Docker исправил 90% AI-кодинга, выпустив ЭТО!

В начале видео обсуждается, как протокол MCP, изначально важный для ИИ, превратился в серьезную проблему. Изначально пользователи имели лишь несколько MCP-серверов, но со временем их количество выросло до сотен, а число инструментов — до тысяч, что привело к значительным сложностям. Эта проблема масштабирования стала критической, поскольку перегружает системы и затрудняет эффективное управление. Таким образом, введение подчеркивает актуальность и серьезность вызова, который необходимо было решить в области ИИ-кодинга.

Cloudflare первым обратил внимание на проблему масштабирования MCP, а Claude опубликовал исследовательскую работу, подтверждающую ее серьезность. Однако именно Docker предложил инновационное решение, представив "Динамический режим" для работы с MCP-серверами. Этот режим обещает значительную экономию токенов, ускорение работы ИИ-агентов и возможность создания совершенно новых видов автоматизации. Таким образом, Docker не только выявил проблему, но и предложил практический подход к ее устранению, что является ключевым моментом для развития ИИ-кодинга.

В своей статье Docker призывает разработчиков отказаться от жесткого кодирования окружения ИИ-агентов, выделяя три ключевые проблемы. Во-первых, это вопрос доверия к MCP-серверам, во-вторых, переполнение контекстного окна агента определениями инструментов, которые редко используются, и, в-третьих, сложности с обнаружением и эффективным использованием инструментов. Особое внимание уделяется проблеме перегрузки контекста: из тысячи доступных инструментов агент может использовать лишь два-три в одном сеансе, но при этом вынужден загружать определения всех. Это объясняет неэффективность текущих подходов и подчеркивает необходимость нового решения.

Anthropic также ранее отмечал важность решения проблемы перегрузки контекста, и Docker взял на себя реализацию этого. Компания заранее подготовила необходимую инфраструктуру, включая каталог MCP, который содержит список проверенных и надежных MCP-серверов. Пользователи могут легко подключить свои ИИ-клиенты, такие как Claude, непосредственно к Docker, который затем берет на себя управление всеми MCP-серверами. Этот подход полностью решает первую проблему, связанную с доверием к MCP-серверам, обеспечивая безопасность и надежность взаимодействия.

Для обеспечения динамического использования MCP-серверов Docker реализовал специальный шлюз MCP Gateway. Этот шлюз уже содержит встроенные инструменты, позволяющие автономно использовать MCP-серверы из каталога. Принцип работы заключается в том, что агент подключается только к одному MCP, который, в свою очередь, имеет полный контекст о подключенных инструментах. Таким образом, шлюз MCP Gateway интеллектуально определяет, какие определения инструментов действительно необходимы для текущей задачи, и передает их в окно контекста, избегая его перегрузки. Это значительно повышает эффективность и снижает потребление токенов.

Для эффективной работы с MCP Docker представил новые инструменты: MCP find, add и remove, которые позволяют агентам находить и управлять MCP-серверами по имени или описанию. В качестве примера демонстрируется использование GitHub MCP для поиска интересных репозиториев. Агент указывает тип репозиториев, и Docker MCP-сервер вызывает соответствующий инструмент, который возвращает подробные результаты, включая ссылки, количество звезд, описания и даты публикации. Важно отметить, что LLM получает всю эту обширную информацию, что, как будет показано далее, может привести к переполнению контекста.

Этот раздел посвящен динамическому выбору инструментов, который является ключевым для экономии токенов. Ссылаясь на статью Claude, отмечается, что ИИ-агенты тратят много токенов на определения инструментов в окне контекста и на промежуточные необработанные результаты вызовов инструментов. Например, при поиске репозиториев GitHub LLM получает всю информацию (звезды, даты), хотя агенту нужны только ссылка и описание, что быстро переполняет контекст. Docker улучшил шлюз MCP, чтобы предоставлять только те инструменты, которые действительно полезны для текущей сессии, например, только инструмент поиска репозиториев из всего набора GitHub MCP. Это значительно сокращает объем передаваемой информации и повышает эффективность.

Cloudflare ранее указывал на неэффективность и неправильное использование MCP, и теперь Docker стал первым, кто реализовал новое решение — "Режим кода". Этот режим позволяет ИИ-агентам напрямую кодировать, используя инструменты MCP, что является совершенно новым подходом. По сути, он создает JavaScript-инструмент, который способен вызывать другие MCP-инструменты, обеспечивая глубокую интеграцию и гибкость. Автор видео выражает удивление и позитивные впечатления от реализации, подчеркивая потенциал для создания более сложных и автономных автоматизаций.

Режим кода предлагает три ключевых преимущества, начиная с абсолютной безопасности. Поскольку код, генерируемый агентом, не тестируется, Docker планирует запускать его в изолированной песочнице, используя уже существующую инфраструктуру контейнеров Docker, что предотвращает любой реальный ущерб системе. Второе преимущество — это значительная эффективность токенов: модели больше не нужно отправлять определения всех инструментов при каждом запросе. Вместо этого, агент просто ссылается на один созданный инструмент режима кода, что позволяет избежать передачи контекста десятков неиспользуемых инструментов и существенно экономит ресурсы.

Третье ключевое преимущество режима кода — это сохранение состояния, которое реализуется с помощью томов. Тома позволяют управлять сохранением данных между вызовами инструментов, при этом сами данные не отправляются непосредственно модели. Например, при загрузке большого набора данных (5 ГБ) данные сохраняются в томе, а модель получает лишь подтверждение успешной загрузки. Затем модель может обрабатывать эти данные из тома, возвращая только резюме или окончательные результаты. Таким образом, в окно контекста передаются только необходимые данные, такие как окончательные результаты, резюме или сообщения об ошибках, что поддерживает его чистоту и предотвращает перегрузку.

Автор видео демонстрирует, как он использовал Claude для создания инструмента "multi search repos" для поиска репозиториев GitHub. Изначально, для поиска новых инструментов для видео, приходилось делать множество отдельных вызовов, но Claude смог объединить их в один кастомный инструмент. Этот инструмент успешно нашел 29 уникальных репозиториев по шести различным ключевым словам. Однако, по умолчанию, все результаты возвращались непосредственно в окно контекста, что приводило к его переполнению. Чтобы решить эту проблему, автор попросил агента записывать полные результаты в текстовый файл, а модели передавать только краткое описание репозиториев, значительно оптимизируя использование контекста.

Автор продолжает демонстрацию, показывая, как можно интегрировать различные сервисы с помощью режима кода. Он попросил создать инструмент "GitHub to Notion", который бы автоматически переносил результаты поиска репозиториев GitHub непосредственно в базу данных Notion, минуя текстовые файлы. Используя режим кода, агент успешно создал такой инструмент, который жестко кодирует ввод данных в определенную базу Notion с соответствующими полями и датами. Таким образом, модель получает только имя и описание репозитория, а вся остальная подробная информация сохраняется в Notion, что позволяет легко фильтровать и управлять данными. Это демонстрирует мощь режима кода для создания сложных и эффективных рабочих процессов.

В завершение видео объясняется, как начать работу с новыми функциями Docker. Просмотр каталога MCP может вдохновить на создание удивительных рабочих процессов, которые одновременно экономят токены и повышают производительность ИИ-агентов. Для начала необходимо обновить Docker до последней версии и убедиться, что "набор инструментов Docker MCP" активирован в бета-функциях, если он не включен по умолчанию. После этого каталог и все новые возможности будут доступны, и пользователю останется лишь подключить своего клиента, чтобы начать пользоваться преимуществами динамического режима и режима кода.

В заключительной части видео автор благодарит зрителей за просмотр и призывает поддержать канал. Он напоминает о возможности использовать кнопку "Суперспасибо", чтобы помочь в создании новых видеороликов. Это стандартное завершение, которое выражает признательность аудитории и предлагает способы взаимодействия.