-
Hogyan oldják meg az AI ügynökök a hosszú távú programozási feladatok kihívásait?
Az utóbbi időben az AI-alapú ügynökök képességei jelentősen fejlődtek, így egyre gyakrabban bíznak rájuk összetett, akár órákon vagy napokon át tartó munkafolyamatokat is. Azonban a hosszú távú, több munkamenetet átfogó feladatok megoldása még mindig komoly kihívást jelent a fejlesztők számára. Ennek fő oka, hogy az AI ügynökök minden egyes új munkamenetnél elveszítik az előzőek során összegyűjtött információkat, hiszen a kontextusablakok kapacitása korlátozott, és a folyamatokat nem lehet egyetlen munkamenetben lezárni. Éppen ezért kulcsfontosságú, hogy az AI képes legyen átívelni a különböző munkamenetek közötti szakadékot, és következetesen haladjon előre a feladatokban. Ebben a cikkben bemutatjuk, hogyan oldotta meg az Anthropic csapata a Claude Agent SDK segítségével ezt a problémát, és milyen…
-
Új korszak kezdődik az AI ügynökök eszközhasználatában: dinamikus felfedezés, programozott vezérlés és példák az optimális működéshez
Az AI ügynökök fejlődése egyre inkább arra irányul, hogy modellek zökkenőmentesen működjenek együtt több száz vagy akár több ezer különböző eszközzel. Legyen szó fejlesztői környezeti asszisztensekről, amelyek git műveleteket, fájlkezelést, csomagkezelőket, tesztelési keretrendszereket és telepítési folyamatokat integrálnak, vagy olyan operációs koordinátorokról, amelyek egyszerre kapcsolódnak Slackhez, GitHubhoz, Google Drive-hoz, Jira-hoz és több MCP szerverhez, a jövő az eszközök dinamikus és hatékony használatáról szól. A hagyományos megközelítések azonban hamar elérik korlátjaikat, hiszen a korai eszközdefiníciók és eredmények gyakran túlzottan leterhelik a modell kontextusablakát, ami csökkenti az AI teljesítményét és pontosságát. Dinamikus eszközfelfedezés a Tool Search Tool segítségével A hagyományos módszer során az összes eszköz definícióját és eredményét egyszerre betöltik a modell kontextusába,…
-
Projekt Fetch: Hogyan segít az AI a robotokkal végzett komplex feladatokban?
A mesterséges intelligencia (AI) fejlődése egyre inkább arra irányul, hogy a digitális világból átlépjen a fizikai térbe, és képes legyen közvetlenül hatni a környezetünkre. Az Anthropic legújabb kísérlete, a „Projekt Fetch” azt vizsgálta, mennyiben tud egy fejlett AI modell, a Claude, segíteni nem szakértő kutatóknak abban, hogy egy négy lábú robotkutyával (robodog) hajtsanak végre összetett feladatokat. Az eredmények rávilágítanak arra, hogy az AI hogyan növelheti az emberi teljesítményt a robotika területén, és milyen kihívásokkal kell még szembenézni a teljes autonómia felé vezető úton. A kísérlet felépítése és célja A projektben nyolc Anthropic kutató és mérnök vett részt, akik közül négyen kaptak hozzáférést Claude AI asszisztenshez („Team Claude”), míg a másik…
