Transcription
Это видео будет в первую очередь полезно тем, кто использует активно NA10 для создания агентов, для создания разных AI ассистентов и автоматизации с использованием AI. Я знаю, что аудитория моего канала - это люди, которые очень глубоко погруженный в автоматизацию с помощью NN, активно использует его. Я и сам продвигаю эту идею на своём канале, но в последнее время я всё реже и реже использую этот инструмент. А не потому, что он плох, а потому, что появились альтернативные подходы, которые развязывают мне руки, которые позволяют мне делать больше, быстрее, за гораздо меньшее время и гораздо меньшие усилия.
И в этом видео мы рассмотрим основные, довольно базовые архитектуры агентов, которые, а, в N сделать можно довольно быстро. И я покажу, какие альтернативные есть инструменты. Их очень большое количество. Есть и low cд инструменты, есть даже и no cД инструменты, такие как flow или Long Flow и большое количество других инструментов. И говорю я о том, что появились новые инструменты, которые позволяют делать больше за меньшее количество времени. Я имею в виду развитие LLM, который позволяет генерировать код. И это очень удобно. И как бы N не упрощал это, передвигая эти блоки, соединяя их зачастую в очень большие блоксхемы, всё равно это нужно делать самому, сидеть руками и делать. Когда ты уже глубоко в это всё окунулся, когда ты сделал уже сотни агентов разных, обкатал их на продакшене, обкатал их вместе с клиентами в разных боевых условиях, а ты уже начинаешь просто понимать, что конкретно ты делаешь, и а тебе уже не хочется экспериментировать, ты уже знаешь, как это всё должно работать. И вот в этом случае это идеальный момент, когда можно попробовать переключиться на альтернативные инструменты. И об одном таком инструменте сегодня пойдёт речь.
Это фреймворк, который позволяет создавать AI агентов. Это open source проект, он называется Mra, а он не на Питоне, это JavaScript, то есть Typeescript полностью. И он позволяет создавать AI агентов, используя JavaScript. Но степень абстракции настолько высокая у этого инструмента и настолько удобно он сделан, насколько я понял из обзоров, что я решил прямо сделать лайозор. И я, честно скажу, я сам им ни разу не пользовался. И всё, что мы сейчас будем делать с вами вместе, я тоже буду делать в первый раз. Я даже понятия не имею, я не читал документацию. И вместе мы с вами разберёмся. Если ты уже чувствуешь, что тебе тесновато в NA, смотри это видео до конца. Я покажу, как можно перейти на такой фреймворк, как Mraко создавать своих AIгентов и не иметь практически никакого ограничения по архитектуре, по тому, как у тебя построены тулы, как построены MCP. И ты можешь создать такого агента, добавить необходимые функции, которых, если их вдруг нет, ты их легко напишешь и передать код заказчику, либо пользоваться этим самостоятельно.
И, кстати, в нашем закрытом сообществе Vibe Club мы вот именно этим и занимаемся. Я постоянно делаю обзоры, постоянно записываю обучающие видео, показываю, как я сам создаю свои собственные проекты с помощью LLM разных моделей, разных инструментов. Курсор, кодер, Winerf и другие. И строить таких агентов с таким подходом намного легче, когда ты находишься в компании людей, которые занимаются этим же самым, делятся своим опытом, а приходит выступать на зумы и показывать свои проекты. Если тебе интересно узнать про наш клуб, можешь посмотреть ссылку, она будет в описании под этим видео. Ну а мы переходим к мастерам.
Первое, что нам надо сделать, нам нужен какой-то редактор кода, какая-то среда для разработки. Я буду использовать курсор. Открыл абсолютно чистый проект. В нём нет ни одного файла, чистая папка. И, э, сразу же перехожу к сайту. Вот здесь написано: "Для того, чтобы начать юзать, а, мастру, достаточно просто ввести команду вот mpm create masterra latest". Что, собственно, мы и сделаем. Открываю проект, открываю терминал, вставляю команду и запускаю соглашаюсь. Окей. Мара версии 0.18.6 сейчас будет устанавливаться. будут устанавливаться все необходимые пакеты, зависимости, всё, что нужно для того, чтобы её запустить. Меня он сейчас спрашивает, как будет называться твой проект. Я напишу ему тест YouTube. Какая модель у нас будет по умолчанию? Э, ну, для простоты пусть будет Open AI. Введите свой ключ. Я это сделаю позже. Спрашивает, какой вы пользуетесь. Я пока не буду подключать их MCP, так как я не буду использовать и внутри курсора. Скажу ему пока скип. И сейчас он установится.
Пока мастра устанавливается, мы идём в документацию. Нам нужно будет в вручную подключить MCP. Надеюсь, документация это есть. Да, вот MCP Doc сервер. Этот MCP позволяет нашему агенту подключаться к документации. Естественно, ни GPT5, нирок, скорее всего, ничего не знает про эту мастру, потому что это относительно свежая штука. Вот и мы должны, а, сейчас его дать нашему агенту, чтобы он смог дёргать документацию и эффективно с нами работать. Вот я буду использовать кодекс CLI. Это такой вот инструмент для, а, разработки от Open AI на моделях кодекс 5.1. И как только закончится установка, я добавлю этот MCP-сервер. Тут прямо есть готовая команда, и я её вот копирую. Так, всё, у нас установилось. Теперь я ввожу команду с MCP. О'кей. И теперь вот можно проверить вот такой вот командой кодекс MCP list. Подключен ли этот MCP? Да, у меня подключен Master Docs и ещё есть Playri и SHCN. Возможно, имеет смысл их отключить. Ну да ладно. О'кей.
Отлично. Я буду использовать кодекс не CI, а вот такой вот VSCE extension. Это расширение для VS-кода, которое позволяет использовать модели кодекс, но в таком вот графическом интерфейсе. И первое, чего надо сделать, надо создать файл agents.m. И в этот файл я впишу инструкцию, чтобы наш агент всегда использовал этот MCP мастра для того, чтобы наш агент знал, что есть такой MCP и что им надо пользоваться. Пока что делаю вот такой простой документ. У нас мастра установилась в директорию. Я думаю, что имеет смысл тогда переоткрыть её в качестве основной рабочей области. Я переоткрыл проект. И первое, что я сделаю, я его проинициализирую. Открываю кодекс, отправляю ему команду init.
Пока кодекс думает, немножко расскажу про настройки. Кодекс он может работать локально на моём компьютере. Также он может работать и в облачном окружении Open UI. То есть я могу какие-то задачи кидать на облако, и они будут код будет генерироваться, запускаться и тестироваться прямо а на облачной платформе. А также есть три режима. Есть режим чат, где я могу разговаривать со своим агентом, и он не будет не вносить какие-либо правки вклад. есть режим агента. Этот режим агента, он будет носить правки в код, но у него будет ограничен доступ, ограничен доступ к командам и полный доступ, то есть когда я его не ограничиваю, он может запускать команды из терминала, может редактировать файлы, изменения к этим файлам автоматически принимаются. Что касается модели, модель тут у меня есть четыре варианта на выбор. Кодекс Max, кодекс 5.1 и Mini. Ну, модель Mini я ни разу не пользовался, мне кажется ничего хорошего. А вот кодекс отличается от обычного GPT 5.1 тем, что в посттрей, то есть когда его уже тюнили для кодирования, его дообучали очень активно использовать разные инструменты, командную строку Linux или Mac. К сожалению, в Windows работает это всё похуже. Модель Max - это модель, которая позволяет прямо очень эффективно использовать инструменты. И у модели Max есть low, medium, high и extra high. Extra high хай - это максимальное количество рассуждений. Максимальное количество инференса даётся на рассуждение, максимальное количество токенов тратится. И в теории модель должна лучше понимать задачу, а более обходительно выполнять эти задачи, делать изменения в код. Но зачастую бывает так, что тут происходит, что называется, горе от ума. Модель слишком переусложняет всё и просто начинает делать даже довольно простую задачу какими-то окольными сложными путями. Но у меня сейчас будет стоять хай всё это время. Хай - это такой оптимальный вариант. Я иногда переключаюсь на медиум, иногда на экстra high хай. А в зависимости от того, какое количество ошибок было, а, допущено моделью при работе.
Агент у нас, а, нашёл информацию, что это мастроагент, агент, который может погоду говорить. Имеет смысл обновить наш файл agents md. Давайте посмотрим, как вообще его запустить. Что-то не увидел я там команды, но, возможно, это npm runf, если это нода, агент запускается. Вот здесь в документации сказано, что мастра будет доступна на local host 4111 порт. Вот мастра, которая уже запущена локально на моём компьютере. Здесь есть вот и workflow, и MCP, тулы, и cors. А пока не знаю, что это. Так, мне нужен OpenI K. Я его сейчас в введу, а в проекте вводится он в, скорее всего, файле то. Вот здесь есть пример. Я его сейчас скопирую, вставлю и переименую. Ой, переименую просто в точка ENF. И сюда вставлю свой APK. Покажи мне, какая ещёс погода в городе Алмааты. отправил ему сообщение, какая погода сейчас в городе Алматы. Он использует Weather to location Алматы, получает данные погоды. Отличная обозреваемость вот в этом интерфейсе, довольно таком простом. И вот финальный ответ мы получили. А работает тут 4О Mini. Можно попробовать поставить GPT5 нана. Скопирую сообщение. Новый чат. Ввожу то же самое. и отправляю. Здесь сразу видно системный промт, который можно одним кликом скопировать. Настройки модели, температура, TopK, Top P и Max Token. Ну, не всё поддерживается новым поколением моделей GPT5, но также здесь всё есть, э, очень классно разные виды памяти. Semantic recall, семантический поиск. Он позволяет агенту искать по истории чата. А рабочая память, так называемая, а рабочая память - это просто фрагмент чата, который идёт в chatчат history. То есть то, что вnзывается chat history, вот это его, аналог. Память сконфигурирована так, что memory включен последние, а, 10 сообщений. И здесь ещё есть after generale generate titles. Пока не знаю, что это, но я думаю, что это пока не так важно. А вот таким вот образом тестируются модели. Также здесь есть workflow своеобразный. То есть я проваливаюсь вот в этот workflow по погоде. И можно посмотреть, да, как вообще работает этот workflow. Его можно прямо здесь запустить. Допустим, Алматы говорит не найден. Попробую вбить на латинском. На латинском работает всё. Значит, то есть эта опишка, она принимает только города, только на английском языке, наверное. И вот такие вот workflow можно тоже самому самостоятельно собирать. Также тут есть поддержка MCP, их тоже можно сконфигурировать. Есть, э, тулы. Тулы можно создавать отдельно и вот здесь вот их тестировать, а потом эти тулы можно собирать в workflow. Также тут есть поддержка runтайм контекста. Runime contex - это такая штука, когда все переменные заполняются только в рантайме агента, то есть ничего можно не хардкодить. И это тоже бывает зачастую довольно удобно в N вообще. А, допустим, какие-то моменты, они просто хранятся в самом Workflow. А любой getзапрос, если знает кто-то апи ключ, он вытащит это всё вместе с Workкlow может получить эти данные, если, конечно, знает Апиключ.
Что ж, пора нам сделать своего первого агента в Mra Studio. А я думаю, что уже вам понятно, что агенты создаются не здесь. Это просто интерфейс, который позволяет очень легко, удобно их тестировать. А агенты, они создаются вот здесь с помощью джаваскрипта. И вот здесь вот в папке source можно посмотреть agent. И вот он сам агент. А необходимы импорты. И дальше мпт, модель, тулы и всё, в принципе. А-а больше ничего не нужно. То есть 53 строчки кода и всё работает. Но отдельно можно посмотреть тулы. Weather tool, значит, импортируется create tool и дальше расписывается схема интерфейс. А здесь вот уже сама функция, которая вызывает IP. Вот по этой ссылке сюда подставляется location город. Тут ещё есть дополнительная вспомогающая такая функция getw condition. А в зависимости от того, какое какую цифру вернёт опишка, её вот расшифровка здесь есть просто тексто. А я так понимаю, что речь идёт про а степень а осадков. То есть средненький такой дождь, умеренный, тяжёлый, там до урагана, в общем. И таким образом всё это легко очень создаётся. Вот он сам workflow get. Здесь создаётся первый шаг. Create step. Здесь, собственно, описана сама эта функция, сам этот tool. И второй шаг - это suggest activities based on better conditions. То есть это для лмки, чтобы она могла посоветовать какие-то активности в локации в зависимости от погодных условий. Вот такой вот простой агент. Вот его промпт тут описан. Да, и в общем-то и всё. Плюс-минус.
Самое главное, что вот мне важно показать, что сможем ли мы сейчас сами, а, не зная до конца нюансов работы, а, вот этого фреймворка, сделать какого-то, а, своего агента, который сможет использовать раг, у которого будет доступ к векторной базе данных, а, на базе quadrant, а, для того, чтобы он смог нам просто дёргать какие-то ответы. Вот. Каких усилий нам это будет стоить? Давайте я сейчас попробую написать промпт и посмотрим. Я записал промт, где просто на обычном произвольном языке русском расписал, что мне нужно сейчас, и будем смотреть. Странно, к MCP получи не получилось подключиться, но он говорил, что он сделал за один промт. Я вот как отправил его, так и всё. Я просто перешёл на силайную версию. А кодекс думал, может быть, здесь MCP получится подключить. Сейчас мне нужно подключить свой квадрант, то есть нужно URL, коллекцию и Open IPK. Вот это всё. Я хочу, чтобы он добавил мне это вот сюда в качестве примера. И я должен буду подключить свой квадрант. Я заполнил все эти переменные. А модель для embedдинга quadrant URL и Quadrant Collection. буду использовать коллекцию Agentic Chunkin и позадаю вопросы по вот этому датасету, который здесь у меня есть. Что ж, попробуем, перезагрузим. Вот у нас уже появился наш RAC agent. Попробую вообще просто протестировать его. Вот в тулах у него quadrant search. Вот он пошёл на в Quadrant search и получил контент из нашей базы с квадранта. и ответил на вопрос Global Jin AI preced investment proposal. Вот ответ коррект. Всё о'кей.
Теперь попробуем подключить memory, чтобы был у него semantic memory. Semantic recall называется. Попробуем, а, всё это включить через кодекс, чтобы у нас был семантический поиск по нашей истории чата. А, условно говоря, насколько я это понимаю, сейчас у нас вся история, а, нашего чата, она имбидируется в некий такой рак, и по ней потом можно искать агент может вызвать инструмент semantic recall и какие-то ключевые слова подать, и ему чанки из нашей истории прилетят, и он сможет ответить на вопросы, которые там 100 лет в обед назад мы ему задавали. Вот он импортирует э вектор lip SQL Vectктор. Вот эти вот небольшие правки он внёс. Там Typeesриpt сломался, весит ошибка. Сейчас неё там доделает, дочинит и попробуем. А, хотя я думаю, что довольно долго и много придётся с ним общаться, чтобы прямо этот семантик рекол а воспользоваться. Может быть, ещё что-то испробуем. Так, SEMнtic Reкол подключен к нашему агенту. Билд прошёл. А как вообще устроен наш стул? Вот он кader and search. И здесь, кстати, здесь его сразу можно испытать прямо на месте. То есть мы, допустим, Global GNAI скопируем, вставим сюда, сделаем subбмит. И что-то у нас не работает. Посмотрим, есть ли что-то у нас в логах. Перезапустим сервер на всякий случай. Какая-то у нас ошибка. А, URL invalid какой-то URL. Нам нужен URL можно посмотреть документации recall. Вот здесь вот, кстати, хорошо показана схема. То есть, а, контекстное окно, оно компрессируется, имбидируется и потом через RК Pipeline, а, по истории можно искать Recall Configuration. А, поддерживается четыре базы данных: Lip SQL, Mongb, Postgress и AppST. А отдельный конфигурируется, можно выбирать разные модели. А, имелась в виду ссылка на URL на базу данных, то есть где где это всё хранить. Из коробки сразу есть у нас тоже memory trads, то есть, чтобы на каждого пользователя был свой собственный своя собственная память. Это и working memory касается, и conversational history, и semantic recall. Вот здесь, кстати, отдельно есть memory processors, то есть можно ограничивать по токенам, можно tool call фильтр, то есть а мы можем отфильтровать то, что а в результате вызова каких-то тулов, чтобы оно не летело в нашу память. Довольно всё, мне кажется, просто сделано и со вкусом. Итак, кто у нас там с билдо? Обновляем, попробуем ещё раз. Таким образом можем тестировать наш рак. А, допустим, similararity thresшхол. Мы хотим отсеять всё, что, допустим, а, ниже 0,9, например, и к нам ничего не прилетела. 0,7, например, тоже ничего не прилетело. 0,4 уже что-то прилетело, какие-то чанки прилетели. Ну, такое себе дело. Если честно, лучше использовать модель для реранкинга. Я уверен, что здесь можно это всё без всяких проблем прикрутить. Вот таким образом создан наш рак агент. У него есть апи уже у нашего агента. Все endпоинты уже готовы. Мастра работает как серверное приложение. Её можно установить на сервер, так же как и Nat. Вот сразу все энпоинты. С помощью этих энпоинтов можно создавать агентов, управлять, редактировать этих агентов. И это суперудобно. С помощью апи можно прямо вот в рантайме создавать, разворачивать агента, использовать его и убивать. Отдельные эндпоинты тут есть по голосовым агентам и MCP есть, память есть. То есть это полноценная полноценный такой, а, мультиагентный сервер с большим количеством готовых, настроенных, а, инструментов. И самое, что крутое, а, можно очень легко, прямо вот в рантайме создавать любых агентов. И можно его использовать как свой собственный ээнд. Допустим, вот есть какая-то платформа, допустим, делаете вы платформу с агентами, и вам там наверняка нужно кучу всего всякого разного делать. Это могут быть и, а, агенты с тулами, агенты, у которого есть другие агенты с тулами. Это могут быть и вот такие workflow, где тул за тулом а отрабатывает. Там, насколько я понял из а документации, можно ещё параллельно разделять эти workflow, потом собирать их, ну, что-то вроде Nate, и всё это будет работать как бы. Но самое прекрасное, что всё это написано на джаваскрипте. Можно сюда прикрутить что угодно. Если есть необходимость и желание прикрутить какие-то любые другие библиотеки, а то неких проблем. То есть мастер можно прямо встроить, у них есть свой собственный SDK, то есть можно его использовать по AP, а можно использовать, если я правильно понимаю, именно а вариант SDK, то есть вызывать прямо из кода те или иные функции. Вот. И мне кажется, что это великолепная альтернатива, а вот, ну, тому, что даёт NA. Это N - это очень быстрый инструмент и очень хорошая такая база, да, понять, как что это и как работает. Но, как, наверное, вы уже поняли, если эту мастру я сейчас разверну у себя на каком-нибудь ВПS, я этих агентов буду шлёпать. Я могу просто сделать даже очень легко такой веб-сервис, где ты нажал плюс создал своего агента прямо, а, сгенерировался для него код весь, а, дать возможность создавать свои собственные тулы, а возможности абсолютно безграничные. И, а, имея, э, MCP хороший качественность документации, хорошую модель CLД код, а Codex Gemini 3.0, ноль, а GRК код ну в общем любую state of the art модель, да, вы можете очень легко nen вообще выпилить из своего пайплайна и уже заниматься полноценной разработкой, а каких-то САС решений, а каких-то платформ, используя, а вот такие готовые фреймворки, как Mastra.
Если это видео тебе понравилось, ставь лайк. Если не понравилось, ставь дизлайк. У меня на канале есть ещё аналогичные видео, похоже, если тебе эта тема интересна, чекни. Сейчас выйдет где-нибудь наверху. Подписывайся на канал, если вдруг ещё не подписан. Прожимай колокольчик, чтобы получать уведомления о новых видео. Ну а мы увидимся в следующем [музыка] видео. Пока. whispers as the circuit [музыка] home.