Transcription
В моем последнем видео я показал новый метод, предложенный Anthropic, под названием MCP code execution. Эта техника — будущее создания ИИ-агентов, потому что она сокращает потребление токенов на 98%, предоставляя вашим агентам гораздо большую автономию и гибкость для развития собственных навыков. В этом видео я построю это вместе с вами шаг за шагом. Я сравню этот новый подход со старым прямым методом MCP и предоставлю вам финальный репозиторий плюс шаблон для преобразования любого MCP-сервера в этот новый шаблон. В конце я также расскажу, готов ли этот метод к производству или нет. Прежде чем смотреть это видео, обязательно посмотрите предыдущее, чтобы полностью понять всю теорию, лежащую в основе этого нового метода. Давайте приступим. Итак, агент, который мы построим сегодня, — это агент по продажам из блога Antropic, который может читать стенограммы встреч, а затем прикреплять их к вашей CRM без фактического чтения содержимого файла. Архитектура этого агента довольно проста. Это всего лишь один агент с этим инструментом выполнения кода, который подключается к Google Drive MCP и Notion MCP, потому что наша CRM находится в Notion. Итак, чтобы начать, вам нужно скопировать наш стартовый шаблон, который теперь будет содержать новую специальную команду для использования этого нового шаблона. Убедитесь, что вы установили видимость на "приватную", а затем откройте этот репозиторий в Cursor. Я буду строить это в Cursor, но вы также можете использовать Cloud Codec или любой другой ИИ-агент для кодирования, который вы предпочитаете. Единственное, что вам нужно сделать, если вы не используете Cursor, — это просто пометить этот файл рабочего процесса и файлы команд, которые мы будем использовать, в промпте. Итак, я начну с простого и просто скажу Cloudset создать агента по продажам с двумя встроенными инструментами: интерпретатором IPython и инструментом постоянной оболочки. Причина, по которой нам нужны эти два инструмента, заключается в том, что агент должен иметь возможность фактически обнаруживать локальные файлы, а затем запускать их в Python, чтобы использовать этот новый подход. И оба этих инструмента уже доступны в нашем фреймворке. Итак, нажмем "отправить" и подождем, пока агент будет создан. Теперь я также скажу ему добавить еще одного прямого агента MCP по продажам для последующего сравнения. Кстати, если вы создаете более сложный MVP, есть также новая команда PRD, которую вы можете использовать, чтобы иметь больше контроля над структурой вашего агента. Хорошо, теперь здесь происходит волшебство. Я добавил новую специальную команду под названием MCP code execution, которую вы можете использовать для добавления MCP-серверов к агенту, используя этот новый шаблон. Итак, все, что вам нужно сделать, чтобы использовать это, — это просто пометить эту команду, а затем указать Cursor, какие MCP-серверы использовать. Я рекомендую найти точные MCP-серверы, которые вам нужны, на GitHub или в другом месте, а затем добавить ссылки обратно в Cursor. Теперь просто нажмите "отправить" снова. Эта команда уже описывает Cursor практически все, что ему нужно знать об этом новом шаблоне, и даже ссылается на блог и все другие ресурсы, которые могут ему понадобиться. Таким образом, Cursor может надежно добавить его, используя ту же структуру, которую они предложили в этом блоге. Итак, вы можете видеть, как теперь Cursor создал каталог сервера с кодом для наших серверов, а затем приступает к созданию кода для отдельных инструментов. Вам также может потребоваться аутентифицировать сервер, если он использует OAuth. Теперь он приступает к созданию файлов для отдельных инструментов. Итак, вы можете видеть, как теперь этот сервер сделан здесь непосредственно в коде, вместо того, чтобы передавать это описание и аргументы непосредственно в контекстное окно агента. Cursor сохраняет это описание в коде. Поэтому, когда нашему агенту понадобится использовать этот инструмент, он просто прочитает этот файл, и тогда он увидит все описание и аргументы, чтобы использовать этот инструмент. Таким образом, снова мы не загружаем все инструменты. Мы загружаем только один инструмент, который Cursor действительно нужно использовать. Хорошо. Всего Cursor создал 15 инструментов для сервера Notion MCP и 4 инструмента для Google Drive. Он также уже протестировал сервер Notion MCP. Однако он не смог протестировать Google Drive из-за отсутствия учетных данных. Поэтому убедитесь, что вы предоставляете все учетные данные заранее. Не повторяйте мою ошибку. Обычно инструкции по получению учетных данных можно найти в файле README вашего MCP-сервера. Затем вы можете просто попросить Cursor повторно протестировать сервер. Затем вам также потребуется аутентификация. Хорошо, следующий шаг — написать инструкции. Для написания инструкций я также рекомендую использовать команду write instructions, а затем просто пометить агента, для которого вы хотите создать инструкции. Затем Cursor задаст вам несколько вопросов, чтобы правильно определить контекст для вашего агента. Поэтому убедитесь, что вы внимательно ответили на все эти вопросы, и самый важный из них — это процесс и рабочий процесс. Промптинг — ключ к успеху в этой технике, и чтобы этот агент эффективно использовал ее, он должен четко понимать процесс. Итак, по сути, первый шаг — всегда проверять доступные навыки в папке Mnt skills. Я объясню папку Mnt позже, затем он должен использовать навык, если такой навык найден для конкретной задачи. Если навыки не найдены, то он должен прочитать только один инструмент, который ему нужно использовать, а после этого он должен объединить все такие инструменты, чтобы успешно выполнить задачу, и, наконец, предоставить предложения по добавлению новых навыков. Итак, вы можете поэкспериментировать с этим рабочим процессом. Это просто общий процесс из блога, но я думаю, что есть много инноваций просто из промптинга агента. Итак, нажмем "отправить". А пока я также хочу добавить MCPS, используя прямой подход MCP, к другому прямому агенту MCP по продажам. Для этого у нас также есть команда. Это просто add MCP. И тогда я также просто свяжу два MCP-сервера, которые мы добавили к предыдущему агенту. Хорошо, теперь мы готовы протестировать этот агент. Итак, давайте откроем его в терминале и просто запустим python agency.py. Теперь давайте проведем простой тест. Позвольте мне спросить его, что находится на этой странице Notion. Сначала агент перечислил каталог mount skills. Затем он прочитал файл fetch tool, чтобы понять все параметры. И, похоже, у него возникли некоторые проблемы с импортом. Однако в конце мне все же удалось прочитать эту страницу, выполнив этот запрос fetch tool, и он предоставил мне предварительный просмотр этого файла. Хорошо, следующий шаг — развернуть этот агент, а затем мы сравним его с прямым подходом MCP. Итак, давайте отправим наши изменения на GitHub, а теперь перейдем к агентству. Нажмите "создать новое агентство" и найдите этот новый репозиторий агента. Затем предоставьте свои ключи из файла .env. И теперь давайте подождем, пока наше агентство будет развернуто. Хорошо, теперь наше агентство развернуто. Итак, давайте протестируем его. Давайте поместим его в пользовательский GPT. Выберем обоих агентов и развернем его. Теперь позвольте мне отправить эту задачу из блога Antropic: скопировать стенограмму из Google Drive и вставить ее на страницу в Notion. Посмотрим, сможет ли он это сделать. Похоже, он прочитал слишком много файлов. Например, он даже прочитал этот файл сервера, который ему определенно не нужен. И теперь, наконец, он говорит мне, что ему действительно удалось это сделать. Итак, давайте проверим страницу Notion. И да, действительно, теперь мы получаем эту стенограмму нашего Q&A звонка, точно так же, как она была в Google Drive. А также в конце он предложил создать этот новый навык для себя. Итак, позвольте мне сказать ему сохранить навык. Вы можете видеть, что агент сказал мне, что он сохранил навыки в каталоге mount skills. Причина, по которой вам нужно использовать этот каталог mount, заключается в том, что у нас теперь есть постоянное хранилище на нашей платформе. И без этой функции было бы невозможно позволить вашим агентам развиваться и создавать свои собственные навыки со временем. Таким образом, в этом каталоге mount ваши агенты теперь могут сохранять файлы, такие как этот, и ссылаться на них в разных чатах. Итак, теперь, если я начну новый чат, а затем снова отправлю тот же промпт, агент должен занять гораздо меньше времени и просто использовать навык, чтобы быстро выполнить эту задачу. Итак, вы можете видеть, как теперь он нашел навык и прочитал файл, и агент смог выполнить ту же задачу. Хорошо, теперь давайте быстро протестируем другого агента, который использует прямой подход MCP. Теперь вы можете видеть, как этот агент читает всю эту стенограмму с помощью инструмента G drive read file, который, надеюсь, не будет стоить мне слишком дорого, и он также прочитал страницу Notion, и теперь он пытается добавить эту стенограмму на эту страницу Notion. Но, как вы можете видеть, ему приходится вручную набирать все это, что, безусловно, будет стоить мне слишком дорого. Итак, вы можете видеть, как он буквально тратит, вероятно, десятки тысяч токенов без причины, просто потому, что ему пришлось выполнить одну простую операцию копирования-вставки. Наконец, он закончил. Итак, давайте посмотрим на трассировки и проанализируем затраты. Трассировка включена по умолчанию в нашем фреймворке. И чтобы увидеть трассировки, все, что вам нужно сделать, это перейти на панель управления, а затем просто найти имя вашего агентства. Хорошо, давайте посмотрим на этот агент sales ops direct MCP. И в общей сложности этот агент потребил 32 000 токенов. Это просто безумие. И большинство этих токенов — это даже не входные токены. Это также много выходных токенов, которые чрезвычайно дороги. И с этим новым подходом количество токенов составляет всего 12 000, что намного меньше, хотя все еще довольно много. И я думаю, что причина, по которой он все еще потребляет так много токенов, заключается в том, что этот агент, как вы можете видеть, просто выполняет слишком много ненужных вызовов инструментов. Но я думаю, что его полностью возможно оптимизировать с помощью большего количества промптинга. И когда агент использовал один из существующих навыков, он потребил всего 4 000 токенов для выполнения той же задачи, что теперь примерно в 10 раз меньше. Таким образом, в заключение, я считаю, что этот подход чрезвычайно мощный, но, как говорится, с большой силой приходит большая ответственность. Хотя я определенно смог сократить потребление токенов от промежуточных выходных данных инструментов, агент все равно потреблял больше токенов, чем должен был, при вызове инструментов. Он выполнял код слишком много раз. Он читал слишком много ненужных файлов, и ему просто потребовалось слишком много времени, чтобы выполнить простую задачу с первой попытки. Однако агент все же смог сэкономить гораздо больше токенов по сравнению со старым прямым подходом MCP. Кроме того, он даже смог самосовершенствоваться, создав новый навык, который сократил количество выполнений кода в последующих запусках. Итак, мой окончательный вердикт: да, этот подход готов к производству, но он требует правильного промптинга. Промптинг здесь — ключ к успеху. Хотя LLM еще не обучены этому новому методу, вам придется тщательно описывать, как использовать этот новый шаблон, иначе они совершат много ошибок. Но если вы сделаете это правильно, и я уверен, что многие из вас это сделают, с этим репозиторием преимущества значительно перевешивают затраты. Вы получаете гораздо большую автономию и гибкость при незначительном снижении надежности. Так что да, это новая парадигма. Просто позвольте вашим агентам запускать код. Нам больше не нужно создавать эти абстракции поверх других абстракций, потому что агенты могут просто генерировать код для выполнения всего, что им нужно, самостоятельно. Однако не используйте его для простых агентов, таких как служба поддержки клиентов. Сохраните его для более сложных общих агентов, таких как аналитика, исследования или операции. Для простых агентов это все еще не имеет смысла. И когда вы будете готовы развернуть это, ознакомьтесь с нашей платформой, потому что накладные расходы на инфраструктуру — это на самом деле самый большой недостаток этого подхода. И мы единственная платформа на рынке, которая поддерживает все, что вам нужно для запуска этого "из коробки". Более продвинутые шаблоны EI-агентов скоро появятся на этом канале.