Gli agenti AI con un tocco umano sono decisamente migliori rispetto ai sistemi agentici generali che cercano di automatizzare tutto. Il tocco umano si manifesta in fasi come la progettazione dei prompt, l'ingegneria del contesto, l'architettura degli agenti e, soprattutto, la valutazione. L'expertise nel dominio è molto importante.

Sono entusiasta di lanciare finalmente questo. Il mio server MCP ora offre notizie in tempo reale sul mercato azionario. Strumenti disponibili: • ottenere notizie • ottenere prezzi delle azioni • ottenere metriche chiave • ottenere bilanci finanziari Ci è voluto circa un mese per sistemare il server MCP, ma ora funziona bene. Altri strumenti finanziari in arrivo presto.

MCP sta diventando davvero bravo!

Che cos'è l'ingegneria del contesto❓ E perché ne parlano tutti...👇 L'ingegneria del contesto sta rapidamente diventando un'abilità cruciale per gli ingegneri AI. Non si tratta più solo di suggerimenti intelligenti; si tratta della sistematica orchestrazione del contesto. 🔷 Il Problema: La maggior parte degli agenti AI fallisce non perché i modelli siano scadenti, ma perché mancano del contesto giusto per avere successo. Pensaci: i LLM non sono lettori di mente. Possono lavorare solo con ciò che gli dai. L'ingegneria del contesto implica la creazione di sistemi dinamici che offrono: - Le informazioni giuste - Gli strumenti giusti - Nel formato giusto Questo assicura che il LLM possa completare efficacemente il compito. 🔶 Perché l'ingegneria dei prompt tradizionale non è sufficiente: Inizialmente, ci siamo concentrati su "parole magiche" per ottenere risposte migliori. Ma man mano che le applicazioni AI diventano complesse, un contesto completo e strutturato conta molto di più di una formulazione astuta. 🔷 4 Componenti Chiave di un Sistema di Ingegneria del Contesto: 1️⃣ Flusso di Informazioni Dinamico Il contesto proviene da più fonti: utenti, interazioni precedenti, dati esterni, chiamate agli strumenti. Il tuo sistema deve raccoglierlo tutto insieme in modo intelligente. 2️⃣ Accesso Intelligente agli Strumenti Se la tua AI ha bisogno di informazioni o azioni esterne, fornisci gli strumenti giusti. Formatta le uscite in modo che siano massimamente digeribili. 3️⃣ Gestione della Memoria - Breve termine: Riassumi conversazioni lunghe - Lungo termine: Ricorda le preferenze degli utenti tra le sessioni 4️⃣ Ottimizzazione del Formato Un breve messaggio di errore descrittivo batte sempre un enorme blob JSON. 🔷 La Conclusione L'ingegneria del contesto sta diventando la nuova abilità fondamentale perché affronta il vero collo di bottiglia: non la capacità del modello, ma l'architettura delle informazioni. Man mano che i modelli migliorano, la qualità del contesto diventa il fattore limitante. Condividerò di più man mano che le cose evolvono e diventano più concrete! Rimanete sintonizzati!! 🙌 ____ Se lo hai trovato interessante, condividilo con la tua rete. Trova me → @akshay_pachaar ✔️ Per ulteriori approfondimenti e tutorial su LLM, agenti AI e machine learning!

se mi dai il codice, posso eseguire il che significa che il valore nell'esecuzione è protetto dal codice ma l'IA sta rendendo la codifica più facile quindi le specifiche diventano il fossato perché se qualcuno ha le specifiche, può produrre il codice e può eseguire

Agenti che completano i captcha in modo casuale è davvero esilarante.

immagina un'interfaccia conversazionale modulare in cui: - selezioni il modello di tua scelta - scegli il tuo fornitore di ricerca - scegli gli strumenti MCP - accedi ai tuoi sistemi di file - gestisci la tua memoria, con sicurezza e privacy - paga man mano per i servizi utilizzati

Se qualcuno è confuso riguardo alle licenze software come lo ero io, ecco come le vedo ora. Le licenze software controllano cosa possono fare le persone con il tuo codice. La licenza MIT consente alle persone di fare qualsiasi cosa. Supponiamo che tu costruisca una libreria per il parsing di JSON con licenza MIT. Una startup può prendere il tuo codice, modificarlo e venderlo come parte del loro servizio API a pagamento senza darti nulla in cambio. Devono solo mantenere il tuo avviso di copyright nei commenti del codice. React utilizza MIT, quindi Facebook avrebbe potuto renderlo proprietario, ma ha scelto di mantenerlo aperto. Questa è la licenza "fai quello che vuoi". GPL costringe alla condivisione. Immagina di creare un framework web sotto GPL. Se qualcuno modifica il tuo framework per aggiungere nuove funzionalità, deve rilasciare quelle modifiche come GPL anche. Non possono vendere una versione proprietaria. WordPress utilizza GPL, quindi tutti i temi e i plugin di WordPress devono essere GPL anche. Se costruisci un CMS commerciale sopra WordPress, l'intero CMS diventa GPL. Questo mantiene tutto open source. Apache 2.0 gestisce meglio i brevetti. Scrivi una libreria di machine learning e qualcuno contribuisce con un algoritmo. Più tardi, cercano di fare causa agli utenti per violazione di brevetto su quell'algoritmo. Con la licenza Apache, perdono automaticamente i diritti di utilizzare la tua libreria. È una protezione contro i troll dei brevetti. Kubernetes utilizza Apache 2.0 perché le aziende cloud si preoccupano delle questioni relative ai brevetti. BSD è fondamentalmente MIT con parole diverse. Crei una libreria di networking sotto BSD. Stesse regole di MIT, le persone possono fare quello che vogliono. FreeBSD utilizza questo, ed è per questo che Apple ha potuto prendere il codice BSD e metterlo in macOS senza rilasciare il codice sorgente di macOS. La maggior parte degli sviluppatori ora utilizza MIT perché è più chiaro. LGPL è GPL per le librerie. Costruisci una libreria per la generazione di PDF sotto LGPL. Le aziende possono utilizzare la tua libreria nel loro software proprietario senza rendere l'intera app LGPL. Ma se modificano il codice della tua libreria, quelle modifiche devono essere LGPL. VLC media player utilizza LGPL in modo che altre app possano includere la riproduzione video senza diventare GPL. Proprietario significa che controlli tutto. Costruisci un motore di database e lo mantieni proprietario. Le aziende ti pagano diritti di licenza per usarlo. Non possono vedere il codice sorgente, non possono modificarlo, non possono redistribuirlo. Oracle Database funziona in questo modo. Guadagni dai diritti di licenza ma limiti chi può usarlo. La licenza duale offre opzioni. Rilasci un database sotto licenze GPL e commerciali. I progetti open source utilizzano la versione GPL gratuitamente. Le aziende che non vogliono le restrizioni GPL pagano per la licenza commerciale. MySQL fa questo. Le startup utilizzano MySQL gratuito, le grandi aziende spesso acquistano licenze commerciali. Il dominio pubblico rinuncia a tutti i diritti. Crei una funzione hash e la metti nel dominio pubblico. Chiunque può fare qualsiasi cosa con essa, senza restrizioni, senza attribuzione richiesta. SQLite fa questo. Le agenzie governative lo adorano perché non c'è alcun rischio legale. Stai costruendo una libreria che vuoi che tutti usino? Scegli MIT. Vuoi assicurarti che i miglioramenti tornino alla comunità? Usa GPL. Preoccupato per i brevetti nel software enterprise? Vai con Apache. Stai costruendo un business attorno al tuo codice? Rimani proprietario. Vuoi la massima libertà per gli utenti? Prova il dominio pubblico. La chiave è abbinare i tuoi obiettivi con le restrizioni della licenza. Non copiare semplicemente ciò che fanno altri progetti senza capire perché hanno scelto quella licenza.

MCP è come l'HTTP per gli agenti e sembra essere le fondamenta di un nuovo internet. Abbiamo pubblicato il post sul blog che risponde alle domande più comuni che ho ricevuto da sviluppatori, partner e aziende. Un ringraziamento al creatore di MCP @dsp_ per la collaborazione!

questo è enorme da parte della ricerca di Google. un documento altamente tecnico ma molto necessario, credo.