Temat
13 artykułów w tym temacie.
Pi to otwarty agent do kodu w terminalu, który celowo nie ma MCP, subagentów ani trybu planu. Zmierzyłem, ile wysyła do modelu na starcie, i opisuję, dla kogo to dobry wybór.
Agent przy każdym kroku wysyła modelowi całą dotychczasową historię. Liczę na oficjalnym cenniku, skąd bierze się rachunek, ile zmienia cache i które decyzje obniżają koszt najbardziej.
Czat podpowiada, agent wykonuje. Wyjaśniam bez kodu, czym jedno różni się od drugiego, dlaczego błąd agenta kosztuje inaczej niż błąd czatu i jakie trzy pytania zadać przed wdrożeniem.
Specyfikacja przed kodem zamienia jedną dużą decyzję modelu na kilka małych, które da się sprawdzić. Zbieram, co mówią badania, jak robią to Spec Kit i Kiro i kiedy ten narzut się nie zwraca.
Sprawdziłem w ADK 2.9.0, co trafia do modelu z definicji narzędzia. Cały docstring idzie jako jeden opis, opis z Field znika, a typ zwracany widzi tylko Vertex AI. Z tego wynikają proste zasady pisania narzędzi.
AGENTS.md ma już pomiar w recenzowanym badaniu: agenci pracują szybciej i taniej. Za to skuteczność zostaje ta sama. Rozbieram, co z tego wynika dla treści takiego pliku i dlaczego popularne szablony szkodzą.
Cache promptu wygląda na darmową optymalizację, a jest zakładem: zapis kosztuje więcej niż jego brak. Mechanizm u Anthropic i OpenAI, liczby z cenników i poprawki od najtańszej.
Protokół agent-to-agent zamienia agenta w mikrousługę wywoływalną po HTTP, niezależnie od języka i frameworka. Jak to wygląda w kodzie i kiedy rozdzielenie agentów na osobne procesy się opłaca.
Zatwierdzanie przez człowieka wygląda na prosty warunek w kodzie. W systemie agentowym to punkt zatrzymania całego grafu, a najczęstszy błąd polega na tym, że decyduje o nim model zamiast kodu.
Agenta nie da się sprawdzić przez assert, bo poprawnych odpowiedzi jest wiele. Opisuję, czym ADK to zastępuje, dlaczego wielostopniowy pipeline wywala AgentEvaluator i jak to obejść bez rezygnacji z testów.
Google przepisał Agent Development Kit z drzewa agentów na graf węzłów. Przeniosłem 24 moduły szkoleniowe i opisuję, co się zmieniło, oraz cztery miejsca, w których migracja psuje się po cichu.
Okno kontekstowe, stan sesji i pamięć długoterminowa to trzy różne mechanizmy, mylone w każdej rozmowie o wdrożeniu. Rozdzielam je i wyjaśniam, dlaczego trzeci z nich to zbiór danych osobowych, a nie funkcja.
Dystans między chatbotem a systemem wieloagentowym z narzędziami i MCP mierzy się w liniach kodu i jest krótszy, niż się wydaje. Przechodzę tę drogę krok po kroku i pokazuję, co rośnie szybciej niż kod.