В ноябре прошлого года ребята из Anthropic (делают Claude) представили концепцию MCP (Model Context Protocol). Это как порт USB, только для языковых моделей, в который можно «воткнуть» периферию (оригинальная статья: https://www.anthropic.com/news/model-context-protocol).

Я только сейчас начинаю осознавать, насколько это мощнейший инструмент и сколько новых возможностей он может принести в работу.

Например, модели могут получить доступ к вашей локальной папке на диске и работать с документами прямо в ней, получить возможность искать информацию во внутренних базах (да и внешних тоже), получить доступ к библиотеке регламентов или правил компании для проверки соответствия анализируемых документов регламентам. Кроме этого, можно «научить» модель понимать новые форматы файлов, разбираться в принципах работы сложных систем для управления, — гигантский объём возможностей.

Среды автоматизированной разработки ПО такие как Cursor, Cline, Windsurf также поддерживают MCP, это даёт возможность практически полностью автоматизировать процесс создания, тестирования и развертывания софта.

По ощущениям, MCP — это драгоценный металл, ценность которого скоро станет очевидной.

Штука не очень простая для установки и настройки, уверен, что докрутят и сделают простой, но запомнить название MCP и обращать на него внимание в новостях уже точно стоит.

Набор серверов MCP, которые можно установить прямо сейчас, для работы нужно иметь установленное приложение от производителя LLM, например, Claude: https://github.com/modelcontextprotocol/servers

Нихао, друзья! Что ни день — сто грамм новые открытия. Китайская Alibaba выпустила очередную открытую модель QwQ-32B. Это сравнительно небольшая модель, всего с 32 миллиардами параметров, в сравнении с DeepSeek R1, у которой 671 миллиард, — просто крошка.

Тем не менее, это «размышляющая» (reasoning) модель, которая может проводить рассуждения в поисках ответа и действовать в их рамках.

Особенностью QwQ-32B является то, что она обучена с использованием обучения с подкреплением (reinforcement learning). Эта методика позволяет значительно повысить способности модели к рассуждению, выходя за рамки традиционных методов предварительного обучения и постобучения.

Кроме этого, у модели есть возможность быть использованной в агентских схемах. То есть, она может принимать решения о поведении, использовать инструменты и таким образом стать мозгом агента.

Модель бесплатно доступна для использования, скачивания, а также через API (бесплатно через Hyperboilc).

Когда я её тестировал, задал свой любимый кейс, которым я пробую все модели, выдающие себя за «размышляющие». QwQ-32B очень долго перебирала варианты, но в итоге справилась.

Пример такой:
В комнате было 500 убийц, я зашёл и убил одного, сколько убийц в комнате?

Надо потестировать в агентах, посмотрим, как она принимает решения и какой эффективный размер контекста.

Балуемся тут: https://chat.qwen.ai/

Нейросетевая пятиминутка, друзья.

Показываю, как создать простую систему помощи на сайте с нуля: собираем пайплайн с языковой моделью, добавляем память диалога, базу знаний, а затем выводим всё в готового чат-бота, которого легко встроить на свой сайт.

Делаем всё на vectorshift.ai

Видео: https://www.loom.com/share/e2c6bb62cd714506b13160d4aae93389

Привет, друзья! Ну, что, потихоньку врываемся в эпоху личных ассистентов на все случаи жизни?

Все выходные интернет бурлил от нового китайского продукта ManusAI (manus.im) (кстати, по-бенгальски это «Человек»). Manus представляет собой мультиагентную систему, которая снабжёна довольно сложной инструкций и широким набором инструментов, начиная от простого поиска, заканчивая созданием чтением и созданием файлов, проектов, написанием кода.

Кейс — вы формулируете задачу на простом языке, например (их примера на их сайте): «Вот данные о продажах за прошлый месяц из моего магазина на Amazon. Проанализируй их детально, визуализируй и предложи конкретные стратегии на основе данных, чтобы увеличить продажи в следующем месяце на 10%.» (Казалось бы, при чём тут Wildberries…)

Или просите поискать о вас информацию в интернете и сделать сайт (делает сайт и размещает его), или забронировать полёт по самым выгодным ценам, или провести исследование на тему влияния шипящих суффиксов русского языка на производительность труда такелажников Заполярья — что угодно.

К чему я это… мы поставили ступню за порог автоматизации, которая даёт несравненно лучшие результаты от своего использования по сравнению с тем, что может делать человек.

Я уже немного чувствую ветер сингулярности, неопределенности, загадки и тайны того, что нас ждёт в будущем.

Проект в закрытой бете, только по приглашениям, на самом сайте можно посмотреть примеры, которые показывают как работает Manus в своём интерфейсе (очень напоминает Claude).

Для фанатов есть открытая версия на GitHub (https://github.com/mannaandpoem/OpenManus) — можно установить себе и пробовать локально. Устанавливается просто, работает интересно: задаёте вопрос, получаете отчёт в виде файла или набора файлов через некоторое время.

Напоследок. На выходных я размышлял, что является самым главным ограничителем сейчас в использовании технологий. Пришёл вот к какому выводу:

Самый главный ограничитель сейчас — это наша способность объяснить AI что мы хотим получить в результате. Остальное — дело техники.

UPD: Дубляж от ElevenLabs — это отдельный жанр искусства. Скоро поговорим про это подробнее.

Привет, друзья! Вокруг творится столько всего интересного, что не успеваешь за всем следить. Что ни день, выходят новые убийцы чего-нибудь (иногда — других убийц), вокруг них разворачивается грандиозный хайп длиной в несколько дней или недель, после чего новинки превращаются в старьё и неизбежно замещаются.

С одной стороны это приятно, а с другой — непонятно, стоит ли тратить время на изучение ещё одного революционного продукта.

Традиционная задача исследователя: увеличить отношение сигнал / шум — найти полезное среди океана бесполезного.

Вот моя стратегия минимизации лишней движухи:
1. Я слежу за несколькими авторами на YT и Twitter, которые сделали делом своей жизни обзоры 24/7 новых продуктов и возможностей, появляющихся на рынке. Длинные обзоры я превращаю в транскрипты через DeepGram, после чего выделяю интересующие меня моменты через Claude. Если что-то действительно стоящее — изучаю и пробую сам.

2. Я слежу за крупными производителями LLM. Это: OpenAI, Anthropic, X, Mistral, Google, Alibaba, ByteDance, Meta* — там основная фундаментальная движуха, причём 80% процентов приходится на первых двух.

3. Я слежу за средствами автоматизации и визуализации, а также преобразования контента и агентов. Тут n8n, llamaindex, pydantic, langflow, langgraph, eliza, agno, crewai, smolagents.

4. В картиночном GenAI смотрю на krea.ai, MidJourney, FLUX, для генерации в 90% случаев использую Replicate, там почти всё собрано, включая видеогенераторы.

5. Кодогенерация: Cursor, Windsurf, Cline, Claude Code (крутая штука, нравится, умеет делать много всего из коробки сама, вот, например, Space Invaders ✕ Pong из одного промпта, со звуками, правда, баги. Пока это всё чистый фан).

6. Разное. Тут всё, что я не перечислил и что-то, конечно же, забыл.

Если соберётесь что-нибудь изучить, мой вам совет: найдите источник, который будет максимально фундаментальным в теме и изучайте, начиная с него — так вы сможете построить твёрдую базу для знаний, на которую потом будет «насаживаться» вся остальная информация.

Часть современных «источников» смотреть вообще не стоит — можно только запутаться. Это как читать некоторую современную литературу, которая состоит из «переваренной» классики с примесью собственного опыта автора, который может быть отнюдь не показательным и не таким уж уникальным.

Хуже того — можно наткнуться на что-то написанное с помощью «Искусственного Интеллекта», это вообще караул.

Наша страна находится в уникальном положении, у нас гигантские потенциалы автоматизации и роботизации, при этом мы сохраним почти все рабочие места, кого-то переподготовим и перепрофилируем на новые задачи. Это золотой век, надо вместе навалиться.

Привет, друзья. Сегодня на нейросетевой пятиминутке говорим про MCP (Model Context Protocol) от Anthropic и разбираемся, как использовать его для расширения возможностей языковых моделей через внешние инструменты. Простой пример: модель не знает ответ — отправляет запрос в интернет, выполняет поиск и с результатами возвращается к вам.

Также делюсь личным опытом использования корпоративного аккаунта Claude, кратко расскажу, почему считаю, что серьезные задачи стоит решать через платные инструменты. И пройдемся по нескольким полезным сценариям: Figma ✕ Cursor, которые эффективно интегрируются через MCP и сильно упрощают рабочие процессы.

https://www.loom.com/share/0bfdbcddee0c4eefa01c433e83111c2b?sid=04f3a628-fdf8-4403-8c79-cf0c8f025848

ModelContextProtocol
Figma MCP

Привет, друзья! За окном прекрасная суббота и солнце. Надеюсь, что вам его тоже хорошо видно :-)

Я решил опубликовать немного философский пост, который должен адресовать вопросы, касающиеся замены людей на машины (Ai, роботы, матрица, «мы в симуляции»).

Больше года я провожу консультации и работаю с компаниями, где рассказываю о том, как можно стать эффективнее с точки зрения внедрения методов искусственного интеллекта, которые, как нам с вами известно, развиваются огромными темпами.

И, конечно, я сталкиваюсь с сопротивлением и скепсисом со стороны консервативно настроенных людей, которые считают, что текущее технологическое развитие, прорывы и хайп пройдут, и мы вернемся к тому, что я называю собирательным словом «счёты».

Я ни в коем случае не хочу никого переубеждать, но хочу напомнить важное, на мой взгляд, заключение, которое сделал американский бизнес-спикер (если так можно выразиться современным языком) Earl Nightingale еще в 60-х годах.

Это универсальная формула, которая была создана до прихода технологий в нашу жизнь. Она работала тогда, работает и сейчас. И каждому, кто сомневается или не уверен, я предлагаю проверить себя по этой формуле.

Она работает как для обычных людей, так и для огромных компаний.

Формула такая: количество денег, которые вы получаете, зависит и находится в прямой пропорции от трех вещей: Первое — потребность в том, что вы делаете (профессионально). Второе — ваша способность это делать (экспертиза). Третье — сложность вашей замены (bus factor).

Мне кажется, в этой формуле и кроется ответ на вопрос о замене людей на машины, поскольку мерило всегда одно.

Ящик Пандоры официально распахнут! В n8n завезли MCP, теперь можно не просто вызывать MCP из Workflow, но и использовать MCP как Tool для агентов.

То есть те трюки, что я показывал позавчера с Figma, можно делать почти с любой моделью, которая пригодна для работы агентов.

Это очень мощное нововведение, будет работать на локальных установках n8n (self-hosted), в целом, теперь можно делать вообще всё, что угодно в блоке агентского n8n.

Ссылка на объяснения ниже, разобраться несложно, но нужно обладать опытом установки и запуска n8n на собственном сервере.

https://github.com/nerding-io/n8n-nodes-mcp

Привет, друзья! Помните, некоторое время назад мы говорили про manus.im, — помощника, который умеет выполнять сложные задачи. Я приводил примеры, из их демонстраций.

Доступ был по приглашениям, промокоды они публиковали в своем Дискорде и, конечно же, всё тут же разбирали, и запрыгнуть в первый поезд не получилось.

Я написал письмо им в поддержку, и по прошествии одной недели они прислали промокод и я немного поэкспериментировал с продуктом.

Могу сказать, что ничего революционного пока не обнаружил, Исследовательские результаты по качеству точно не превосходят DeepResearch от OpenAI или в некоторых случаях Perplexity (там всё сильно проще).

Самое прикольное, что я заметил — в процессе исследования частенько используются браузеры (агент Manus запускает браузер и что-то ищет от вашего имени в интернете), у агента можно перехватить управление и помочь нажать в «правильное» место на экране или решить Captcha.

Пока вердикт таков: при наличии желания и сравнительно небольших технических возможностей, подобные инструменты можно собирать в n8n, используя MCP. Продолжаем наблюдение.

Ю-ху! В Claude анонсировали Web Search, это, пожалуй то, чего не хватало всё это время (у всех остальных уже давно был).

Теперь можно анализировать самую релевантную информацию, запускать исследования через MCP и Claude Projects, получать необходимый доступ к документации при написании кода.

Традиционный эксперимент: 1) узнаём главные новости в мире. 2) переводим на зумерский :-)

Вауу, чекай это: сегодня прям International Happiness Day — день когда можно официально ловить вайбы и шерить фотки счастья по всему миру! 😱 Плюс в Кении стартует убер-крутое ралли, где тачки будут разрывать трассу целых четыре дня — это просто пушка! 🔥

Привет, друзья, с пятницей, нейросетевая пятиминутка!

Наравне с n8n мы используем еще один продукт, который называется Flowise. Он предлагает похожую механику на n8n, но заточен под работу с языковыми моделями.

Продукт с открытым кодом. Можно установить локально, можно установить на сервер, — в этом его сильная и слабая стороны (может быть нелегко разобраться).

Я решил снять небольшую серию видео, где расскажу как им пользоваться и покажу на примере пайплайна, который мы собирали в VectorShift, как повторить то же самое во Flowise.

Почему вообще стоит задумываться о Flowise, когда у нас и так есть n8n? Я думаю, что Flowise это не замена, а скорее мощнейшее дополнение к n8n за счёт расширенных возможностей работы с моделями и, соответственно, кастомизации.

Начинаем с простого Workflow, в следующей части пятиминутки продолжим.

Если пост наберёт 50+ лайков, сниму отдельное видео как этот продукт развернуть на cloud.ru за 170₽ / месяц, уверен, что подобные руководства уже есть на YT.

P.S. И, да, Flowise поддерживает MCP!

UPD: Ключевое различие Flowise и n8n, как я его вижу, в том, что Flowise «думает» языковыми моделями, а n8n «думает» процессами. В идеальном стеке можно использовать Flowise для разработки интеллектуальных модулей (AI-сердце системы), а n8n для обёртывания этих модулей в бизнес-логику и инфраструктуру.

Напомню, что n8n изначально строился для процессов, а языковые модели прикрутили уже позже, в то время как Flowise сразу основывался на моделях.

https://www.loom.com/share/92079d2b972942d7a5d3cbd756acb166?sid=492b3874-6cd9-4667-9034-fa32b7eb18b5

Друзья, всем привет! Мои нейросетевые пятиминутки стали совсем длинными, нужно их как-то переименовать. Надеюсь, что у вас есть свободный вечерок, который можно посвятить установке и настройке n8n и Flowise, инвестировав время в приобретение новых знаний.

Мне будет очень приятно, если то, что я показал, сможет сделать человек, не обладающий абсолютно никакими техническими знаниями и навыками администрирования Ubuntu.

https://www.loom.com/share/16ff91d857e849d9b93fdbee3c403a50?sid=8ee7134d-8ad6-41e4-8555-c9bc2a19646c

Привет друзья! Сегодня вторая часть видео о Flowise с рассказом о том, как настроить WorkFlow, подключить векторную базу для RAG и настроить извлечение данных из базы знаний.

Если вы следили за нашими экспериментами выше и сможете разобраться, как подключить бесплатные модели, то с учетом хостинга на cloud.ru и четырех тысяч бонусов, которые они выдают на сайте, можно сделать бесплатного бота для магазина вполне приемлемого качества. Не восторг-восторг, конечно, то точно Better Than Nothing 😉

https://www.loom.com/share/cffc1b4f40c34cf5860ea7410cd99454?sid=343bc5e3-774f-4a76-80ed-6afe59b38e42

Привет, друзья! Наши китайские товарищи из DeepSeek выпустили обновление своей топовой модели DeepSeek-V3.

По тестам, это одна из самых умных моделей, которая превосходит Claude, OpenAI ChatGPT, Grok. Конечно, только эксперименты покажут, насколько она хороша, но заявка очень неплоха.

Из хорошего: на OpenRouter её использование $0 — можно пробовать на всём, начиная с написания кода в Cline, заканчивая агентами в n8n и Flowise. Также, можно просто поболтать с ней в чате.

https://openrouter.ai/deepseek/deepseek-chat-v3-0324:free

Идём смотреть!

Последние два дня наблюдаются проблемы с доступом в Claude — одну из самых мощных моделей, доступных на рынке.

Под капотом Claude использует большинство программ по написанию программного кода, например Cursor или Windsurf. И по цепочке они тоже начали отваливаться.

Кто-то не смог допилить презентацию. Кто-то не успел довести курсовую или дипломную работу, кто-то планировал завершить задачу к дедлайну, но не завершил.

Это поднимает большой философский вопрос: насколько мы стали зависимыми от языковых моделей и их возможностей?

Несколько лет назад я начал замечать, что отсутствие практики в ручном письме сильно ухудшает этот навык, и его надо постоянно поддерживать.

Экстраполируя эту ситуацию на языковые модели, возникает вопрос, а не получится ли так, что часть мыслительного процесса мы переложим на внешние системы, и когда они выключатся (вопрос времени) или станут недоступны, некоторые из нас станут бессильны или потеряют часть своей «функциональности».

Время задуматься и осмыслить каждому самому для себя, какое количество работы мы стали перекладывать на внешние алгоритмы. Маленький, ранний звоночек из Скайнет.

Случились ещё две интересные вещи. Во-первых, Google выпустили модель, которая по их собственным заявлениям превосходит все остальные.

Сундар написал пост в Twitter с бенчмарками, надо будет тестировать. На OpenRouter есть традиционный на сегодня бесплатный доступ.

С моделями Google я уже некоторое время занимаюсь и могу сказать, что их последние заработки — очень мощная вещь и сильно недооценена в комьюнити. NotebookLM — это просто бомба, особенно с последними правками.

И, напоследок, OpenAI выкатили новый картиночный генератор в чате, по качеству невообразимый, уверен, что завтра весь интернет будет завален фоточками, генерациями и некрологами о MidJourney и об остальных. На фоточке — картинка из камеры с промптом «Make a cool anime image based on this picture».

Продуктивный день 25 марта. Очень продуктивный.

Привет, друзья. Сегодня о… музыке. Так получилось, что большая часть моей жизни связана и с технологиями, и с творчеством — я с 11 лет начал заниматься программированием, а в 14 открыл для себя альтернативный рок.

В 2010 всё творчество встало на паузу, — его полностью вытеснила работа, но его ведь нельзя выключить полностью.

С появлением генеративных сетей в дизайне я начал задуматься о применении того же в музыке, и вот, сейчас у нас в арсенале есть Suno, UDIO, MusicFX, много чего ещё.

Со своей командой [oxygenic] мы решили опробовать концепцию Человек-Машина, нагенерировали музыки и «приложили» к ней свои способности, чтобы сделать песню, где часть работы — Ai, а часть — люди. Каждый приносит что-то своё.

В конце проанализировали трек через Gemini Flash и он помог создать видеоряд по настроению песни, который был сгенерирован во FLUX и анимирован в Kling.

Пара дублей Live, Final Cut Pro, почти готов клип. Во времена моей юности представить такое было невозможно :-)

Кстати, если вы ещё не построили планы на вечер воскресенья 30/03, приходите на наше живое выступление в Neformat, вот тут регистрация, промокод AIWIZARDS, скидка 90%, всего 10 кодов. :-)

Там только про музыку, не про Ai, конечно же. Про Ai мы тут.

Друзья, привет! Продолжаем разбираться в Flowise. Смотрите, что можно сделать за 20 минут в этом продукте: мы настраиваем мультиагентную систему, которая берёт на себя полный цикл создания контента.

У нас есть News Research Specialist, который ищет свежую инфу, Article Writer, который пишет черновик, Article Reviewer, который проверяет и даёт обратную связь, и Style Editor, который наводит лоск и доводит текст до идеала.

Вся эта команда работает под присмотром Supervisor, который решает, кому передать слово дальше.

Приятный бонус — можно всю эту банду использовать как инструмент в другом более сложном workflow.

Разумеется, все это можно создать и в N8N, но Flowise выглядит сильно проще для решения подобных задач.

В первом комментарии — JSON с этим Workflow, для тех, кто установил Flowise в cloud.ru, может потребоваться OpenRouter для доступа к моделям.

Генератор изображений в ChatGPT не выдержал наплыва пользователей, и в OpenAI решили отложить запуск генерации картинок для бесплатных аккаунтов.

Сэм Альтман написал, что спрос на картинки превысил ожидания, поэтому бесплатным пользователям придётся ждать дольше запланированного (без прогнозов).

Скорее всего, снова вернут Dall-e, он будет под капотом генерировать картинки вместо новой модели или просто давать советы как сделать то, что просит пользователь. Мне, например, позавчера новая модель посоветовала поставить Stable Diffusion и использовать ControlNet для того чтобы сделать что я хочу — это оказалось следствием перегрузки при старте и OpenAI оперативно деградировали сервис :-)

Я считаю, что этот инструмент — настоящий тектонический сдвиг в качестве генерации и вообще подходе к работе с изображениями в будущем, потому что он очень хорошо понимает «что от него хотят».

Это позволит создавать автономные системы, агентов и MCP, которые смогут автоматом создавать сложные продукты вместе с изображениями.

Кстати, я стал замечать, как моим инструментом при работе с моделями всё реже становится браузер / приложение LLM, и всё чаще — Cursor / WindSurf или Cline / Roo Code. Причём, я решаю почти те же задачи, что и раньше, но с более полным и структурированным подходом к решению.

p.s. Пишут, что сегодня международный день виски. Ну, Happy Thursday, товарищи!