Первый запрос.
Вчера написал (прямо вот тут👆), что весь этот шум вокруг ИИ в конечном итоге сводится к нескольким вызовам API. Давайте проверим.
Возьмем обычную задачу:
Проанализируй задачу TASK-123 в JIRA
Если запустить это через Codex или Claude Code, мы просто напишем задачу и через какое-то время получим готовый результат (ну или нет).
Что там происходило в фоне, можно вообще не знать.
Но давайте не будем брать готового агента. Попробуем собрать своего, используя только API.
И будем идти прямо по шагам. Запрос. Ответ. Следующий запрос. И так далее.
Начинаем с самого простого.
Отправляем модели POST /v1/responses:
{
"model": "gpt-5.6-luna",
"input": [
{
"role": "user",
"content": [
{
"type": "input_text",
"text": "Проанализируй задачу TASK-123 в JIRA"
}
]
}
],
"tools": []
}
На этом моменте ничего особенного не происходит. Мы просто отправили модели текст.
➖"model" говорит, какую модель использовать.
➖"input" содержит нашу задачу.
И всё.
Модель при этом не может зайти в Jira. У неё нет ни логина, ни доступа к API Jira, вообще ничего.
Поэтому вполне ожидаемый ответ:
Пришлите содержимое задачи TASK-123.
Нам же нужно научить модель не просто отвечать на вопросы, а просить нашу программу выполнить какие-то действия.
Что для этого нужно добавить в запрос?
Вот это и посмотрим в следующем посте.
А дальше уже доберемся до tool calls, MCP, Skills и в итоге соберем весь этот «агентский» конструктор своими руками, чтобы понимать как эта "черная коробка" работает на самом деле.
----
✌️ ПРО СА| 🆕НСА 2.0