Agenci AI z ludzkim podejściem są znacznie lepsi niż ogólne systemy agentowe, które próbują zautomatyzować wszystko. Ludzkie podejście ma miejsce w takich fazach jak projektowanie zapytań, inżynieria kontekstu, architektura agenta, a co ważniejsze, ocena. Ekspertyza w danej dziedzinie ma ogromne znaczenie.

Cieszę się, że w końcu mogę to uruchomić. Mój serwer MCP teraz oferuje wiadomości o rynku akcji w czasie rzeczywistym. Dostępne narzędzia: • pobierz wiadomości • pobierz ceny akcji • pobierz kluczowe wskaźniki • pobierz sprawozdania finansowe Zajęło mi to około miesiąca, aby skonfigurować serwer MCP, ale teraz działa dobrze. Więcej narzędzi finansowych wkrótce.

MCP staje się naprawdę dobry!

Czym jest inżynieria kontekstu❓ I dlaczego wszyscy o tym mówią...👇 Inżynieria kontekstu szybko staje się kluczową umiejętnością dla inżynierów AI. To już nie tylko sprytne podpowiadanie; chodzi o systematyczne orkiestracje kontekstu. 🔷 Problem: Większość agentów AI nie odnosi porażki nie dlatego, że modele są złe, ale dlatego, że brakuje im odpowiedniego kontekstu do odniesienia sukcesu. Pomyśl o tym: LLM-y nie są wróżkami. Mogą działać tylko na podstawie tego, co im dasz. Inżynieria kontekstu polega na tworzeniu dynamicznych systemów, które oferują: - Odpowiednie informacje - Odpowiednie narzędzia - W odpowiednim formacie To zapewnia, że LLM może skutecznie wykonać zadanie. 🔶 Dlaczego tradycyjne inżynieria podpowiedzi nie wystarcza: Na początku skupialiśmy się na "magicznych słowach", aby uzyskać lepsze odpowiedzi. Ale w miarę jak aplikacje AI stają się coraz bardziej złożone, pełny i uporządkowany kontekst ma znacznie większe znaczenie niż sprytne sformułowania. 🔷 4 kluczowe komponenty systemu inżynierii kontekstu: 1️⃣ Dynamiczny przepływ informacji Kontekst pochodzi z wielu źródeł: użytkowników, wcześniejszych interakcji, danych zewnętrznych, wywołań narzędzi. Twój system musi inteligentnie łączyć to wszystko. 2️⃣ Inteligentny dostęp do narzędzi Jeśli twoje AI potrzebuje informacji zewnętrznych lub działań, daj mu odpowiednie narzędzia. Sformatuj wyniki tak, aby były maksymalnie przyswajalne. 3️⃣ Zarządzanie pamięcią - Krótkoterminowa: Podsumuj długie rozmowy - Długoterminowa: Zapamiętaj preferencje użytkownika w różnych sesjach 4️⃣ Optymalizacja formatu Krótka, opisowa wiadomość o błędzie zawsze przewyższa ogromny blok JSON. 🔷 Podsumowanie Inżynieria kontekstu staje się nową kluczową umiejętnością, ponieważ rozwiązuje prawdziwe wąskie gardło: nie zdolności modelu, ale architekturę informacji. W miarę jak modele stają się lepsze, jakość kontekstu staje się czynnikiem ograniczającym. Podzielę się więcej, gdy rzeczy się rozwijają i stają się bardziej konkretne! Bądź na bieżąco!! 🙌 ____ Jeśli uznałeś to za interesujące, podziel się z siecią. Znajdź mnie → @akshay_pachaar ✔️ Po więcej informacji i tutoriali na temat LLM-ów, agentów AI i uczenia maszynowego!

jeśli dasz mi kod, mogę go wykonać co oznacza, że wartość w wykonaniu jest chroniona przez kod ale AI ułatwia kodowanie więc specyfikacje stają się przeszkodą ponieważ jeśli ktoś ma specyfikacje, może stworzyć kod i go wykonać

Agenci swobodnie rozwiązujący captchy są po prostu zabawni.

wyobraź sobie modułowy interfejs konwersacyjny, w którym: - wybierasz model według własnego wyboru - wybierasz swojego dostawcę wyszukiwania - wybierasz narzędzia MCP - uzyskujesz dostęp do swoich systemów plików - zarządzasz swoją pamięcią, z bezpieczeństwem i prywatnością - płacisz za usługi według użycia

Jeśli ktokolwiek jest tak zdezorientowany kwestią licencji oprogramowania jak ja, oto jak je teraz postrzegam. Licencje oprogramowania kontrolują, co ludzie mogą robić z twoim kodem. Licencja MIT pozwala ludziom na wszystko. Powiedzmy, że tworzysz bibliotekę do parsowania JSON z licencją MIT. Startup może wziąć twój kod, zmodyfikować go i sprzedać jako część swojej płatnej usługi API, nie oddając ci nic w zamian. Muszą tylko zachować twoje powiadomienie o prawach autorskich w komentarzach kodu. React używa MIT, więc Facebook mógłby uczynić go własnością, ale zdecydowali się go utrzymać jako otwarte. To jest licencja "rób, co chcesz". GPL wymusza dzielenie się. Wyobraź sobie, że tworzysz framework webowy na licencji GPL. Jeśli ktoś zmodyfikuje twój framework, aby dodać nowe funkcje, musi również opublikować te modyfikacje na licencji GPL. Nie mogą sprzedać wersji własnościowej. WordPress używa GPL, więc wszystkie motywy i wtyczki WordPress muszą być również na licencji GPL. Jeśli zbudujesz komercyjny CMS na WordPressie, twój cały CMS staje się GPL. To utrzymuje wszystko jako open source. Apache 2.0 lepiej radzi sobie z patentami. Piszesz bibliotekę do uczenia maszynowego, a ktoś wnosi algorytm. Później próbuje pozwać użytkowników za naruszenie patentu na ten algorytm. Z licencją Apache automatycznie tracą prawa do korzystania z twojej biblioteki. To ochrona przed trollami patentowymi. Kubernetes używa Apache 2.0, ponieważ firmy chmurowe martwią się o kwestie patentowe. BSD to w zasadzie MIT z innymi słowami. Tworzysz bibliotekę sieciową na licencji BSD. Te same zasady co MIT, ludzie mogą robić, co chcą. FreeBSD to wykorzystuje, dlatego Apple mogło wziąć kod BSD i umieścić go w macOS bez publikowania kodu źródłowego macOS. Większość programistów używa teraz MIT, ponieważ jest to jaśniejsze. LGPL to GPL dla bibliotek. Tworzysz bibliotekę do generowania PDF na licencji LGPL. Firmy mogą używać twojej biblioteki w swoim oprogramowaniu własnościowym bez konieczności przekształcania całej aplikacji w LGPL. Ale jeśli zmodyfikują kod twojej biblioteki, te zmiany muszą być LGPL. Odtwarzacz multimedialny VLC używa LGPL, aby inne aplikacje mogły włączyć odtwarzanie wideo bez stawania się GPL. Własność oznacza, że kontrolujesz wszystko. Tworzysz silnik bazy danych i utrzymujesz go jako własność. Firmy płacą ci opłaty licencyjne za jego użycie. Nie mogą zobaczyć kodu źródłowego, nie mogą go modyfikować, nie mogą go rozpowszechniać. Oracle Database działa w ten sposób. Zarabiasz na licencjonowaniu, ale ograniczasz, kto może z niego korzystać. Podwójne licencjonowanie daje opcje. Wydajesz bazę danych zarówno na licencji GPL, jak i komercyjnej. Projekty open source używają wersji GPL za darmo. Firmy, które nie chcą ograniczeń GPL, płacą za licencję komercyjną. MySQL to robi. Startupy używają darmowego MySQL, duże firmy często kupują licencje komercyjne. Domena publiczna rezygnuje ze wszystkich praw. Tworzysz funkcję haszującą i umieszczasz ją w domenie publicznej. Każdy może robić z nią, co chce, bez ograniczeń, bez wymogu przypisania. SQLite to robi. Agencje rządowe to uwielbiają, ponieważ nie ma żadnego ryzyka prawnego. Budujesz bibliotekę, którą chcesz, aby wszyscy używali? Wybierz MIT. Chcesz zapewnić, że ulepszenia wrócą do społeczności? Użyj GPL. Martwisz się o patenty w oprogramowaniu dla przedsiębiorstw? Wybierz Apache. Budujesz biznes wokół swojego kodu? Pozostań własnością. Chcesz maksymalnej swobody dla użytkowników? Spróbuj domeny publicznej. Kluczem jest dopasowanie swoich celów do ograniczeń licencyjnych. Nie kopiuj po prostu tego, co robią inne projekty, nie rozumiejąc, dlaczego wybrali tę licencję.

MCP jest jak HTTP dla agentów i wydaje się być fundamentem nowego internetu. Opublikowaliśmy wpis na blogu, który odpowiada na najczęściej zadawane pytania, które otrzymywałem od deweloperów, partnerów i przedsiębiorstw. Pozdrowienia dla twórcy MCP @dsp_ za współpracę przy tym!

to jest ogromne z badań Google. bardzo techniczny artykuł, ale myślę, że bardzo potrzebny.