Канал про AI в реальной работе — без хайпа, только практика.

Привет. Я Кирилл — автор @android_broadcast и занимаюсь мобильной разработкой с 2012 года. Долго отрицал AI в разработки, но модели Claude с версии 4.5 и Codex 5.2 смогли меня здорово переубедить в видение будущего разработки.

В канале не будет про потока новостей "Вышла новая модель A которая стала быстрее на N% и уделала всех конкурентов", а то что реально интересно мне в разработке с помощью ИИ:
👉 как применяю AI в разработке и управлении командой
👉 что попробовал, что зашло, что нет
👉 находки и кейсы, которые не влезают в @android_broadcast

🪙 Больше изысканий по теме AI в мобильной разработки будет в моем Boosty

💡 MCP-серверы, которые я использую в Claude

Это моя текущая подборка на момент написания поста. Всё может измениться: что-то отключу, что-то добавлю, что-то найду лучше. MCP-стек — это живая история, не разовая настройка.

Что у меня сейчас подключено в Claude Code:

👉 google-dev-knowledge — документация Google для разработчиков прямо в контексте. Для Android критично: без него модель регулярно выдаёт устаревший или несуществующий API.

👉 Ref — поиск по технической документации с минимальным расходом токенов. В отличие от Context7, не тащит сразу 10k токенов — ищет точечно и читает конкретные страницы по мере необходимости.

👉 DeepWiki — AI-генерируемая wiki по любому публичному GitHub-репозиторию. Когда нужно разобраться в архитектуре незнакомой библиотеки — быстрее, чем читать исходники.

👉 Context7 — подтягивает актуальную, версионированную документацию по конкретным библиотекам прямо в промпт.

👉 maven-mcp — актуальные версии зависимостей из Maven Central. Больше не нужно идти на сайт проверять, что сейчас stable. Собственная разработка

👉 Playwright — автоматизация браузера. Использую когда нужно что-то распарсить или автоматизировать сценарии.

👉 Xcode MCP — сборка, тестирование и работа с симулятором прямо из Claude. Нужен XCode 26.3

👉 IDEA MCP — официальный плагин JetBrains, встроен в IDE начиная с 2025.2. Позволяет Claude работать с открытым проектом напрямую.

👉 Claude-in-mobile - взаимодействие с эмуляторами и устройствами для проверки работы приложений. Фактически выполняет то, что делает тестировщик руками.

Три базы документации одновременно — осознанно. Они покрывают разные ситуации: Context7 — когда знаешь библиотеку и хочешь свежую документацию по ней, DeepWiki — когда нужно понять незнакомый репозиторий целиком, Ref — когда важна точность и экономия контекста. На практике пересекаются редко, модель сама выбирает нужный инструмент. Если бы выбирал минимальный набор — оставил бы Ref и DeepWiki.

И главное правило, которое я для себя вывел: не подключай всё подряд сразу. Подключай MCP/плагины по мере нехватки — почувствовал, что постоянно даёшь модели одну и ту же информацию вручную, вот тогда и смотри. И помни: всегда можно написать маленький свой MCP поверх любого инструмента, если готового нет.

💬 Делитесь в комментариях MCP которые подключили, а может написали и реально прокачивают разработку

#Claude #MCP #AndroidDev #AI

🏝 Tracy — библиотека AI-observability для Kotlin

Чем больше строишь AI-агентов, тем острее чувствуешь одну проблему: LLM-вызовы — это чёрный ящик. Что-то пошло не так, токены улетели, инструмент вызвался не туда — а ты смотришь в логи и гадаешь. Стандартные инструменты observability для этого не приспособлены: они не понимают ни структуру агентов, ни tool-вызовы, ни что вообще происходит между запросами к модели.

JetBrains выпустили 🐱 Tracy — open-source Kotlin-библиотеку, которая закрывает именно этот пробел. Под капотом OpenTelemetry, так что данные уходят в любой совместимый бэкенд.

Что она умеет:

1️⃣ Трейсинг LLM-клиентов — instrument(client) одной строкой, и все вызовы к OpenAI, Anthropic, Gemini автоматически трейсятся. По умолчанию только метаданные, входные/выходные данные включаются отдельно — разумно для продакшна

2️⃣ Трейсинг кода — withSpan { } оборачивает любой блок, всё внутри становится дочерними спанами. Видно, откуда вызов, сколько занял, что происходило рядом

3️⃣ @Trace на интерфейсах — аннотируешь один раз интерфейс Tool, и все реализации трейсятся автоматически. Новые инструменты не потеряются

Интегрируется с OkHttp и Ktor-клиентами, экспортирует в Jaeger, Langfuse, W&B Weave и любой OpenTelemetry-бэкенд.

Аудитория у библиотеки конкретная — те, кто пишет AI-агентов и бэкенд-сервисы с LLM на Kotlin. Не Android, не KMP — именно серверная история. Если вы экспериментируете с агентами на Kotlin или уже катите что-то в продакшн, Tracy выглядит как недостающий кусок пазла.

🔗 Источник: Kotlin Blog

#Kotlin #AI

Claude Code теперь можно дёргать из Telegram

Anthropic выкатили Channels — штуку, которая позволяет управлять сессией Claude Code прямо из мессенджера. Я давно хотел что-то подобное, потому что сидеть и ждать у терминала, пока агент делает свою работу — то ещё удовольствие.

Принцип простой: Channel — это MCP-сервер, который проталкивает события в запущенную сессию Claude Code, чтобы Claude мог реагировать на то, что происходит, пока ты не за терминалом. Запускаешь Claude Code с флагом --channels, уходишь заниматься своими делами, получаешь ответы прямо в мессенджер.

Каналы двусторонние: Claude читает сообщение и отвечает обратно через тот же канал. То есть это полноценный чат с агентом — он может выполнять код, гонять тесты, чинить баги и присылать результат.

Для нас, кто живёт без стабильного доступа к claude.ai — это вообще отдельная радость 🎉 Больше не нужно мучиться с VPN, возиться с мобильным приложением Claude и думать, как вообще достучаться до агента с телефона. Telegram есть у всех, работает везде, и теперь этого достаточно.

Настройка стандартная: создаёшь бота через BotFather, прописываешь токен, запускаешь claude --channels plugin:telegram@claude-plugins-official, отправляешь боту сообщение — получаешь 6-символьный код для привязки. Дальше просто переписываешься с агентом.

Важный нюанс: события приходят только пока сессия открыта, поэтому для постоянной работы нужно держать Claude в фоновом процессе или постоянном терминале.

На мой взгляд, это именно та точка, где Claude Code превращается из "умного терминала" в полноценного фонового агента. Запустил задачу, закрыл ноутбук, ушёл. Получил уведомление когда готово. Пока research preview и только Telegram с Discord из официального списка, но архитектура через MCP намекает на то, что потом можно будет прикрутить любой канал.

Требования: Claude Code v2.1.80+, авторизация через claude.ai, для Team и Enterprise нужно явно включить в настройках.

🔗 Документация
🐱 Плагины на GitHub

#ClaudeCode #AI #MCP #Telegram

🐱 GitHub добавил сканирование секретов в MCP Server

GitHub анонсировал новый инструмент в своём MCP Server — агент теперь может проверить локальные изменения на наличие секретов перед коммитом. Звучит полезно, но чем больше я думаю об этом, тем больше у меня вопросов.
Обычный GitHub Secret Scanning работает понятно: я явно пушу код на GitHub, осознанно отправляю данные, и GitHub их сканирует. Я контролирую этот момент.

Здесь же логика другая: агент сам, неявно, берёт мой локальный код и отправляет его на серверы GitHub для анализа — как побочный эффект своей работы. И вот тут у меня вопрос: в чём смысл инструмента, который защищает от утечки секретов, но сам отправляет эти секреты в облако в процессе проверки? 🤔

Я вообще делал свой плагин для Claude Code для анализа того что читает агент до обращения к файлам и всё локально, чтобы предотвратить утечку секретов с локальной машины.

💬 Может, я что-то упускаю в сценарии использования. Буду рад услышать в комментариях, если есть ответ.

🔗 Источник: github.blog
🐱 GitHub MCP Server

#GitHub #MCP #Безопасность

🧠 Гайд от инженера Anthropic: как правильно делать Skills в Claude Code

На Хабре появился перевод большого материала от инженера Anthropic — и это одна из лучших статей про Skills, что я видел. Не маркетинг, а реальный опыт команды, у которой сотни Skills в работе.

Если вы используете Claude Code или только присматриваетесь — рекомендую прочитать целиком. Там разобрано всё, что нужно знать для старта:
👉 какие типы Skills бывают и под какие задачи они подходят
👉 как проектировать структуру папки, а не просто писать markdown
👉 почему раздел "подводные камни" важнее всего остального
👉 как работает поле description и почему большинство пишут его неправильно
👉 как Skills делятся внутри команды и как устроен маркетплейс плагинов
👉 как использовать хуки, память и скрипты внутри Skills

Anthropic давно рекомендовала писать инструкции в CLAUDE.md — но Skills фактически вытесняют этот подход там, где нужна декомпозиция и кастомная логика. Папка вместо одного файла, скрипты, шаблоны, память — это уже другой уровень.

🔗 Источник: habr.com

#AI #ClaudeCode

⚡️ Как сократить расходы на токены в AI-агентах почти на 90%

Если ты используешь Claude Code, Cursor, Aider или любой другой агент — скорее всего, ты тратишь токены впустую. Я недавно наткнулся на rtk (Rust Token Killer) и был удивлён, как можно оптимизировать траты токенов.

Проблема простая: когда агент запускает git diff или grep, он получает тысячи строк сырого вывода. Это токены, которые ничего не добавляют к пониманию результата, но съедают и контекстное окно, и бюджет.rtk — CLI-прокси на Rust. Перехватывает вывод команд и сжимает его до сути перед тем, как он попадает в контекст. Устанавливается через хук PreToolUse — один раз, дальше работает прозрачно.Примеры, которые говорят сами за себя:
1️⃣ git diff HEAD~1 — с 21 500 токенов до 1 259 (−94%). Структура диффа остаётся, весь boilerplate уходит
2️⃣ git status — с 120 до 30 токенов (−75%). Мелочь, но агент вызывает это десятки раз за сессию
3️⃣ grep -rn — с 2 100 до 940 токенов (−55%). Остаются только релевантные совпадения
4️⃣ find по проекту — с 276 до 149 токенов (−46%). Структура читаемая, шум убран

Автор приводит реальную статистику: 15 720 команд, 138 миллионов сэкономленных токенов.

Для API-режима (Aider, Gemini CLI, Cline) это прямая экономия денег. Для flat-rate вроде Claude Code или Cursor — более длинные сессии и меньше context overflow. Обе проблемы реальные, и rtk решает обе одним инструментом. Возможно, благодаря этому вы сможете брать подписку за меньшую цену

🔗 Сайт: rtk-ai.app
🐱 GitHub: github.com/rtk-ai/rtk

#AI #Оптимизация #Производительность

🧠 OpenAI научила GPT-5.4 делать красивый UI. Верить или нет?

OpenAI выпустила гайд по дизайну интерфейсов с GPT-5.4. Статья формально про веб, но принципы там универсальные — они одинаково работают хоть в вебе, хоть в мобильной разработке. Я читал и постоянно ловил себя на мысли: это же ровно то, с чем я сталкиваюсь при генерации Compose-экранов.

Что конкретно изменилось в модели:
👉 Нативная работа с изображениями. GPT-5.4 натренирован использовать поиск и генерацию изображений прямо в процессе дизайна. Рекомендуют сначала попросить сгенерировать мудборд, и только потом финальный UI — это реально меняет качество результата.

👉 Computer Use + Playwright. Модель теперь сама открывает браузер, смотрит на отрендеренный результат и итерирует. Для мобильной разработки аналогом может быть Claude-in-Mobile.

👉 Промпт с ограничениями — это не опционально. OpenAI опубликовали свой системный промпт, который используют сами. Там жёсткие правила: один H1 на первый экран, один CTA, никаких карточек без причины, никаких фиолетовых фонов по умолчанию, реальные изображения вместо декоративных градиентов. И это работает — без таких ограничений модель скатывается в «среднее по больнице».

Практические советы из статьи, которые я вынес:
✔️Задавай дизайн-систему до генерации, а не после.
✔️Давай визуальный референс, скриншот или дизайн из Figma. Без него модель не знает твоих ожиданий.
✔️Начинай с низкого уровня рассуждений, потом детализируй.

Честно: статья больше похожа на маркетинг GPT-5.4, чем на настоящий разбор. Хотелось бы видеть реальный процесс дизайна шаг за шагом, а не просто финальные результаты и набор правил. Но сами принципы — рабочие, и я применяю большинство из них уже сейчас, просто в контексте мобильной разработки.

А вы даёте ИИ ограничения заранее или всё ещё пытаетесь итерировать из размытого первоначального промпта?

🔗 Источник: developers.openai.com

#AI #Дизайн #OpenAI #GPT

🧠 Claude получил 1M токенов контекста в Max подписках и дешевле по API доступу

Anthropic сделала контекстное окно в миллион токенов общедоступным и убрала надбавку. Теперь это часть стандартного тарифа.

Миллион токенов это примерно весь средний кодовый проект целиком, или длинная агентная сессия с полной историей вызовов. Для ряда задач анализ большой кодовой базы, работа с объёмной документацией, длинные агентные сессии - это реально упрощает жизнь.

Для большинства сценариев подход не меняется, просто некоторые вещи теперь делать проще. Вы сталкивались с чем-то, где миллион токенов был необходим?

🔗 Источник: claude.com

#AI #Claude #Anthropic