#model_context_protocol — Public Fediverse posts

Как дать нейросети управлять рекламой и не разориться: MCP-сервер, где деньги тратит только человек

Полгода назад по сети разошлась история про AI-агента, который слил 441 тысячу за один твит — у модели был доступ к исполнению, и никто не стоял между её решением и деньгами. С тех пор каждый раз, когда речь про «дать агенту управлять чем-то важным», всплывает один страх: а если он сделает глупость с реальными деньгами? Я строю сервис, где AI-агент управляет рекламными кампаниями в Яндекс.Директе, Google Ads и VK — то есть ровно там, где ошибка агента стоит денег напрямую. И главный вопрос проектирования был не «как научить агента управлять рекламой», а «как сделать так, чтобы он физически не мог потратить деньги без человека». В статье — архитектура, где у агента нет ни одной кнопки, которая тратит бюджет сама: — граница read/write: агент свободно читает метрики, ищет аномалии, строит отчёты и дашборды, но любое действие, тратящее деньги, — только три инструмента, и все через подтверждение; — контур human-in-the-loop: перед тратой сумма сверяется с порогом, выше порога агент не исполняет, а лишь предлагает — исполнит отдельный сервис после клика человека; — срок годности подтверждений, защита от двойного исполнения, белый список исполняемого, prepaid-модель как естественный ограничитель цикла. Честно: сервис в открытой бете, и агент ни разу не пытался сделать дичь. Так что это статья не про пойманный инцидент, а про архитектуру, спроектированную так, чтобы инцидент был невозможен by design. Плюс показываю, чему агенту доверять как раз можно — аналитике и сборке дашбордов.

https://habr.com/ru/articles/1061872/

#AIагент #MCP #humanintheloop #рекламный_бюджет #Model_Context_Protocol #безопасность_агентов #ЯндексДирект #Google_Ads #автоматизация #LLM

Как я индексировал экосистему MCP: 9 источников, 80 000 серверов и куча нюансов

Полтора года назад MCP-серверов были десятки, сейчас десятки тысяч. Найти нужный стало отдельной задачей: официальный реестр хранит голые метаданные, awesome-списки устаревают за неделю, а у большинства каталогов нет главного, установки и проверки безопасности. Я строю Unyly, агрегатор MCP-серверов. Сейчас в каталоге больше 80 тысяч записей из девяти источников. Расскажу, как это устроено технически: пайплайн агрегации, дедупликация, резолв установочных команд, security-сканы, health-чеки remote-серверов и шлюз, который отдаёт весь каталог агенту через одно подключение.

https://habr.com/ru/articles/1069588/

#MCP #Model_Context_Protocol #Claude #Cursor #AIагенты #LLM #агрегация_данных #каталог

MCP без облака

У меня возникла такая задача: есть куча файлов, на которые хорошо бы натравить нейросеть, чтобы она искала ответы прямо по ним, а не выдумывала. Файлы разнородные, среди них тяжелые PDF. Закинуть их в модель целиком не выйдет: контекстное окно забьется раньше, чем она доберется до сути. Нужен способ скармливать модели не весь архив разом, а только нужный кусок. Так мне пришла идея применить MCP «с другой стороны» — не для агента, а для аккуратного доступа к большому архиву локальных документов.

https://habr.com/ru/companies/basis/articles/1066908/

#rag #model_context_protocol #поиск #pdf #markdown #данные #нейросети #mcp

Как дать LLM-агенту доступ к Яндекс Вебмастеру: разбираем устройство MCP-сервера над чужим API

Данные о том, как поиск видит ваш сайт, живут в интерфейсе Яндекс Вебмастера и в его API: чтобы узнать, по каким запросам показов много, а кликов нет, что выпало из индекса за месяц и что Яндекс считает проблемой сайта, человек ходит по вкладкам и сводит цифры руками, а программа собирает запросы к API v4. LLM-агент по умолчанию не умеет ни того, ни другого. Разбираю, как устроен MCP-сервер для Яндекс Вебмастера: как уложить пару десятков эндпоинтов в восемь инструментов, какие грабли у API v4 и как сделать вход в Яндекс, который агент выполняет сам — без терминала и без клиентского секрета. Как это устроено

https://habr.com/ru/articles/1065014/

#MCP #Model_Context_Protocol #LLMагенты #Яндекс_Вебмастер #Webmaster_API #OAuth #PKCE #SEO #TypeScript

Как я собрала локальную MCP-платформу для мониторинга промышленных данных

Что получится, если собрать PostgreSQL, Airflow, JupyterLab, MinIO, Superset, шесть MCP-сервисов и локальную модель Ollama в одном Docker Compose-стенде? Показываю полный путь синтетических промышленных данных: от витрин и проверок качества до Parquet-артефактов, MCP-инструментов и LLM-пояснений. Внутри — архитектура, воспроизводимый запуск, результаты проверок и открытый репозиторий.

https://habr.com/ru/articles/1064802/

#MCP #Model_Context_Protocol #Data_Engineering #Apache_Airflow #PostgreSQL #Docker_Compose #MinIO #Ollama #JupyterLab #ETL

MCP для агентной коммерции: что может пойти не так

Представьте диалог c вашим любимым ИИ‑инструментом: — Найди поездку в Казань на выходные, до 20 тысяч рублей и с нормальным отелем. — Секунду, подбираю… «Подбираю» в этом диалоге — это некоторый чёрный ящик. Под ним могут скрываться воспоминания модели из обучения, попытки воспользоваться веб‑браузером, поиском в интернете. Такие обращения могут содержать различного рода погрешности. А вот чтобы это «подбираю» означало поиск по реальным ценам и наличию агент должен уметь обращаться к базе данных с билетами. Именно для этого мы вместе с командой Туту выпустили MCP‑сервер .

https://habr.com/ru/companies/tuturu/articles/1063414/

#aiагенты #model_context_protocol #mcp #ииагенты #агентная_коммерция #llm #fastmcp #агенты_ai

Analyze MSBuild Binary Logs with Copilot in VS Code
https://devblogs.microsoft.com/dotnet/msbuild-binlog-analyzer-vscode/

#microsoft #NET #AI #Visual_Studio_Code #binlog #build_diagnostics #Build_Performance #GitHub_Copilot #MCP #Model_Context_Protocol #msbuild #VS_Code

Analyze MSBuild Binary Logs with Copilot in VS Code
https://devblogs.microsoft.com/dotnet/msbuild-binlog-analyzer-vscode/

#microsoft #NET #AI #Visual_Studio_Code #binlog #build_diagnostics #Build_Performance #GitHub_Copilot #MCP #Model_Context_Protocol #msbuild #VS_Code

Армия в терминале

Как coding agents превратили разработчика в диспетчера машин — и запустили гонку оркестраторов, песочниц и ИИ‑фабрик. Ещё недавно программист открывал один терминал и разговаривал с одним агентом. Затем терминалов стало пять, веток — семь, а главным дефицитом оказался уже не код, а человеческое внимание.

https://habr.com/ru/articles/1063558/

#coding_agents #AIагенты #Claude_Code #git_worktree #tmux #оркестрация_агентов #мультиагентные_системы #песочницы #microVM #Model_Context_Protocol

Как я научил Claude заказывать продукты в Яндекс Лавке (и что для этого пришлось отреверсить)

У Яндекс Лавки нет публичного API. А мне захотелось написать ассистенту «закажи молоко и что-нибудь к ужину» — и чтобы заказ реально уехал курьеру. Рассказываю, как я отреверсил приватный веб-API Лавки прямо из браузерного трафика и завернул его в MCP-сервер: поиск, корзина, оформление с подтверждением суммы. А главное — про грабли, которые ловил воспроизведением, а не «на глаз»: заголовок X-CSRF-Token, зашитый в HTML; гонки за общую корзину и HTTP 409; «Раскупили» и «только из Большой Лавки», которые оказались не тем, чем выглядели; пустой способ оплаты; и удалённый деплой с OAuth, чтобы заказывать с телефона. Код открыт (MIT), ставится через uvx. Осторожно: неофициально, реверс приватного API, оформление тратит реальные деньги.

https://habr.com/ru/articles/1062042/

#MCP #Model_Context_Protocol #Яндекс_Лавка #реверсинжиниринг #API #Python #Claude #LLM #OAuth #автоматизация

Тестирование изменилось навсегда — Перспективные MCP для QA

В этой статье я расскажу тебе про перспективные подходы в использовании MCP связок для решения задач в области автоматизации тестирования, ручного тестирования и в целом QA области.

https://habr.com/ru/companies/alfastrah/articles/1058170/

#mcp #llm #ииагенты #тестирование #автоматизация_тестирования #qa #claude_code #model_context_protocol #playwright #automation

Как научить LLM-агента спрашивать Яндекс Метрику: разбираем протокол MCP и OAuth-авторизацию без секрета

Веб-аналитика живёт за дашбордами и HTTP-API: чтобы узнать, откуда пришёл трафик за неделю, человек лезет в интерфейс Метрики, а программа — собирает запрос к Reporting API и держит в голове namespace полей, лимиты и форматы ответа. LLM-агент (Claude, модель в Cursor, любой другой) по умолчанию не умеет ни того, ни другого. Мостом между агентом и внешней системой служит MCP — Model Context Protocol . Разбираю, как устроен MCP-сервер для Яндекс.Метрики: как уложить отчёты в небольшой набор инструментов, как авторизоваться в Yandex ID без клиентского секрета (это оказалось самым неочевидным) и на какие грабли Reporting API я наступил по дороге. Как это устроено

https://habr.com/ru/articles/1057864/

#MCP #Model_Context_Protocol #LLMагенты #ЯндексМетрика #OAuth #PKCE #вебаналитика #TypeScript

[Перевод] Аутентификация в MCP в 2026: как было, как есть и как будет

Пару лет назад мы масштабно столкнулись с совершенно новой технологией, которая пришла вместе с развитием агентов и LLM — MCP. Она заточена на то, чтобы дать модели интерфейс для общения с какой‑либо системой, программой или сервером. Изначально MCP были локальными и скромными: «запусти калькулятор», «проверь календарь», «удали лишние фоточки из галереи». Но очень быстро они доросли до remote‑серверов: вставляешь в Claude адрес своего MCP, и он сразу понимает, что сервер умеет, куда подключаться и как с ним общаться. Большое спасибо за это протоколу , который в ноябре 2024 придумали в Anthropic. И как только MCP стал remote, аутентификация перестала быть опциональной. Именно про это сегодня и пойдет речь.

https://habr.com/ru/articles/1056538/

#MCP #OAuth_21 #аутентификация #авторизация #RFC_9728 #PKCE #LLM #Model_Context_Protocol #resource_server #aiагенты

okama-mcp: подключаем ИИ-ассистента к портфельной аналитике по Model Context Protocol

okama MCP бесплатно подключает ИИ-ассистента (ChatGPT, Claude, Gemini) к финансовому движку и данным проекта okama: реальные расчёты доходности, риска и прогнозов вместо выдуманных чисел и галлюцинаций.

https://habr.com/ru/companies/okama/articles/1051548/

#okama #mcp #model_context_protocol #python #llm #ииассистент #портфельные_инвестиции #инвестиции

Как мы встроили ИИ-агентов в платформу: архитектура, сценарии, безопасность

ИИ-ассистент в корпоративной среде довольно быстро упирается в одно ограничение: он отвечает на вопросы, но ничего не делает. Спросить можно, но создать задачу, собрать данные по инцидентам, отправить дайджест, найти связанные объекты — уже нет. В то же время в бизнесе только и разговоров, что об ИИ-агентах — эта сущность, в отличие от чат-бота или ассистента, может действовать самостоятельно. Получив запрос, ИИ-агент оценивает доступные инструменты и сам решает, в какой последовательности их вызвать. Жёсткого сценария нет, есть набор методов и инструкция, что этот агент умеет делать. В этом материале команда SimpleOne разбирает, как агенты устроены внутри

https://habr.com/ru/companies/simpleone/articles/1054790/

#Model_Context_Protocol #AIагенты #LLM #GenAI #enterprise #ITSM #интеграции #AI_tools #RAG #genaiплатформа

MCP Beyond the Chat Window: Build Diagnostics in CI
https://devblogs.microsoft.com/dotnet/mcp-build-diagnostics-workflows/

#microsoft #NET #AI #binlog #build_diagnostics #GitHub_Actions #GitHub_Copilot #MCP #Microsoft_Binlog_MCP #Model_Context_Protocol #msbuild

MCP Beyond the Chat Window: Build Diagnostics in CI
https://devblogs.microsoft.com/dotnet/mcp-build-diagnostics-workflows/

#microsoft #NET #AI #binlog #build_diagnostics #GitHub_Actions #GitHub_Copilot #MCP #Microsoft_Binlog_MCP #Model_Context_Protocol #msbuild

AI-Powered MSBuild Investigation with the Microsoft Binlog MCP Server
https://devblogs.microsoft.com/dotnet/msbuild-binlog-mcp-server/

#microsoft #NET #AI #binlog #build_diagnostics #GitHub_Copilot #MCP #Model_Context_Protocol #msbuild

AI-Powered MSBuild Investigation with the Microsoft Binlog MCP Server
https://devblogs.microsoft.com/dotnet/msbuild-binlog-mcp-server/

#microsoft #NET #AI #binlog #build_diagnostics #GitHub_Copilot #MCP #Model_Context_Protocol #msbuild

Terraform MCP Server 1.0: теперь AI пишет конфиги по свежим провайдерам — но в prod без поводка нельзя

11 июня 2026 HashiCorp перевела в GA официальный Terraform MCP Server 1.0 — прокладку между LLM и Terraform Registry, чтобы AI писал HCL по актуальной схеме провайдера, а не по памяти годичной давности. Разбираю по официальным докам: что под капотом (toolsets и конкретные tools), как поднять стенд за один docker run, чем отличаются stdio и streamable-http, что даёт доступ к приватному registry в HCP/Terraform Enterprise — и почему деструктивные операции выключены по умолчанию. Отдельно — модель угроз самой HashiCorp (prompt injection, tool poisoning, rug pull) и практический чеклист, чтобы агент однажды не снёс staging. Читать дальше →

https://habr.com/ru/articles/1047922/

#Terraform #MCP #Model_Context_Protocol #HashiCorp #Infrastructure_as_Code #DevOps #AIагенты

Не просто чат-бот: как мы встраиваем MCP-агентов в корпоративную платформу SimpleOne

ИИ-агенты уже умеют писать письма, резюмировать встречи и искать ответы в базе знаний. Но в корпоративной среде этого мало. Пока агент только работает с текстом, он остаётся помощником рядом с процессом, а не участником самого процесса. Чтобы агент действительно помогал в корпоративных бизнес-приложениях по типу ITSM, SDLC или других enterprise-сценариях, ему нужен безопасный доступ к действиям: получить данные, проверить статус, создать задачу, найти связанный объект, сходить во внешнюю систему и вернуть результат пользователю. Причём сделать это не напрямую через базу данных и не через случайный API-вызов, а в управляемом контуре — с правами, описанными инструментами и понятной логикой исполнения. В этой статье совместно с технологическим партнёром

https://habr.com/ru/companies/simpleone/articles/1047562/

#MCP #Model_Context_Protocol #AIагенты #LLM #GenAI #SimpleOne #ITSM #интеграции #AI_tools #корпоративные_платформы

MCP-серверы для Claude Code: как подключить Telegram, базы данных и всё что угодно

Когда я начал пользоваться Claude Code, у меня было ощущение, что я дал умному человеку доступ только к одной папке на компьютере. Он видит код, помогает с задачами — но не знает, что происходит снаружи. Нет доступа к чатам, к базе данных, к GitHub issues. Всё это приходилось копировать руками и вставлять в контекст. Потом я узнал про MCP.

https://habr.com/ru/articles/1044024/

#Claude_Code #MCP #Model_Context_Protocol #AI #Python #Telegram #автоматизация

Как мы в ZeBrains перешли на агентную разработку и что из этого вышло

Всем привет, на связи команда ZeBrains. Этот текст про то, как мы перестали просто использовать ИИ и начали с ним работать по-настоящему. Про настоящие проекты, шишки и один файл, который изменил всё. Спойлер: один разработчик теперь закрывает полный цикл от ТЗ до прода. Без дизайнера, без аналитика, без DevOps. За месяц. Но путь к этому был не таким прямым, как кажется.

https://habr.com/ru/articles/1042678/

#ии #разработка #mcp #искусственный_интеллект #агентная_разработка #генерация_кода #copilot #model_context_protocol

Announcing Agent Governance Toolkit MCP Extensions for .NET
https://devblogs.microsoft.com/dotnet/announcing-agent-governance-toolkit-mcp-extensions-for-dotnet/

#microsoft #NET #AI #Security #NET_8 #Agent_Governance_Toolkit #AI_Security #MCP #Model_Context_Protocol

Announcing Agent Governance Toolkit MCP Extensions for .NET
https://devblogs.microsoft.com/dotnet/announcing-agent-governance-toolkit-mcp-extensions-for-dotnet/

#microsoft #NET #AI #Security #NET_8 #Agent_Governance_Toolkit #AI_Security #MCP #Model_Context_Protocol

Что такое MCP. Как работает киллер-фича современности под капотом

Помните время, когда искусственный интеллект был простой говорящей головой? Мы все через это проходили: открываешь чат, просишь ИИ написать кусок кода, копируешь его, вставляешь в IDE, ловишь ошибку компиляции, копируешь текст ошибки, вставляешь обратно в чат. Рутина. Сплошная, выматывающая рутина. Хочешь, чтобы ИИ прочитал лог-файл? Пиши кастомный плагин. Хочешь, чтобы он сделал простой запрос в базу данных? Садись и пиши очередной адаптер. Каждая новая интеграция требовала написания отдельного, уникального кода. По сути, приходилось соединять зоопарк различных ИИ-моделей с бесконечным множеством баз данных, API и сервисов, собирая костыльные решения на ходу. И так продолжалось бы еще долго, если бы не одно событие. Но 25 ноября 2024 года компания Anthropic представила Model Context Protocol (MCP) . И, честно говоря, это событие полностью изменило правила игры.

https://habr.com/ru/companies/bothub/articles/1035002/

#mcp #mcpserver #что_такое_mcp #как_работает_mcp #model_context_protocol #искусственный_интеллект #ии #ииагенты #ai #aiагенты

Как я перестал бояться и полюбил MCP или Зачем я написал 4 MCP‑сервера и протокол для их связи

Привет! Вы знаете как это бывает — начинаешь делать одну штуку, а потом просыпаешься через неделю и понимаешь, что написал четыре MCP‑сервера, подключил к ним шедулер, собрал автоматический конвеер для трёх Telegram‑каналов и изобрёл собственную спецификацию для связывания всего этого добра. Классика. Для тех кто не в теме: MCP (Model Context Protocol) — это протокол, через который AI‑ассистенты типа Claude подключаются к внешним сервисам и работают с ними напрямую. По сути это «руки» для нейросетей. Подключил MCP — и ИИ сам ходит в Telegram, ищет лучшие картинки с промптами на Civitai, управляет рекламой в Яндекс.Директе и делает кучу всего полезного. Без костылей, без скриптов‑прослоек, напрямую. В этой статье расскажу почему готовые MCP‑серверы меня не устроили, какие задачи я сейчас решаю с помощью своих, и зачем мне пришлось изобрести целый протокол чтобы эти серверы начали видеть друг друга.

https://habr.com/ru/articles/1019652/

#MCP #Model_Context_Protocol #TRAIL #Claude #AIагенты #автоматизация #оркестрация #нейросети #playwright #JSONL

Model Context Protocol (MCP): как ИИ-агенты «разговаривают» с внешним миром

Если вы читали или смотрели видео про MCP, то наверняка сталкивались с таким комментарием: «Спасибо, ещё одна статья, из которой я ничего не понял». Аналогии и пояснения вроде «MCP — это как USB Type-C» или «MCP — это Tools, Resources и Prompts» лично мне не добавляли понимания. Поэтому я решил подробно изучить данную технологию и написать статью, где будет понятно, достоверно и применимо . Без магии. Попутно я прошёл обучение у Anthropic (ссылки дам, сертификаты выдают, курсы бесплатные, cправда на английском). Я ставил себе цель ответить на вопросы: Что такое MCP и как он связан с ИИ? Как чат GPT (большая языковая модель, LLM) может вызвать какой-то инструмент (tool)? Модель же языковая , т.е. она умеет говорить, рассуждать, отвечать, но никак не делать . Как LLM может читать файлы, вызывать программы, открывать интернет сайты, вызывать внешние API? Для программистов, кто в теме и уже использовал MCP-сервера, т.е. знает серверные примитивы: tools, resources и prompts , возможно будут интересны клиентские примитивы: sampling, roots, elicitation . Они звучат загадочно и трудно переводимы. И чтобы вас заинтриговать: MCP-сервер благодаря sampling может «сжигать» ваши LLM-токены для выполнения своих серверных задач. А благодаря roots получать доступ к файлам на вашем компьютере. Итак, поехали.

https://habr.com/ru/articles/1027508/

#mcp #model_context_protocol #llm #ииагенты #ml #ai

[Перевод] Почему я всё ещё выбираю MCP, а не Skills

AI-сообщество активно продвигает Skills как новый стандарт для расширения возможностей LLM. Я с этим не согласен. Skills отлично работают как чистая передача знаний — когда нужно объяснить модели, как использовать уже установленный инструмент. Но для подключения к реальным сервисам Model Context Protocol остаётся более правильным архитектурным решением. Нам нужно строить коннекторы, а не плодить CLI.

https://habr.com/ru/companies/haulmont/articles/1021768/

#MCP #Model_Context_Protocol #Skills #Claude_Code #LLMинтеграции #AIинструменты #Claude #архитектура_AI #CLI #инструменты_разработчика

Я просканировал 30 публичных MCP-серверов: почти половина не дошла даже до скоринга

Мы привыкли винить LLM-агентов в галлюцинациях, бесконечных циклах и слитых бюджетах на API. Но что, если проблема в инфраструктуре, которую мы им скармливаем? Я написал детерминированный CI-сканер для оценки качества MCP-серверов и прогнал через него 30 публичных пакетов. Результат оказался интересным: почти половина серверов убивает агента ещё до старта, а официальные инструменты дают ИИ гранату в руки. Под катом - хардкорный разбор костылей экосистемы, графики и Open Source инструмент, который защитит ваш продакшен.

https://habr.com/ru/articles/1021566/

#mcp #model_context_protocol #llm #ииагенты #ci_cd #тестирование #open_source #anthropic #архитектура

MCP-Manticore: Позвольте вашему AI-ассистенту писать запросы к Manticore за вас

Вы слышали, что Manticore Search быстрый. Вы слышали, что он объединяет полнотекстовый, векторный и нечеткий поиск в одном движке. Но когда вы начинаете реально работать с ним, вы сидите перед документацией, угадываете синтаксис SQL и надеетесь, что CREATE TABLE не выдаст непонятную ошибку. MCP-Manticore меняет правила игры. Это сервер Model Context Protocol (MCP), который подключает Cursor, Claude Code, Codex CLI или любой другой MCP-совместимый AI-ассистент напрямую к вашему экземпляру Manticore. AI может:

https://habr.com/ru/articles/1015284/

#mcp #model_context_protocol #ai #llm #ai_assistant #search_engine #data_base #sql #vector_search #full_text_search

MCP не умер: почему ИИ-агенты тонут в контексте

Еще недавно казалось, что MCP решит главную проблему ИИ-агентов: даст единый способ подключать инструменты, данные и внешние системы. Но быстро выяснилось, что если дать модели все сразу, она не становится умнее - она теряет фокус. В статье разбираю, почему ИИ-агенты тонут в контексте, и какие подходы помогают это исправить.

https://habr.com/ru/articles/1019866/

#mcp #искусственный_интеллект #нейросети #model_context_protocol #ии_агенты #контекстное_окно #автоматизация #agent_skills #api #архитектура

ИИ управляет КОМПАС-3D — и это уже можно трогать руками

Два месяца назад я выложил первую версию MCP для КОМПАС-3D. Реакция была предсказуемая: “круто для демо, но в реальной работе не взлетит”. Тогда они были правы. Сейчас агент получает задачу, строит 3D-деталь, добавляет отверстия, проверяет дерево построения, сохраняет документ и возвращает скриншот. Сам. Более того, теперь ИИ забирает на себя не только объемную геометрию, но и плоскую документальную рутину. Ему можно делегировать создание чертежа, автоматическое заполнение штампа и экспорт результата в DXF одним запросом. Ключевое изменение здесь в том, что агент теперь держит в голове состояние модели на каждом шаге. Он понимает в каком документе находится, на какой стадии построения работает, какую грань или какой feature нужно взять в следующей операции, что именно изменилось после команды и какие свойства получились у детали в итоге. Например: Можно взять уже открытую деталь, спросить у неё текущее состояние через get_3d_context и узнать, что базовое тело уже создано, а в дереве висит 11 элементов. Агенту не нужно угадывать или строить всё с нуля - он понимает, на каком этапе находится модель, и сразу переходит к следующим шагам. Можно не высчитывать координаты плоскостей вручную. Инструмент resolve_selection_3d по описанию сам находит нужную грань (например, «верхняя плоская») и возвращает её системный идентификатор. Агент просто берёт эту ссылку, ставит на неё новый эскиз и делает вырез точно там, где нужно. Можно убедиться, что команды не просто улетели в пустоту, а реально сработали. Тул list_feature_tree_3d отдаёт агенту список шагов: базовый эскиз, выдавливание, вырез, отверстие, фаска. То есть ИИ доводит деталь до конкретной истории построения, которую вы потом можете открыть руками и проверить.

https://habr.com/ru/articles/1017630/

#Python #КОМПАС3D #KOMPAS3D #LLM #MCP #автоматизация #нейросети #САПР #программирование #model_context_protocol

clipboard-mcp: даём AI-ассистентам доступ к буферу обмена

AI-ассистенты в 2026 году умеют писать код, анализировать данные и управлять инфраструктурой. Но попросите Claude прочитать то, что вы только что скопировали — и он разведёт руками. Буфер обмена — одна из самых базовых вещей в десктопном workflow, и AI к нему доступа не имеет. Я написал clipboard-mcp , чтобы это исправить.

https://habr.com/ru/articles/1015844/

#rust #mcp #clipboard #ai #claude #open_source #model_context_protocol

Rentahuman – The Meatspace Layer for AI
https://rentahuman.ai
#ycombinator #AI_agent_marketplace #rent_humans_for_AI #MCP_server_humans #ClawdBot_services #MoltBot_human_rental #OpenClaw_tasks #AI_physical_world_tasks #human_API_for_AI #meatspace_tasks_AI #gig_economy #AI_agent_tools #Model_Context_Protocol #AI_agent_integration #human_rental_marketplace #physical_tasks_for_AI

Laptops create systems. Phones feed algorithms. The asymmetry determines power
https://zakelfassi.com/command-interface-device-power
#ycombinator #AI_agents #MCP_protocol #Model_Context_Protocol #digital_consciousness #Information_Beings #Zak_El_Fassi #AI_philosophy #exponential_technology #Meta_engineer #Google_engineer

Show HN: MCP Jetpack – The easiest way to get started with MCP in Cursor
https://mcpjetpack.com
#ycombinator #MCP_Jetpack #MCP #Model_Context_Protocol