Transcription
Как инженер по искусственному интеллекту в медиакомпании стоимостью в миллиарды долларов. И одна из вещей, на которых мы сейчас в основном сосредоточены, — это то, как правильно создавать ИИ-агентов. И если вы когда-нибудь будете разочарованы использованием ИИ, это, вероятно, потому, что он не дает вам нужных ответов или не позволяет получить доступ к нужной вам информации. И обе эти проблемы решаются с помощью современного ИИ, использующего такие вещи, как навыки и коннекторы MCP. Но здесь все еще возникает тот же узкий момент, а именно то, что он полагается на вас для выполнения рабочих процессов. Что, если вы хотите, чтобы отчет отправлялся каждое утро понедельника, или, скажем, вы подключаете нового клиента, и вы хотите, чтобы он автоматически добавлялся во все ваши новые системы. Это требует автономных ИИ-агентов для работы вместо того, чтобы вы сидели за клавиатурой и каждый раз запускали рабочие процессы. А у Claude и Ananthropic есть функция под названием Claude managed agents, которая существует уже некоторое время и позволяет вам делать именно это. Они только что выпустили совершенно новый навык под названием launch your agent, который позволяет вам сделать это за секунды, используя интерфейс claude code. Так что в этом видео я покажу вам, что это такое, как использовать эти управляемые агенты, а затем мы фактически пройдем демонстрацию, используя навык launcher agent для создания одного самостоятельно. Как я уже упоминал, основная технология, о которой мы здесь говорим, — это использование claude managed agents. И это позволяет вам запускать автономные рабочие процессы безопасным способом, который управляется вами и инфраструктурой anthropics, и масштабируемым способом. Это позволяет вам запускать агента, у которого есть все эти различные инструменты, которые могут выполнять различные действия. Но прежде чем мы перейдем к их созданию, давайте немного поговорим о том, что это такое и как они на самом деле работают. Так что я думаю, важно понимать разницу между ИИ-ассистентом и ИИ-агентом. Вы, вероятно, привыкли использовать ИИ-ассистентов. Так что это такие вещи, как чат-боты, верно? Если вы используете claude chat или даже терминал cloud, chat GPT, что-то подобное, это ИИ-ассистент. Так что эти вещи делают, так это то, что они поддерживают ваше человеческое решение, потому что вы напрямую с ними общаетесь. Они предоставляют пользователям информацию для действий. Это как аспект принятия решений. Они говорят вам, что делать, и динамически адаптируются к вводу пользователя, пока вы с ним разговариваете. Так что это здорово. Опять же, это все еще сталкивается с проблемами, о которых мы говорили немного раньше, где теперь это зависит от вас, чтобы вручную войти, напечатать на клавиатуре и получить ответ или заставить его выполнить действие. Так что у них есть свое место. Они полезны для использования в определенных сценариях. Но это не то, что мы хотим использовать для других сценариев. Такие вещи, как запуск автономных рабочих процессов для создания отчетов, автоматическое подключение клиентов, как мы говорили во вступлении, необходимы для ИИ-агентов. Так что ИИ-агенты полностью автономны. Они работают независимо. Так что они просто там сами по себе. После того, как вы дали им наборы инструкций, они способны выполнить конкретное действие, и они делают это в очень структурированном формате задач. Вы стремитесь к очень конкретному типу вывода, и вы можете предоставить им эти инструкции. Так что опять же, то, на чем мы пытаемся сосредоточиться здесь, это как настроить этих ИИ-агентов. Так каковы же особенности этих cloud managed agents? Их несколько. Во-первых, они производственного качества. Так что они аутентифицированы в песочнице, чтобы они знали, что это только вы получаете к ним доступ. Это безопасная среда. Так что он не пойдет и не испортит другие вещи на вашем компьютере, верно? Как cloud co-work, вы можете ввести что-то, и он может удалить файлы, верно? Это песочница только для вас. Существуют длительные сеансы, которые могут длиться часами. Если у вас есть что-то вроде модели Claude Fable, она может работать часами. Вы можете координировать работу нескольких разных агентов, которые могут делать разные вещи. и вы доверяете управлению этим. Так что предоставление агентам доступа к реальным системам через такие инструменты и коннекторы MCP. Но опять же, это не ваш ноутбук. Так что он все еще находится в песочнице таким образом. Так что это основные преимущества cloud manage agents. И то, что мы хотим от него, это несколько из них, верно? Мы хотим, чтобы он был автономным. Он должен уметь работать сам по себе. Мы хотим, чтобы он был долгосрочным, чтобы он мог выполнять эти длительные задачи при необходимости. может быть, как долгосрочный исследовательский отчет или что-то еще. Мы хотим, чтобы он был всегда включен. Если что-то работает на нашем компьютере, то как только мы закроем компьютер или выключим его, агент больше не будет работать. Так что мы хотим, чтобы это было всегда включено и работало в инфраструктуре anthropics. И мы хотим, чтобы они могли работать в командах. Так что, возможно, у вас есть агент-исследователь, у вас есть агент-писатель, у вас есть агент-репортер, все они работают вместе для выполнения задачи. Так давайте теперь поговорим о различных компонентах claw managed agents, которые составляют одного агента. Так что посередине находится "harness", который является anthropic claude harness, и он использует различные аспекты или различные компоненты или функции управляемых агентов, и первый, о котором мы поговорим, — это фактическая оркестрация, которая заключается в запуске фактического агента и создании агента. Так вот как вы это делаете через код. У меня есть несколько фрагментов кода для всех них, чтобы показать, как это создается, если вы хотите использовать Python, например. Все это есть в документации anthropic manage agent. Так что вы создадите агента. Вы можете видеть, что вы даете ему имя, модель, системный запрос, а затем вы можете дать ему некоторые инструменты, о которых мы поговорим немного позже. Но помимо этого, вы также можете создать агента непосредственно в пользовательском интерфейсе, и вы можете описать его в конфигурации YAML здесь. О, это огромная ручка. Этого достаточно на данный момент. Посмотрим. О, это немного лучше. Так что вы можете создать его в конфигурации YAML здесь, или вы можете переключить это на JSON. просто разные текстовые форматы, или здесь есть даже шаблоны, которые вы можете запускать предварительно созданные агенты, верно? Как этот — поддержка, которая подключается к вашему Slack и Notion. Этот просто Notion, куча других систем. Так что приятно, что у них есть некоторые шаблоны из коробки, которые вы можете использовать. Так что это создание агента, оркестрация. Но теперь давайте поговорим о том, как мы можем заставить агента что-то делать. И вот где дело доходит до инструментов. И вы, возможно, слышали об инструментах раньше или MCP. Мы поговорим об обоих. Но инструмент — это одно действие, которое он может выполнить. MCP состоят из нескольких различных инструментов. Так что инструмент — это одно действие, и это все готовые инструменты, доступные через anthropic. Так что эти инструменты похожи на чтение, запись ресурсов, выполнение команд в контейнере оболочки, песочнице, в которой это работает. И тогда это все, да, редактирование файлов и тому подобное. Но эти два инструмента будут очень важны здесь: web fetch и web search. Так что если вы когда-нибудь будете проводить какие-либо исследования вне самого агента, он будет использовать эти инструменты. А вот как вы даете агенту инструмент. Так что в этом параметре tools вы просто предоставляете, по сути, вы создаете набор инструментов, а затем даете ему конфигурацию фактических инструментов, которые вы хотите. Так что вы можете видеть, что этот — web fetch, и он на самом деле отключен прямо сейчас, потому что enabled — false. Так что вы можете просто включить это на true. Что насчет MCP? Если вы не знаете, что такое MCP, это model context protocol, и это просто стандартный способ, которым LLM могут общаться с внешними приложениями. Так что, если вы хотите отправить сообщение в Slack, прочитать файлы в вашем Google Drive или иметь возможность читать и записывать код в вашем репозитории GitHub. Все они имеют уникальные API, способы, которыми ваши приложения исторически могли взаимодействовать с кодом для выполнения этих задач, для работы с этими программами. Но теперь у вас есть этот стандарт под названием MCP, и LLM просто общается с MCP, а MCP обрабатывает все пользовательские взаимодействия с API. Так что, чтобы ваш агент использовал MCP, мы предоставляем новый параметр под названием MCP servers. Вы знаете, он идет прямо с инструментами здесь, и это просто конфигурация для MCP. Так что вы можете видеть, что этот — GitHub, и он просто обращается к этому конечной точке. Так что довольно просто. Если вы также слышали о навыках, вы можете добавить их тоже. И если вы не знаете, что такое навыки, это, по сути, набор инструкций. Мне нравится думать об этом как о SOP или стандартной операционной процедуре о том, как выполнить очень специфический тип рабочего процесса. Так что вы пишете это один раз, как будто обучаете человека. Так вы обучаете ИИ. Вы пишете это один раз, каждый шаг подробно. Таким образом, ИИ знает, как пройти через это и выполнить действие для вас. И обычно это в формате markdown. Так что, как будто это называется, давайте посмотрим, смогу ли я получить это здесь. skill.md. Обычно это в файле под названием skill.md. Так что, что вы можете сделать, это создать навык здесь. Так что здесь мы вызываем skills.create. Мы даем ему файл, который мы назвали example skill, и он создает, дает вам идентификатор для навыка, который он создал на стороне anthropic. Затем, когда вы фактически создаете агента, вы предоставляете этот раздел skills здесь, и вы можете дать ему, знаете ли, есть некоторые встроенные антропические, такие как этот должен использовать Excel, но есть и пользовательские, которым вы даете идентификатор навыка, который мы получили, когда мы создали его заранее. И теперь у этого агента есть возможность использовать этот навык. Так здорово. Теперь у нас есть наши управляемые агенты, которые оркестрированы и могут использовать инструменты и взаимодействовать с внешним миром. Но как мы на самом деле создаем среду для них? Вот где появляется эта песочница. Так что для создания среды это довольно просто. Опять же, вы можете сделать это в пользовательском интерфейсе или через код здесь. Как это Python, и вы говорите environment create. Вы даете ему конфигурацию и тип сети. И я думаю, важно понять оба этих момента. Так что конфигурация здесь на самом деле не отображается, но если вы думаете о конфигурации, вы можете запускать ее либо локально, либо в облаке. И с управляемыми агентами вы всегда захотите, чтобы это было в облаке. Каковы преимущества каждого из них? Локально — это то, что он работает на вашем компьютере. Так что это если вы создавали этих агентов и просто держали их на своем компьютере для запуска. Это на самом деле то, что использует Claude Code. Они управляют агентами для вас, чтобы выполнять различные задачи кодирования. Как если вы когда-либо использовали sub aents или agent teams, все это работает на вашем компьютере для взаимодействия с кодом. Это здорово, потому что он использует все файлы на вашем компьютере, и вы знаете, что он может делать все на вашем компьютере, что можете делать вы. Но проблема в том, что опять же, если вы закроете ноутбук или выключите его, они не смогут работать, и это ограничено только вашим компьютером, в отличие от того, если вы запускаете их в облаке. И это обычно в этой ситуации работает на инфраструктуре anthropics, что означает, что он может работать 24/7. Он работает все время, и у него может не быть доступа ко всем файлам, которые вы можете ему предоставить, что, знаете ли, в некоторых случаях может вам навредить, потому что вы хотите получить к ним доступ. В других случаях вы не хотите, чтобы он потенциально испортил эти вещи, которые у вас есть на вашем компьютере. Так что это в песочнице, которая изолирована, и у нее есть доступ только к тому, что вы ей предоставляете. Так что это основные преимущества использования его в облаке. Теперь я расскажу об этом типе сети. И вы видите, что здесь написано unrestricted. Если мы пойдем сюда, есть unrestricted и limited. Unrestricted означает, что он может получить доступ к любому веб-сайту в Интернете. Так что в большинстве случаев это, вероятно, то, что вы ему предоставите. Limited означает, что вы просто устанавливаете, к каким конечным точкам или к каким URL-адресам и веб-сайтам он может получить доступ. Если вы не хотите, чтобы он мог обращаться к чему-либо, и вы хотите предоставить ему только определенные конкретные ограничения, тогда вы будете использовать limited. Важно также отметить, что вы можете предоставить ему различные менеджеры пакетов. Так что, если вы много используете код и хотите, чтобы он запускал различные пакеты, например, этот позволяет вам работать с видео. Так что, если вы, знаете ли, включите этот пакет apt здесь, тогда вы можете установить и использовать ffmp fmpg для работы с видео. Так что теперь, когда у нас есть песочница, давайте поговорим об управлении реальным сеансом. Так что сеанс — это просто разговор с агентом, но он требует нескольких разных вещей. Так что, когда мы его создаем, мы предоставим ему агента, которого мы создали ниже, и мы предоставим ему среду, которую мы создали выше. Так что теперь, когда у нас есть агент и среда, это дает нам возможность общаться и отправлять сообщения агенту. И это действительно все. Это компоненты claw managed agent. Так что довольно просто. И на этом этапе давайте поговорим о фактическом навыке launcher agent. Я открою его здесь, и вы можете видеть, что это репозиторий GitHub, созданный Anthropic, и это просто навык Claude. Так что вы запускаете его в Cloud Code. Вот как вы его настраиваете, и мы пройдем через это после того, как вы сделаете это, есть на самом деле несколько разных папок здесь. есть папка cloud skills, которая содержит навык launcher agent. как я уже упоминал ранее, он использует файл skill.md, и вот как он знает, что делать. А затем есть также навык wrap-up, который, по сути, просто когда launcher agent завершен, и вы успешно развернули своего агента, он просто запускает этот навык wrap-up, чтобы закончить некоторые вещи. Также здорово, что здесь есть папка UI. Так что он создает папку HTML или панель управления HTML, которую вы сможете увидеть, которая управляет статусом ваших агентов в реальном времени. И это действительно основы этого. Мы перейдем к этому. Я думаю, также важно быстро показать вам, как выглядит панель управления Claude. Вы можете управлять своим бюджетом здесь. Загружать его, кэшировать запросы, но та часть, которая нас больше всего интересует, — это управляемые агенты здесь. в этом разделе агентов, и вы можете видеть, что я уже возился с этим и создал агента, но внутри здесь есть сеансы, как я уже упоминал, здесь вы фактически общаетесь с агентом, есть среды, о которых мы говорили, и да, у каждого агента есть такие вещи, как настроенные инструменты, да, вы можете видеть mcp и инструменты, и я дал ему кучу из них здесь, так что это основы. Теперь давайте перейдем к Claude Code и фактически начнем запускать этот навык и создадим своего собственного агента. У меня открыт Claude Code. Давайте начнем создавать нашего агента, используя этот навык launcher agent. Итак, первое, что нам нужно сделать, это перейти в этот репозиторий GitHub. Мы просто скопируем URL-адрес и скажем ему настроить его, что означает, что он выполнит эти команды. Я перенесу это в Cloud Code. Я создал новую папку под названием launcher agent для этой демонстрации. И я скажу настроить этот навык и вставить этот URL. Так что все, что он делает для настройки здесь, это клонирует этот репозиторий git локально. И поскольку у него есть эта папка claude/skill с файлом skill.md, это даст нам доступ к фактическому запуску навыка. Так что мы получаем, он делает именно то, что мы сказали здесь. Он клонирует навык. Мы разрешим это. И теперь мы можем видеть, что он успешно настроен в нашем репозитории, репозитории launcher agent. Так что давайте вернемся сюда, и мы скажем запустить / launch, если я смогу написать launch your agent skill. И он должен точно знать, как это сделать. Вероятно, он зайдет в эту папку, которую мы только что клонировали, и запустит локальный файл или локальный навык, который там находится. Итак, он только что запустил его, и он говорит приветствие, и он хочет, чтобы мы выбрали, что мы хотим сделать для этого агента. Так что он предлагает несколько вариантов, таких как аналитик данных. этому вы даете CSV, и он возвращает графики. Этот возьмет оповещение и расследует его. И это проверка соответствия. Так что он работает по расписанию, сканирует все, на что вы его укажете, и создает отчет. Так давайте на самом деле, давайте создадим проверку соответствия для исследования или периодического дайджеста. Он задаст нам несколько вопросов. Он скажет, что мы на самом деле сканируем, и как будет выглядеть хорошая версия. Так что, просто в качестве примера, он дал нам еженедельное сканирование вашей кодовой базы, еженощное сводку данных, дайджест конкурентов или отраслевой активности. Давайте заставим его сканировать мою кодовую базу и сообщить мне отчет о любых потенциальных ошибках. Проведите исследование и определите, есть ли новая функция, которую я должен реализовать в отчете. Так что мы заставим его просканировать кодовую базу, которую я имею, и, как я уже упоминал, он определит, есть ли какие-либо потенциальные ошибки, и он создаст отчет о том, как их исправить, и о любых новых функциях, которые мы должны внедрять. И я полагаю, что это будет использовать веб-поиск, а сканирование моей кодовой базы будет использовать подключение к GitHub. Он задает несколько вопросов с множественным выбором. Так что мы заставим его сканировать все. И какую новую функцию он должен реализовать? Давайте скажем, да, проведите исследование конкурентов. Как часто это должно запускаться? Мы заставим его делать это еженедельно. И теперь я дам ему фактическую кодовую базу, которую я должен просканировать. У меня есть это веб-приложение, которое я создал, под названием Gourmand. Оно просто создает рецепты с использованием ИИ. Довольно просто. Это было просто, пока я учился использовать ИИ в приложениях. Это довольно круто, но, знаете ли, я думал, что люди действительно заплатят за что-то подобное. Ну, мы просто заставим его использовать репозиторий кода, который я использовал для создания этого. Так что давайте скопируем этот репозиторий. Мы вернемся к Claude и скажем ему сделать это. Он только что создал план для фактической реализации этого агента. Так что у него есть агент и инструкции здесь. Так что еженедельный отчет о состоянии кодовой базы и сканер возможностей для упомянутой кодовой базы. Проверяйте ошибки безопасности, технический долг и т. д. Не пишите сам код. Он будет работать в облачной среде с неограниченной сетью. Так что это позволит ему получить доступ к нашему репозиторию GitHub и затем провести необходимое веб-исследование. Дополнительные пакеты не требуются. Он будет использовать коннектор GitHub. Или он может фактически обращаться к репозиторию GitHub напрямую, поскольку он не является общедоступным или поскольку он общедоступен, а не частный. Мы посмотрим, что он захочет сделать. Предоставьте нам отчет в формате markdown в конце с обнаруженными проблемами, рекомендуемыми функциями, и он говорит, что ничего не изобретено. Каждое утверждение должно быть прослежено до файла или цитируемого источника. Так что убедитесь, что он цитирует свои источники. Он будет работать по еженедельному cron-заданию или, по сути, по расписанию. Что он на самом деле спрашивает, в какой день запускать. Так что, да, мы выберем этот понедельник в 8 утра. И тогда он проведет некоторые оценки, чтобы убедиться, что он работает правильно. Так что случай 1 — это фактическое сканирование на этой неделе. И круто то, что он на самом деле показывает версии. Так что это для, скажем, версии 0. Версия 1 будет доставкой дайджеста в Slack или по электронной почте. Так что версия 0 просто составляет ее. Это фактически отправит ее. А затем V2 фактически создаст pull request с функциями, а не просто напишет рекомендацию. Так что довольно круто, что он дает будущие версии. Так что давайте просто ответим на этот вопрос и скажем понедельник, 8 утра. О, он также спрашивает часовой пояс. Я в восточном времени, так что Нью-Йорк. И давайте посмотрим, что он сделает. Он только что завершил создание нашего плана запуска. Он работал несколько минут. И прежде чем мы углубимся в эту панель управления, которую я покажу вам через секунду, он просит одну вещь, которую важно отметить и которая требуется для его работы. И это ваш ключ API anthropic, чтобы он мог получить доступ к вашей облачной консоли, панели управления управляемыми агентами. Так что он просто хочет создать в этом файле .env, и вам просто нужно вставить сюда ваш ключ API anthropic. Так что, чтобы получить это, мы перейдем в эту консоль. Мы перейдем в API keys, и опять же, это просто на platform.claw.com. Мы создадим ключ. Мы назовем его, давайте просто назовем его code scanner demo. Мы нажмем добавить. И я размою это, чтобы вы не могли этого видеть. Но я скопирую свой ключ сюда. Мы вернемся сюда и просто вставим его так. Так что я нажму сохранить. Давайте закроем это. И теперь мы можем видеть фактическую панель управления, которую я создал. Мы можем видеть, что он создает агента под названием Gourmand Health Scanner, который является названием нашего веб-сайта или репозитория кода, который мы хотим, чтобы он сканировал. Он будет использовать модель cloud opus. Он будет работать по понедельникам в 8:00 по восточному времени. И вот некоторая информация о развертывании. Так что это фактический триггер, который он будет запускать. Рабочий здесь — это наш фактический агент. Вы можете видеть, что среда — это облако с неограниченной сетью, без пакетов. Он клонирует репозиторий и будет записывать выходные данные в этот файл дайджеста. Инструменты здесь, у него будет доступ к bash, web search и web fetch. Никакие другие. У него будет доступ к GitHub для общедоступного репозитория. И у него не будет навыков или памяти для этого. И наконец, здесь у нас есть результат, который является digest.md. Он будет пытаться максимум три раза подряд. Только читать. Не писать код. И результат здесь — дайджест. Проблемы, рекомендуемая функция. Убедитесь, что она подтверждена, и репозиторий не тронут, так что никаких изменений не вносится. Отлично. И эта панель управления будет обновляться по мере того, как мы продолжаем развертывать и тестировать агента, по мере того, как он переходит от версии 0 к версии 1, и мы запускаем различные сеансы для его тестирования и проведения наших оценок по кейсам. Так что вы можете видеть журнал выполнения сеансов. Это еще не было создано. Так что нет запусков, и оценки здесь. У нас есть случай 0. Это еще не было запущено. А затем есть также план различных версий, как мы упоминали. Так что V1 может доставить его в Slack или по электронной почте. Также создание хранилища памяти. V2 сможет создать pull request с этими изменениями и заблокировать сеть. Так что отлично. Это выглядит как хороший план для меня. Мы оставим это открытым сбоку и позволим ему обновляться. Так что мы скажем, только что добавили ключ API. Запустите агента. И мы сделаем это, и давайте посмотрим, как он создает агента. Отлично, быстрая проверка того, как это идет. Он создал среду, которая нам нужна. Создал агента и запустил сеанс. Так что, если мы перейдем в фактическую облачную консоль, мы увидим нового агента, которого он создал, gourmand health scanner. О, давайте зайдем сюда. Мы можем видеть инструменты, к которым мы дали ему разрешения. Мы можем видеть сеансы, которые он начал. Так что он создал этот сеанс, который в настоящее время выполняется. Давайте откроем его здесь снова, сеансы, и мы можем видеть его. Управляемые агенты — это круто, потому что они предоставляют стенограмму всего, что происходит. Так что это обсуждение агента, использование инструментов и т. д. А также режим отладки, в который вы можете углубиться. Так что, так что довольно круто, что вы можете получить такую гранулярность с этими сеансами. Но да, вернемся к агенту. Есть развертывания, которые еще не были созданы, но это будет то, как он будет работать каждый понедельник в 8 утра. И есть также панель наблюдаемости здесь. И да, если мы хотим увидеть фактическую среду, она здесь, среда health scanner. Мы можем видеть неограниченную сеть, никаких пакетов. Так что создал все, что нам нужно, и теперь он просто запускает агента, и мы увидим ответ, который он даст. Агент только что закончил. Мы можем видеть здесь, что он дает нам сводку того, что произошло. Так что он создал дайджест. Было пять различных критериев, которые он должен был оценить. Так что создание дайджеста, что проблемы помечены, что есть одна функция, нет неподтвержденных утверждений, и репозиторий не тронут. Он хочет перейти к следующему шагу, который заключается в фактическом планировании, которое мы отключим. Но да, мы можем искать. Мы можем посмотреть на сеанс здесь и увидеть, что агент завершен. Мы можем увидеть сеанс прямо здесь. И я загрузил сеанс, и это круто. Он имеет вывод, который он создал прямо здесь, который является этим файлом дайджеста. Мы можем скачать его и посмотреть, если хотим, но у него есть небольшой предварительный просмотр здесь, где он проходит. На самом деле, да, давайте скачаем его и посмотрим. Так что я скачал его. Он откроется в антигравитации. Мы можем нажать на это и увидеть, как это выглядит. Так что вот отчет дайджеста, говорящий о репозитории, несколько различных проблем безопасности, которые возникли. Одна из возможностей для функции, которая заключается в покупке ингредиентов с использованием Instacart. Довольно круто. Это на самом деле то, над чем я размышлял тогда, когда работал над этим проектом. И да, вот фактические источники ниже. Сводная таблица. Отлично. Так что, да, почти именно то, что мы просили. Проблемы безопасности, новые функции и т. д. Хорошо. Так что давайте вернемся в Claude. Мы позволим ему создать это расписание. А тем временем давайте посмотрим отчет отсюда. И вот фактический отчет снова. И теперь мы можем видеть, что развертывание было создано. Так что каждый понедельник в 8 утра мы можем быстро вернуться сюда и взглянуть на развертывания. Да, вот оно. Еженедельный сканер здоровья. Это просто говорит понедельник в 8 утра, часовой пояс Нью-Йорк. Круто. И если мы перейдем к агентам, мы можем увидеть его прямо здесь с развертываниями. Вот он. Отлично. Так что, возвращаясь к этому отчету. Мы видим, что это то же самое, верно? Работа все та же. Результаты те же, но теперь у него есть журнал сеансов, где говорится, что первый сеанс прошел. Он соответствовал всем критериям, мы можем нажать на фактический сеанс. О, я полагаю, это не работает прямо сейчас, но это имеет ссылку на сеанс, оценки. Так что он прошел и был проверен. Он работал. И теперь мы можем перейти к дополнительным версиям, если хотим. И это главное, что я хотел вам показать. Это как настроить этого агента просто через этот новый навык. И по мере того, как он продолжает тестировать здесь, вы можете развернуть его, знаете ли, создать v1, и он снова пройдет через этот процесс. Создать v2 для работы над всеми новыми функциями в каждой версии. И если вы продолжаете смотреть на эту панель управления, она будет обновляться всеми новыми запусками сеансов и всеми новыми функциями этого агента. Теперь вы знаете, как создавать этих автономных агентов, которые могут полностью самостоятельно выполнять полные рабочие процессы в изолированной облачной среде, и вы знаете, как обновлять их от версии к версии и отслеживать их на панели управления, используя единый навык launcher agent. Так что довольно круто. Теперь, если вы ищете, как еще вы можете использовать этих управляемых агентов, особенно в этой облачной среде, где вы можете оставить это как долгосрочную задачу, тогда посмотрите это видео, которое я сделал здесь о том, как настроить Claude Fable 5 с управляемыми агентами для выполнения очень похожих задач по составлению отчетов для кода или для веб-поиска.