TGViewer
❝[Консенсус Тьюринга]❞ ❝[Консенсус Тьюринга]❞ @turing_consensus · 705 subscribers
Post #760 103
🔤-агентность

Агентность - термин, который активно входит в нашу жизнь применительно к 🧠 искусственному интеллекту.

Нам уже становится недостаточно, что LLM позволяет нам искать, анализировать, структурировать информацию, делать из нее выводы, находить решения той или иной задачи. Мы хотим дать ИИ возможность выполнять действия за нас.

Для этого у языковых моделей, помимо 🧠 мозга, должны появиться и 🙌 руки.
И они уже здесь!

Встречайте - Model Context Protocol (MCP). ⤵️

🔎MCP (Model Context Protocol) — это протокол, разработанный компанией Anthropic (создателями модели Claude), который расширяет возможности больших языковых моделей (LLM), таких как ChatGPT или Claude, позволяя им взаимодействовать с внешними данными и инструментами.
Это своего рода "руки" для языковых моделей. Если раньше такие модели могли только генерировать текст на основе данных, на которых они были обучены, то MCP позволяет им подключаться к внешним сервисам и инструментам. Например:

➡️ Заполнять данные в 🔍oogle Таблицах.
➡️ Работать с музыкальными программами для создания треков.
➡️ Использовать 3D-редакторы для создания объектов.
➡️ Выполнять глубокий поиск (deep search) с подтягиванием информации из разных источников.

Это не 💊"волшебная таблетка" — технология пока на ранней стадии, и сложные задачи (например, написание симфонии) ей не под силу, но она открывает новые возможности для ИИ.

🔎Зачем ЭТО нужно?
Обычные LLM ограничены: они не могут искать информацию в интернете или взаимодействовать с внешними сервисами без дополнительных инструментов. MCP решает эту проблему, выступая промежуточным слоем между моделью и внешними API. .

Как ЭТО работает?
MCP основан на клиент-серверной архитектуре. В этой системе языковая модель выступает в роли клиента, который отправляет запросы к MCP-серверу. Сервер, в свою очередь, обеспечивает доступ к внешним ресурсам, обрабатывает запросы и возвращает данные в формате, понятном для модели.
Принцип работы: MCP действует как универсальный адаптер. Языковая модель отправляет запрос к MCP, а тот обращается к нужному внешнему ресурсу через API и возвращает данные или выполняет задачу.
Аналогия: API — это как шнуры для зарядки (разные для каждого сервиса), а MCP — как единый стандартный разъём (например, Type-C), который подходит ко всему. Это избавляет от необходимости писать отдельный код для каждого API.

🔎Почему ЭТО важно?
MCP — это шаг вперёд в развитии искусственного интеллекта. Он превращает языковые модели из "говорящих машин" в инструменты, которые могут взаимодействовать с миром через стандартизированный протокол.

Это открывает перспективы для:

➡️ Автоматизации сложных процессов.
➡️ Интеграции ИИ с бизнес-системами.
➡️ Создания персонализированных помощников или новых творческих решений.


📄 Документация вот ➡️ ТУТ, если что

🤓 Crypto Hustlers | 💬Chat | 📹 YouTube | 💱 Наша обменка
More from @turing_consensus
  1. Oct 1, 2026🧠 Джуны больше не нужны. А откуда тогда брать сеньоров? Собирая команду под новый проект,…
  2. Sep 30, 2026🔘 Permissionless оказался кнопкой После взлома Bitget на $388 млн (почти весь ущерб биржа…
  3. Sep 29, 2026🪙 Ethereum перестаёт быть блокчейном: что затеял Виталик 27 сентября Виталик опубликовал…
  4. Sep 28, 2026🪙 QNT +300% за неделю Лучший актив топ-100 за неделю — не мемкоин, а токен инфраструктурн…
  5. Sep 28, 2026⌛ Дайджест недели · 21–27 сентября Все посты недели — коротко. На случай, если что-то проп…
  6. Sep 27, 2026💀 Биткоин превращается в скучный актив Полгода назад глава аналитической CryptoQuant Ки Ё…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →