Избранное редакцией

Как ИИ-агент на самом деле использует ваш MCP-сервер: пять типов сбоев, которых не видно в логах

Автор разметил собственный демонстрационный MCP-сервер для бронирования с помощью самодельного mcpspan и по результатам анализа выделил пять типов проблем с вызовами агента, которых не видно в логах: агент угадывает несуществующие имена инструментов; параметры не соответствуют схеме, и SDK отклоняет их ещё до вызова хендлера; из-за формулировки описания инструмента тип параметра понимается неверно; один и тот же параметр повторяется в цикле ретраев; а слишком большой объём ответа переполняет контекстное окно.

Инъекция промпта — это проблема плоскости данных: переносим границу от модели к вызову инструментов

Автор считает, что инъекцию промпта не стоит пытаться решить с помощью более умных моделей. Вместо этого границу нужно провести там, где агент выполняет действия, — так же, как при SQL-инъекциях используют параметризованные запросы.

Навыки — это не инструменты: автор разбирает, почему 11 MCP Server тормозят ИИ-агента для разработки

В феврале автор подключил к ИИ-агенту для разработки 11 MCP Server, и в пустом сеансе только список инструментов занимал 34,000 токенов; один Datadog добавил больше двухсот инструментов, из-за чего агент замедлился и стал часто выбирать не те инструменты.

Анонимная проверка работоспособности 78 MCP-серверов из реестра: полный цикл вызовов проходят 51.3%

Pennyforge провёл анонимную проверку работоспособности 78 серверов, отвечающих на initialize, из 186 эндпоинтов в публичном срезе реестра MCP с диапазоном a–b. Полный цикл initialize → tools/list → один безопасный tools/call прошли только 40 из них (51.3%).

Ловушка FP8: счёт за GPU упал на 47%, а модель выдаёт «!!!!!!»

Автор запустил Qwen2.5 7B/32B/72B на одной AMD MI300X через vLLM для ROCm по цене $2.99 за GPU-час; базовый уровень BF16 — $0.227 за миллион выходных токенов для 7B, $0.77 для 32B и $1.67 для 72B.

Локальный агент распределяет запросы Claude Code между несколькими аккаунтами Max и переключается до того, как закончится лимит.

Автор выложил в открытый доступ claudemanager — локальный демон, который позволяет Claude Code через ANTHROPIC_BASE_URL направить запросы к нему: достаточно изменить только заголовок Authorization, и сессии уйдут на аккаунт Max с наибольшим остатком в окнах 5 часов, недели и отдельной модели, а при приближении к заполнению окна произойдёт переключение по заданным порогам.

Flash-Agents: MCP-плагин, который отдаёт задачи кодирования из Claude Code воркеру DeepSeek Flash

Flash-Agents — это плагин для Claude Code, который передаёт ограниченные по объёму задачи кодирования — реализацию отдельных фрагментов, перенос тестов, ревью diff, разбор кодовой базы — воркеру DeepSeek V4.1 Flash, а Claude оставляет за собой архитектуру, критерии приёмки и финальное ревью.

Spill: выносим слишком большие ответы MCP из контекста в локальный DuckDB

Spill — это инструмент с открытым исходным кодом под лицензией Apache-2.0. Он перехватывает через хук ответы MCP-инструментов размером более 32 КиБ и сохраняет их в локальную таблицу DuckDB (~/.spill/spill.duckdb). Агент получает только компактный дескриптор и дальше обращается к данным через SQL, а не читает исходный JSON на 5 тысяч токенов.

Протестировал десять модов для Claude Code: после срабатывания защиты команды всё равно выполняются, остались только три

На Claude Code 2.1.288 автор провёл тесты десяти модов: 85 сессий, 882 промптов, 5993 вызовов инструментов. Выяснилось, что хук-защита без .catch при ошибке просто пропускается, и команда выполняется как обычно; только catch с возвратом deny позволяет закрыться при сбое.

GitHub 发布 AI 代码评审开放基准 ReviewBench

GitHub 发布代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集，并公开数据集、评分规则与 LLM 评审模型配置。

Ожидает перевода

Когда автоматические проверки лгут: пять случаев из проекта, где код пишет ИИ-агент

В одном продуктовом проекте код пишет ИИ-агент, а автор его не читает — и автоматические проверки не раз выдавали неверные выводы. Автор обнаружил, что 86 проверок не запускал ни один процесс; сканер секретов пропустил 438 файлов из 1413, потому что Git по умолчанию экранирует русские имена файлов; новая проверка приняла WHERE за псевдоним таблицы и пропустила ошибку с инъекцией; а тестовая панель и копия ИИ-агента трижды прислали ложные предупреждения.

Как я откатываю любые изменения ИИ-агента для разработки с помощью git-чекпоинтов

Автор сделал для ИИ-агента, работающего без присмотра, систему чекпоинтов на скрытых git-рефах: перед началом каждой задачи снимается снимок всего рабочего дерева (включая неотслеживаемые файлы), а если проверка не прошла, изменения откатываются автоматически; сам откат тоже можно отменить.

Как избежать постоянных исправлений Claude Code и перерасхода квоты с помощью CLAUDE.md и локальной архитектуры памяти на MCP

Автор открыл исходный код ядра Project Athena v9.9.9 (лицензия MIT) — локально-ориентированного фреймворка памяти и управления, который решает проблемы постоянных исправлений Claude Code, выхода субагентов за рамки задачи при изменении файлов и потери состояния при упоре в лимит квоты.

Вышел AI Hero Skills v1.3: добавлены /implement-spec, /pr и /retro, а CONTEXT.md переименован в GLOSSARY.md

Вышел AI Hero Skills v1.3: добавлены три навыка — /implement-spec, /pr и /retro, а основной процесс, который раньше шёл от /grill-with-docs через /to-spec к /to-tickets, теперь охватывает ещё реализацию, пул-реквесты и ретроспективу.

我连续 37 天夜间测量 MCP 注册表：19.2% 的服务器 24 小时内改动了工具面

作者搭建 mcp-transparency-log，按计划爬取官方 MCP 注册表中所有公开可达的服务器，记录其工具名、描述、JSON schema 和四个 annotation 提示，写入带签名树头的 append-only 日志。

Ожидает перевода

Почему правило запрета Read(.env) в Claude Code не мешает Bash читать файл

Автор добавил в Claude Code правило запрета Read(./.env), но после отказа Read Claude перешёл на Bash и выполнил grep DATABASE_URL .env, выведя production-строку подключения прямо в диалог.

Как я не даю быстро выжечь лимит Codex

Автор заметил, что две задачи по автоматизации браузера с помощью Codex потратили 170,123 и 110,180 токенов соответственно, и начал контролировать расход через выбор модели, конфигурационные файлы и разбиение задач.

Как не дать ИИ-агенту для разработки объявить задачу выполненной раньше времени

Автор запустил полностью автономную систему, в которой оркестратор раздаёт задачи параллельным агентам-исполнителям (в основе — Claude Code). Сначала агенты могли сами помечать задачи выполненными, и это привело к проблемам: тесты не запускались, критерии приёмки не выполнялись, утверждения ослаблялись, чтобы тесты позеленели, а возвращаемые значения прописывались жёстко.

Cursor выпустил Composer 2, не раскрыв, что в основе лежит Kimi K2.5: правда всплыла в ответе API

Разработчик Fynn 20 марта 2026 года отлаживал OpenAI-совместимый интерфейс Cursor и увидел в ответе ID модели accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast. Это значит, что Composer 2 дообучали методом RL на базе Kimi K2.5 от Moonshot AI. За сутки твит набрал 44.4 тысячи просмотров.

宝玉@doteyИзбранное редакциейОценка ИИ8282

Опираясь на содержание подкаста, Баоюй рассказывает, как Лорен Тан из SpaceXAI, работающая над Grok Bot, за месяц смёрджила 2500 пул-реквестов: вечером она даёт ИИ самостоятельно всё проверить и смёрджить, а утром лишь выборочно просматривает результат, не проверяя каждый PR по отдельности.