Рубрика «langgraph»

в 13:00, , рубрики: AI, cloud, langgraph, llm, rest api, selectel, интерфейс, трейсинг
Облачная LLM на 16 ГБ VRAM — часть 2: LangGraph Server, LangSmith и SDK - 1

Друзья, привет! Возвращаюсь с продолжением.

Читать полностью »

в 16:16, , рубрики: ai-агенты, gpt-4, LangChain, langgraph, llm, автоматизация, продакшен

Как я строил агента для код-ревью на LangGraph и где сломалась красивая теория

Пару месяцев назад я смотрел демку: AI-агент получал пулл-реквест, пробегал по diff-у, находил потенциальный race condition и писал развёрнутый комментарий с предложением фикса. Всё это занимало около 40 секунд.

В нашей команде ревью давно стало бутылочным горлышком. Двое сеньоров, около двенадцати PR в день, каждый висит в очереди по полдня. Идея автоматизировать первый проход — типовые замечания, проверки стайлгайда, очевидные ошибки — выглядела очень соблазнительно.

Читать полностью »

в 19:02, , рубрики: Auth Proxy, FastMCP, keycloak, langgraph, MCP, n8n, oauth2, per-user авторизация

У нас есть корпоративные MCP-серверы, AI-агент и пользователи в Telegram. Каждый пользователь должен авторизоваться через Keycloak, а агент — работать от его имени. Здесь собраны грабли, на которые мы наступили, и архитектурные решения, к которым пришли.

Кому это будет полезно

Если вы:

  • Прикручиваете OAuth/OIDC к чему-то, что на это не рассчитано

  • Строите мультитенантного AI-агента, где у каждого пользователя свои права

  • Пытаетесь подружить MCP-серверы с корпоративным IdP

  • Пишете кастомные ноды для n8n

Исходная архитектура

Читать полностью »

в 14:16, , рубрики: AI, langgraph, python, агенты, искусственный интеллект

Я пришел в разработку агентов из дата инженерии, и в очередной раз занимаясь сборкой типовой структуры на LangGraph я заскучал по декларативному подходу, хорошо многим знакомому по dbt - там ты описываешь что ты хочешь сделать с данными, а не как. И тогда у меня появилась мысль - а почему бы не собрать свой фреймворк для агентов, который даст тот же подход.

Читать полностью »

в 8:00, , рубрики: api-сервис, LangChain, langgraph, localai, MCP, python, qwen3, selectel, vllm, ии-агенты
Собственная облачная LLM на 16 ГБ VRAM — часть 1: базовая сборка, tools и MCP - 1

Привет! На фоне ажиотажа вокруг нейросетей все чаще встает вполне приземленный вопрос — сколько стоит содержать собственную LLM.

Читать полностью »

в 15:33, , рубрики: AI, codeact, LangChain, langgraph, llm, llm-приложения, MCP, mcptools, python
Финансовый AI-агент на Python: MCP и CodeAct - 1

Это продолжение статьиЧитать полностью »

в 8:15, , рубрики: bi-аналитика, Cursor CLI, langgraph, MCP, olap, автоматизация документации

Введение (проблематика)

В типовом BI-проекте данные проходят некоторый путь от источника данных до аналитического отчёта:

Источник данных → ETL-процессы → DWH (витрины) → OLAP-cube → Меры

На выходе получаем множество мер — ключевых показателей бизнеса
вроде: "Выручка", "Средний чек", "Конверсия"; каждая из которых это результат
цепочки трансформаций данных через SQL-процедуры, представления
и DAX-формулы.

Когда в проекте более 200 мер, удержать все детали в голове сложно, и при вопросе пользователя: - "Откуда берётся значение в мере [Долг поставщика]?", разработчик вынужден:

в 9:56, , рубрики: AI, langgraph, rag ai, ИИ, ии-агенты, нейросети

в 18:00, , рубрики: LangChain, langflow, langfuse, langgraph, LangSmith, llm, большие языковые модели, ии-агенты, ленгчейн, фреймворки

LangChain или LangGraph? Какой фреймворк для ии-агентов выбрать? А может быть LangSmith? Или LangFuse? LangFlow? Если вы сходу не отличаете все эти Lang между собой или просто хочется побольше узнать о внутренностях LangChain и LangGraph, то добро пожаловать в эту статью, которую мне хотелось сделать фундаментальной, чтобы ответить сразу на все возникающие вокруг LangChain вопросы.

Поговорим про архитектурные различия между LangChain и LangGraph, их подходы, посмотрим как это выглядит в коде, поищем лучшие точки применения и взглянем на сформированную экосистему вокруг.

Читать полностью »

в 7:25, , рубрики: deepseek, LangChain, langgraph, langraph react agent, python, искусственные нейронные сети, искусственный интеллект, Программирование

В предыдущих частях мы создали умных агентов с памятью и мультимодельными системами. Но есть проблема — они всё ещё умные болтуны.

Критическое ограничение: агенты без рук

Наши агенты могут анализировать, классифицировать и синтезировать ответы, но НЕ МОГУТ:

  • Зайти в базу данных за информацией

  • Прочитать файл с диска

  • Сделать HTTP-запрос к API

  • Создать отчёт и сохранить его

  • Отправить email или выполнить git commit

Читать полностью »
12
Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js