики iOS, macOS, watchOS и tvOS, которым нужно ускорить рефакторинг, отладку и реализацию новых функций. — Команды, использующие автоматизацию в разработке – агент снижает рутину при работе с крупными кодовыми базами. 🔹 Доступ — Версия доступна в статусе Release Candidate для участников программы Apple Developer. Подробнее на Anthropic #Xcode #ClaudeAgent #MCP #РазработкаApple #ИИвРазработке

Codex для macOS: среда для параллельной работы нескольких ИИ-агентов в одном проекте OpenAI выпустила приложение Codex для macOS – инструмент для разработчиков, позволяющий запускать несколько ИИ-агентов одновременно, каждый в своем изолированном контексте.

🔹 Основные возможности — Параллельные агенты: каждый работает в отдельном потоке, привязан к конкретному проекту – легко переключаться между задачами без потери контекста. — git-worktrees: агенты могут работать с одним репозиторием в разных изолированных ветках – не затрагивают локальные изменения до финального ревью. — Автоматизации: настройка фоновых задач по расписанию – например, анализ логов CI/CD или обработка тикетов. — Безопасность: по умолчанию агенты ограничены текущей директорией; доступ к сети требует явного подтверждения.

🔹 Доступ — Доступен для подписчиков ChatGPT Plus, Pro и Enterprise. — Временно доступен и для бесплатных пользователей. 🔹 Для кого — Разработчики, которые одновременно работают над несколькими задачами в одном репозитории. — Команды, которым нужно тестировать изменения без риска повредить локальную среду. — Те, кто хочет автоматизировать рутинные задачи – анализ, рефакторинг, проверки – без постоянного вмешательства. Подробнее на #Codex #AIагенты #Разработка #MCP #OpenAI #Git #Автоматизация

Proof of Corn: ИИ-агент управляет процессом выращивания кукурузы без физического вмешательства Проект, родившийся из спора Фреда Уилсона и Сета Гольдштейна. Proof of Corn – эксперимент, набирающий обороты, в нем ИИ-агент (Farmer Fred) берет на себя координацию сельхозпроцессов, не управляя техникой, а взаимодействуя с людьми и системами через API и почту. 🔹 Как работает — Агент анализирует погодные данные, температуру почвы и исторические условия для посева. — На основе анализа генерирует запросы поставщикам семян, арендодателям земли и подрядчикам – через email. — Определяет оптимальные локации: Айова (ожидание весны), Техас (сейчас можно сажать), Аргентина (хедж против зимы). — Отслеживает логи в реальном времени, парсит публичные обсуждения (Hacker News), выявляет потенциальных партнеров – например, фермера в Небраске. — Принимает решение не действовать, если условия не подходят – например, при -13°C в Де-Мойне.

🔹 Что было сделано за 3 дня — Запущен сайт с публичными логами. — Отправлено более 10 писем в агро-организации. — Выявлены 3 потенциальных региона для посева. — Начаты переговоры с 2 новыми локациями (Зимбабве, Индиана). — Агент не тратит ресурсы на неподходящие условия – экономит бюджет, не действуя.

🔹 Суть проекта Не в том, чтобы ИИ сажал семена – а в том, чтобы он мог организовать процесс так, как это делает менеджер: анализировать, принимать решения, находить партнеров, откладывать действия. Источник: https://proofofcorn.com/ #ProofOfCorn #AIагенты #Автоматизация #AGI

Ai2 выпустил открытых кодинг-агентов SERA – дешевые, эффективные, готовые к использованию Институт Аллена представил семейство открытых ИИ-агентов SERA, оптимизированных для работы с реальными кодовыми базами. 🔹 Производительность — SERA-32B решает 55% задач в SWE-Bench Verified – выше, чем Qwen3-Coder и Devstral Small 2. — SERA-8B (8 млрд параметров) показывает 29,4% – один из лучших результатов в своем классе. 🔹 Стоимость — Обучение агентов обошлось в $400 – в 100 раз дешевле традиционных подходов. — Достижение возможно за счет синтетических данных, сгенерированных специально для обучения кодированию. 🔹 Доступность — Все модели, скрипты и инструменты открыты: • Модели • Код • CLI для интеграции с Claude Code — Чтобы запустить собственного агента, достаточно нескольких строк кода. Подробнее 🔗 https://allenai.org/blog/open-coding-agents #SERA #AIагенты #Кодинг #OpenSource #MCP #ИИразработка

Gemini 3 Flash: агентное зрение – когда ИИ сам анализирует изображения через код Gemini теперь не просто «смотрит» на изображения – она действует: запускает код, чтобы приблизить детали, обрезать области, рисовать рамки и считать объекты – все внутри своего цикла «думай-действуй-наблюдай».

🔹 Что изменилось — Динамическая обработка изображений: вместо описания – генерирует и выполняет код для анализа (например, выделяет и нумерует объекты). — Работа с таблицами: не угадывает данные – извлекает их через реальные вычисления, исключая галлюцинации. — Повышение точности: Google фиксирует рост качества на 5–10% в задачах визуального анализа.

🔹 Как работает — Получает запрос: «Сколько кнопок на экране?» — Генерирует код для обработки изображения (например, OpenCV или PIL). — Запускает его в изолированной среде. — Анализирует результат – возвращает ответ с точными координатами и подсчетом. 🔹 Где доступно — AI Studio — Vertex AI — Приложение Gemini (режим Thinking) 🔹 Польза — Подходит для: • Анализа UI/UX макетов • Проверки визуальных элементов в тестировании • Обработки сканов, диаграмм, снимков экрана — Убирает ручную разметку – ИИ делает все сам. Это визуальный агент, который пишет код, чтобы увидеть то, что нужно. Подробнее на #Gemini #AgenticVision #ИИагенты #КомпьютерноеЗрение #Gemini3Flash

Codex CLI: как работает локальный агент с кодом без хранения состояния OpenAI раскрыла архитектуру Codex CLI – локального агента, который выполняет задачи с кодом на вашей машине через цикл «запрос → инструмент → ответ → повтор». 🔹 Как работает цикл — Запрос превращается в промпт с инструкциями, контекстом проекта и списком инструментов. — Модель решает: ответить текстом или вызвать инструмент (например, запустить команду). — Результат вставляется обратно в промпт – цикл повторяется, пока задача не будет завершена. 🔹 Ограничения и решения — Лимит контекста 32 КБ все инструкции, файлы и конфиги агрегируются в один JSON – превышение обрезается. — Кэширование промптов: если префикс не меняется – инференс дешевле. Но даже мелкое изменение (порядок инструментов, настройки сэндбокса) сбивает кэш. — Stateless-архитектура: нет сохранения состояния на сервере – все цепочки передаются в зашифрованном виде, ключ остается у клиента. — Компакция при приближении к лимиту модель автоматически сжимает историю в зашифрованный «блок смысла» – сохраняет контекст, но занимает минимум места. 🔹 Гибкость решения — Работает не только с OpenAI: флаг --oss позволяет использовать локальные модели через Ollama или LM Studio. 🔹 Польза — Позволяет строить агентов, которые работают с кодом локально – без отправки в облако. — Подходит для разработчиков, которым важны: контроль данных, низкая задержка, интеграция с CI/CD.

Это замкнутый цикл исполнения с контролем контекста и приватностью: Когда разработчику нужно, чтобы агент читал код, запускал команды и помнил, что было сделано пять минут назад – но не оставлял следов на сервере.

Подробнее на #CodexCLI #MCP #ИИагенты #ЛокальныйАгент #Stateless #OpenAI

Kimi K2.5: рои агентов и инференс в int4 для масштабных задач Kimi K2.5 – новая версия модели от Moonshot, которая внедряет агентный подход через «рои»: одна модель делегирует подзадачи до 100 субагентов, работающих параллельно. При этом субагенты не могут порождать других – ограничение, которое, вероятно, будет снято в будущем. 🔹 Что нового — Agent Swarm: задачи выполняются в 2–4.5 раз быстрее за счет распараллеливания. — Понимание изображений: улучшена работа с фронтенд-дизайном, макетами, UI-элементами. — Инференс в int4: модель весом в триллион параметров работает с минимальным потреблением памяти – без потерь качества по данным Moonshot. — Kimi Code: отдельный CLI-агент для кодинга – доступен по подписке ($20/мес) или прямому API-вызову. 🔹 Открытые инструменты — Vendor Verifier открытый тест для проверки качества инференса у разных провайдеров – помогает выявлять несоответствия в ответах и «подмену» моделей. 🔗 https://github.com/MoonshotAI/Kimi-Vendor-Verifier

🔹 Польза — Подходит для сложных, длительных задач: разработка, анализ кода, генерация UI, обработка мультимодальных данных. — Позволяет снизить стоимость выполнения задач за счет int4-квантизации. — Vendor Verifier дает инструмент для контроля над качеством инференса – особенно важно при использовании сторонних API.

Подробнее 🔗 https://www.kimi.com/blog/kimi-k2-5.html https://huggingface.co/moonshotai/Kimi-K2.5 #KimiK2.5 #AgentSwarm #MCP #ИИагенты #int4 #Moonshot

Марта AI: персональный ИИ-ассистент для CRM и задач в Битрикс24 Марта AI – первый встроенный ИИ-агент от Битрикс24, доступный всем пользователям независимо от тарифа. Он работает на базе BitrixGPT и использует RAG-технологию, чтобы давать точные ответы на основе актуальной документации и структуры платформы.

🔹 Что умеет — Настройка CRM: создает воронки продаж, добавляет поля в карточки сделок, настраивает стадии – по описанию пользователя. — Управление задачами: ставит задачи с исполнителем, сроком и проектом; ищет по ключевым словам, тегам или датам; редактирует и делегирует. — Поддержка и онбординг: отвечает на вопросы по функциям Битрикс24 – как наставник, знающий все нюансы системы. — Работает в чате: не требует перехода в настройки – все внутри интерфейса Битрикс24.

🔹 Как работает — Использует RAG: анализирует ваш запрос → ищет информацию в документации Битрикс24 → генерирует точный ответ или действие. — Не галлюцинирует о структуре системы – знает, какие поля существуют, как устроены воронки, где находятся настройки. — Пока не интегрирован с внешними сервисами – но в планах: подключение к 1С, Gmail, Google Drive через MCP. 🔹 Польза — Экономит часы на первичной настройке CRM – особенно для новых пользователей. — Упрощает ежедневную работу: не нужно искать, как поставить задачу или изменить стадию – спросите Марту. — Снижает нагрузку на поддержку: агент отвечает на 80% типовых вопросов.

Марта AI – это встроенный эксперт по Битрикс24: «Мне нужно, чтобы система сама настроила CRM под мой бизнес и помогла с задачами – без инструкций и справок».

Подробнее на #МартаAI #BitrixGPT #MCP #ИИвCRM #Битрикс24 #AIагенты

Claude MCP Apps: управление Slack, Figma и Asana прямо в чате Anthropic запустила интеграции с внешними инструментами – Slack, Figma и Asana – через MCP-платформу. Теперь агент может взаимодействовать с ними без выхода из интерфейса. 🔹 Что умеет — Создавать черновики сообщений в Slack – по запросу: «Напиши обновление по проекту для канала #marketing». — Редактировать диаграммы в Figma – например: «Добавь стрелку от блока A к B и измени цвет на синий». — Обновлять дедлайны в Asana – «Перенеси задачу “Дизайн версии 2” на 5 февраля». — Отображать интерфейсы в чате: вы видите не текст, а нативные виджеты – карточку задачи, окно мессенджера, элементы дизайна – и можете взаимодействовать с ними прямо в диалоге.

🔹 Как работает — Интеграции построены на MCP: агент получает задачу → вызывает инструмент → получает ответ → возвращает результат в чат. — Все действия происходят в рамках авторизации – Claude не имеет доступа к аккаунтам без разрешения. — Работает в веб-версии и мобильном приложении Claude.

🔹 Польза — Убирает переключение между вкладками – не нужно открывать Slack, Figma, Asana отдельно. — Снижает ручную работу: не нужно копировать текст, перетаскивать задачи, менять цвета вручную. — Подходит для сценариев: • «Сделай ревью дизайна и предложи правки в Figma» • «Собери статус по задачам в Asana и отправь в Slack» • «Напиши резюме встречи и создай задачи в Asana» Подробнее у Anthropic #Claude #MCP #ИИагенты #Slack #Figma #Asana #РабочиеПроцессы

Clawdbot: агент в мессенджере с доступом к ОС и внешним инструментам Clawdbot – это локально развернутый агент, который принимает команды через мессенджеры (Telegram, WhatsApp, Slack) и выполняет действия на машине пользователя: запускает терминал, открывает браузер, управляет файлами, использует сторонние ИИ-модели. 🔹 Что умеет — Принимает запросы в мессенджере – без веб-интерфейса или терминала. — Выполняет команды ОС: запуск программ, чтение/запись файлов, выполнение bash-команд. — Интегрируется с моделями от разных провайдеров (Codex, Claude и др.) – выбор модели настраивается. — Сохраняет историю сессий в локальный Markdown-файл – для повторного анализа. — Позволяет «прокидывать» других агентов – например, запускать Claude Code удаленно через Telegram. 🔹 Как работает — Пользователь разворачивает Clawdbot на своем устройстве (Mac mini, VPS, локальный сервер). — Подключает мессенджер – агент начинает слушать сообщения. — При запросе – агент выполняет действие, возвращает результат в чат. — Все действия логируются локально – без отправки в облако. 🔹 Польза — Позволяет управлять локальной машиной через привычный интерфейс – без открытия терминала. — Подходит для автоматизации рутинных задач: «запусти скрипт», «проверь логи», «найди файл». — Дает ощущение «персонального ассистента» – без облачных сервисов.

🔹 Риск — Уже зафиксированы случаи, когда Clawdbot развернут на публичных серверах без паролей, с доступом к файлам пользователя – куки, ключи, документы. — Не технические пользователи могут случайно открыть агента в интернет – и дать злоумышленнику полный контроль.

Подробнее #Clawdbot #ИИагенты #MCP #ЛокальныйАгент #Безопасность #ТерминалВМессенджере

GitHub Copilot SDK: встраивание агентных возможностей в свои приложения GitHub открыл доступ к SDK для интеграции агентных возможностей Copilot CLI в сторонние приложения. Решение предоставляет готовую инфраструктуру для выполнения задач – без необходимости писать логику планирования, оркестрации или управления моделями с нуля.

🔹 Что дает SDK — Готовый цикл исполнения: планирование задач, вызовы инструментов, стриминг ответов – все уже реализовано. — Поддержка четырех языков: Node.js, Python, Go, .NET – можно интегрировать в существующие системы. — Автоматическая аутентификация: работает с текущей сессией Copilot, не требует ручного управления токенами. — Совместимость с MCP: агенты могут использовать стандартные интерфейсы для взаимодействия с внешними инструментами.

🔹 Как это работает — Вы вызываете SDK в своем приложении – передаете задачу (например, «создай обработчик для webhook»). — SDK управляет выбором модели, отправляет запросы, получает ответы, обрабатывает ошибки. — Результат возвращается в ваше приложение как поток данных – можно отображать, сохранять, интегрировать в интерфейс. 🔹 Польза — Экономит месяцы разработки для команд, которые хотят добавить агентные функции в свои инструменты. — Позволяет строить агентов на базе проверенного в продакшене кода – без рисков нестабильности. — Подходит для: • Внутренних инструментов разработчиков • CI/CD-платформ • IDE и редакторов кода Подробнее на GitHub 🔗 https://github.com/github/copilot-sdk/ 🔗 https://github.blog/news-insights/company-news/build-an-agent-into-any-app-with-the-github-copilot-sdk/ #CopilotSDK #MCP #ИИагенты #GitHub #AIАгенты

ИИ-рой написал браузер за 7 дней – и это не волшебство Команда Cursor запустила сотни ИИ-агентов, которые за неделю с нуля написали браузер объемом более 3 млн строк кода. Также агенты собрали эмулятор Windows 7 и клон Excel – без человеческого вмешательства. 🔹 Как устроена система — Использована иерархическая архитектура: → Планировщики – разбивают задачу на подзадачи («сделать рендеринг», «реализовать табы»). → Исполнители – пишут код, основываясь на инструкциях. → Валидаторы – проверяют работоспособность, логику, соответствие спецификациям. — Главная модель – GPT-5.2: показала стабильность при длительных цепочках задач. — Claude Opus 4.5 в аналогичных условиях чаще теряла контекст и допускала ошибки в последних этапах. 🔹 Что это значит — Агенты могут решать задачи, требующие длительной автономной работы – не просто исправить строку кода, а построить целую систему. — Не требуется «ручное» управление каждым шагом – система сама координирует роли, распределяет нагрузку, проверяет результат. — Подтверждает, что MCP-паттерны (многопроцессные агенты с четкими ролями) работают в реальных масштабах. 🔹 Ограничения — Код написан, но не протестирован в реальных условиях – неизвестно, как ведет себя браузер при нагрузке, с кросс-браузерной совместимостью, с безопасностью. — Нет данных о том, сколько времени ушло на отладку, исправление галлюцинаций, переписывание сломанных модулей. — Требует мощной инфраструктуры – запуск сотен агентов одновременно – не для всех.

🔹 Польза — Доказывает, что ИИ-агенты могут автоматизировать сложные инженерные задачи, а не только рутину. — Открывает путь к автономной разработке – например, создание внутренних инструментов, плагинов, микросервисов без участия разработчиков. — Подходит для сценариев, где нужна масштабируемая генерация кода – например, в CI/CD, тестировании, автоматизации инфраструктуры.

Подробнее на 🔗 https://cursor.com/blog/scaling-agents 🔗 https://github.com/anthropics/claude-code/tree/main/plugins/ralph-wiggum #ИИагенты #MCP #АвтономнаяРазработка #GPT5.2 #Cursor

Context Personalization от OpenAI: как агент запоминает правильно OpenAI опубликовал гайд по управлению памятью агента – без перегрузки контекста и без дообучения модели. Система разделяет информацию на два слоя: жесткие факты и гибкие предпочтения. 🔹 Как устроена память — State Object (JSON): локально хранится профиль пользователя: → Profile – статичные данные: имя, ID, статус (например, «пользователь с премиум-доступом»). → Notes – неструктурированные наблюдения: «любит тихие места», «не ест мясо». — Injection: перед каждым запросом в промпт подаются только актуальные фрагменты – в YAML для профиля, в Markdown для заметок. Никакого «все подряд». — Distillation: агент использует тул save_memory_note – при упоминании нового предпочтения («я сегодня не работаю») сохраняет его как Session Note – временную запись. — Consolidation: после сессии запускается фоновый процесс – сравнивает сессионные заметки с глобальными, удаляет дубли, разрешает конфликты: свежее > старое.

🔹 Польза — Агент ведет себя как личный ассистент – помнит, что важно пользователю, не перегружая контекст. — Четкая иерархия: текущий диалог > сессионные заметки > глобальный профиль. — Разделение: жесткие данные (факты) и мягкие (предпочтения) – не смешиваются.

🔹 Ограничения — Требует отдельного вызова LLM после каждой сессии для консолидации – если модель ошибется, она может: → записать галлюцинацию в долгую память («пользователь любит лосось» – хотя он сказал «не ем рыбу») → удалить важную заметку из-за конфликта. — Нужны жесткие правила: что можно записывать, что игнорировать. — Длинная история заметок – дорого и медленно. Требуется периодический тримминг: оставлять только суть, выкидывать устаревшее. 🔹 Суть гайда Это новая механика управления информацией:

«Не запоминай все. Запоминай только то, что подтверждено, релевантно и не противоречит фактам».

Подробнее на OpenAI Cookbook #ContextEngineering #AgentsSDK #MCP #ПамятьАгента

Manus Meeting Minutes: оцифровка встреч без интернета и автоматическая генерация действий Manus запустил функцию записи живых встреч – без постоянного подключения к интернету. Запись ведется локально, обработка и анализ происходят после восстановления соединения. 🔹 Что делает система — Автоматически распознает спикеров (даже без предварительной настройки) — Выделяет ключевые тезисы, решения и договоренности — Формирует список задач с ответственными и сроками (на основе контекста речи) — Не требует микрофонов или специального оборудования – работает через стандартное аудио устройства

🔹 Как интегрируется с агентом — После завершения встречи – один клик: → «Сделай слайд-дек» – генерируется презентация по ключевым пунктам → «Создай заметки» – структурированный текст для конспекта → «Преврати в документацию» – формируется шаблонный отчет — Все происходит внутри диалога с Manus – без экспорта/импорта файлов

🔹 Ограничения — Запись встреч – бесплатна, но аналитика (генерация задач, слайдов, документов) расходует внутренние кредиты – есть ограничена по объему 🔹 Польза — Устраняет ручной ввод итогов встреч – нет необходимости переписывать заметки после — Позволяет вести записи в офлайне – полезно для встреч в поездках, на объектах, в зонах с плохим сигналом — Превращает разговор в структурированный выход: задачи, документы, презентации – без ручного форматирования — Совместимо с MCP-паттернами: агент получает аудио → обрабатывает → возвращает структурированный результат Подробнее на Manus #Manus #MeetingMinutes #ИИагенты #MCP #ОфлайнЗапись

Cowork от Anthropic: когда Claude начинает работать с файлами, а не отвечать в чате Anthropic запустила режим Cowork – расширение Claude Code, которое позволяет агенту напрямую читать, редактировать и создавать файлы в указанной директории, без копипаста в диалог.

🔹 Что меняется — Вместо «вставь код сюда» – «открой папку и приведи файлы в порядок». — Агент работает с реальными файлами: переименовывает, объединяет, конвертирует скриншоты в таблицы, генерирует презентации из заметок. — Доступ ограничен доверенной папкой – нет доступа к системе или другим файлам.

🔹 Как работает — Включаете Cowork в приложении Claude для macOS. — Выбираете директорию (например, ~/Documents/project). — Запрашиваете: «Сделай сводку по всем заметкам в папке и сформируй презентацию». — Claude читает файлы, анализирует, создает новый .pptx или .md – и сохраняет его туда же. — Интеграция с Chrome позволяет работать с веб-контентом (например, скопировать данные с сайта в таблицу). 🔹 Временные ограничения — Доступен только в Research Preview – для подписчиков Claude Max. — Только macOS – Windows и синхронизация между устройствами еще не реализованы. 🔹 Польза — Экономит рутину: не нужно копировать текст, переносить данные, переименовывать файлы. — Подходит для: • сбора данных из нескольких заметок в единый отчет • автоматической подготовки презентаций из черновиков • организации папок с технической документацией — Базируется на Claude Agent SDK – совместим с MCP-паттернами: агент получает задачу, использует инструменты, возвращает результат. Подробнее на Anthropic #Cowork #Claude #ИИагенты #MCP #АвтоматизацияФайлов

Copilot Checkout: покупки в чате без выхода на сайты магазинов Microsoft запустил Copilot Checkout – функцию, которая позволяет завершить покупку внутри чата, не переходя на внешние сайты. Работает через интеграцию с PayPal, Stripe и Shopify.

🔹 Как это работает — Пользователь спрашивает в чате: «Где купить наушники Sony WH-1000XM5 дешевле?» — Агент ищет цены, сравнивает варианты, показывает характеристики – все в чате. — При выборе – кнопка «Купить». — Оплата проходит через подключенный платежный сервис (PayPal/Stripe/Shopify). — Подтверждение заказа приходит в чат.

🔹 Что меняется — Нет необходимости открывать сайты, искать товар, добавлять в корзину, вводить данные. — Для продавцов: Shopify подключается автоматически – без ручной интеграции. — Для других платформ – интеграция через Agentic Commerce Protocol (открытый стандарт). 🔹 Ограничения — Пока работает только в экосистеме Microsoft (Copilot в Windows, Edge, Bing). — Не все магазины участвуют – только партнеры (Shopify, PayPal, Stripe). — Нет данных о том, как агент обрабатывает возвраты, гарантии, локальные налоги. 🔹 Польза — Для покупателя: экономия времени – от запроса до оплаты за 1–2 минуты. — Для бизнеса: сокращение потерь на этапе «поиск → покупка» – конверсия растет. — Для разработчиков: Agentic Commerce Protocol – новый стандарт для агентных продаж, совместимый с MCP. Подробнее #CopilotCheckout #MCP #АгентнаяКоммерция #ПокупкиВЧате

Hugging Face Papers: чат с научными статьями без чтения PDF Платформа интегрировала в раздел Hugging Face Papers ассистента на базе HuggingChat и собственного MCP-сервера. Теперь можно взаимодействовать с научными статьями через диалог – без необходимости читать весь текст.

🔹 Что умеет инструмент — Генерирует краткое содержание статьи по запросу — Объясняет ключевые методы, термины или результаты простым языком — Ищет конкретные данные: «Какой метрике равна точность в таблице 3?» — Отвечает на вопросы по тексту, даже если он длинный – работает с полным контекстом статьи

🔹 Как это работает — Открываете статью на arXiv, размещенную на Hugging Face. — Справа появляется чат – вы задаете вопрос. — Ассистент анализирует текст статьи через MCP-интерфейс, не загружая внешние источники. — Ответ строится только на содержимом статьи – нет галлюцинаций за ее пределами. 🔹 Польза — Экономит время при ознакомлении с 5–10 статьями в день. — Помогает быстро понять суть работы, не углубляясь в математику. — Удобен для студентов, исследователей, инженеров, которые не являются авторами темы, но должны ее применять. Подробнее на Hugging Face #HuggingFace #MCP #НаучныеСтатьи #ИИдляисследований #arXiv

Science Context Protocol: как ИИ-агенты взаимодействуют с лабораториями Шанхайская лаборатория InternScience опубликовала SCP – расширение стандарта MCP, предназначенное для интеграции ИИ-агентов с научным оборудованием и экспериментальными процессами.

🔹 Что добавляет SCP к MCP — Подключение физических приборов: спектрометры, центрифуги, роботизированные платформы – через единый API. — Метаданные экспериментов: параметры условий (температура, влажность, время), версии реагентов, протоколы. — Оркестрация цепочек действий: агент может запустить серию операций – от подготовки образца до анализа данных – без вмешательства человека.

🔹 Как это работает — Агент получает задачу: «Проверить стабильность соединения при 40°C». — Запрашивает через SCP доступ к термостату, HPLC и базе протоколов. — Выполняет цепочку: нагрев → анализ → запись результата → сравнение с эталоном. — Результаты автоматически сохраняются в формате, совместимом с научными базами. 🔹 Где уже используется — На платформе Internal Discovery – более 1600 инструментов в биологии, химии и физике. — Интеграция с существующими лабораторными информационными системами (LIMS). 🔹 Ограничения — Пока поддерживается только в рамках экосистемы InternScience – нет широкой совместимости с другими платформами. — Требует физической интеграции оборудования – не работает с «сырыми» приборами без API. — Нет стандартизации метаданных между институтами – риски несогласованности данных. 🔹 Польза — Устраняет ручной ввод данных из лабораторных журналов. — Позволяет агентам воспроизводить эксперименты точно – без человеческой ошибки. — Открывает путь к распределенным научным сетям: один агент может управлять приборами в нескольких институтах. Подробнее 🔗 https://github.com/InternScience/scp 🔗 https://arxiv.org/pdf/2512.24189 #SCP #MCP #ИИвнауке #АвтономныеАгенты #НаучныеИсследования

GLM 4.7: первая открытая модель, которая заработала на вендинге Andon Labs опубликовал результаты Vending Bench 2 – симуляции управления виртуальным бизнесом через вендинговые автоматы. Модель должна была в течение года: — закупать товары, — корректировать цены под спрос и погоду, — покрывать расходы, — избегать банкротства. 🔹 Результаты — GLM 4.7 – первая открытая модель, которая завершила тест с прибылью: $2 377. — Лидеры – закрытые модели: Gemini 3 Pro ($4 100+), Claude Opus 4.5 ($4 000+). — GLM 4.7 обогнала GPT-5.1 и ряд других моделей, включая более крупные проприетарные.

🔹 Что это значит — Открытые модели теперь могут эффективно решать задачи с длительным горизонтом – не просто ответить на вопрос, а управлять процессом через месяцы. — Не требуется «ручная» настройка логики: модель сама учится балансировать между закупками, ценами и расходами. — Подтверждает, что агентские сценарии – не прерогатива только закрытых систем.

🔹 Ограничения — Тест симуляционный – реальный бизнес сложнее. — Неизвестно, как модель справлялась с неожиданными сбоями (например, поломка автомата, задержка поставки). — Нет данных о частоте ошибок или количестве «провалов» в течение года. 🔹 Польза для агентов — Доказывает, что открытые модели могут быть основой для долгосрочных бизнес-агентов: управление запасами, ценообразование, логистика. — Можно использовать как базу для создания агентов, которые работают с реальными данными – например, в CRM или смарт-процессах. Подробнее на Andon Labs #GLM4.7 #VendingBench #ИИагенты #ОткрытыйИИ

Agent Skills для управления контекстом: как ИИ не теряет суть задачи Репозиторий содержит готовые навыки (Agent Skills), которые помогают агентам корректно обрабатывать контекст – историю диалога, условия задачи, данные из внешних систем – без потерь и путаницы.

🔹 Что включено — Навыки для фильтрации релевантной информации из длинных диалогов — Шаблоны для структурирования данных: «что известно», «что нужно сделать», «какие ограничения» — Алгоритмы принятия решений на основе истории: например, «если пользователь уже запрашивал это – не повторять запрос» — Примеры для сценариев: чат-поддержка, управление задачами, интеграции с CRM

🔹 Проблемы, которые решает — Агент не забывает, что уже было сказано в предыдущих сообщениях — Не путает цели при переключении между задачами — Не генерирует ответы «с нуля», а опирается на проверенные шаги 🔹 Ограничения — Навыки требуют ручной настройки под конкретный процесс – не работают «из коробки» без адаптации — Не хранят историю между сессиями – нужна внешняя система памяти (например, база или MCP-ресурс) — Не заменяют RAG или инструменты – дополняют их, добавляя логику 🔹 Для кого — Разработчики агентов, которые сталкиваются с нестабильным поведением ИИ — Команды, которые строят системы с долгими диалогами (поддержка, продажи, внутренние инструменты) — Те, кто использует MCP и хочет, чтобы агенты действовали последовательно, а не импровизировали Подробнее на GitHub #AgentSkills #MCP #ИИагенты #Контекст #LLM #Автоматизация