Azure MCP Server: новый стандарт уже в облаке

Microsoft официально выпустил Azure MCP Server — полноценную реализацию спецификации MCP, которая становится новым стандартом взаимодействия между AI-ассистентами и облачными сервисами.

Что внутри? Сервер обеспечивает бесшовную интеграцию с ключевыми сервисами Azure:
- 💾 Azure Storage (управление blob-контейнерами, доступ к таблицам)
- 📊 Azure Cosmos DB (работа с NoSQL базами)
- 📈 Azure Monitor и Log Analytics (запросы через KQL)
- ⚙️ Azure App Configuration (конфигурации приложений)
- 🔧 Azure CLI и Azure Developer CLI (azd) как полноценные расширения

Теперь вместо изучения API-документации разработчики могут просто писать "Покажи мои таблицы в Storage аккаунте" или "Сделай запрос к моей базе Cosmos DB".

Для бизнеса это означает:
1. Резкое снижение порога входа для работы с Azure
2. Ускорение DevOps-процессов через AI-ассистентов
3. Возможность делегировать рутинные операции управления AI

Пока проект в Public Preview (GA ожидается позже), но уже используется в связке с GitHub Copilot и поддерживает интеграцию через VS Code, Azure CLI, Azure PowerShell.

Установка через npx в одну команду, плюс готовая интеграция в VS Code — похоже, Microsoft всерьёз взялся за стандартизацию MCP как протокола общения между агентами и инфраструктурой.

#Azure #MCP #Microsoft
———
@tsingular

Не знаю зачем, но я нашёл этот стартап.

Они строят кластер для параллельных вычислений.
В Техасе.

https://higherorderco.com/

#macrack #hpc
------
@tsingular

🧬 Наглядно о качестве роликов от видеонейронки Kling 2.0. ИИ-картинка получается лучше реальности.

🧩 #ИИскусство

🛠 InstructPipe: Google Research создаёт конкурента n8n и UiPath

Команда исследователей в Google выпустили интересный пропотип ассистента визуального low-code программиста.

Рассмотрим его чуть подробнее, пока он еще не стал мейнстримом и не подмял весь рынок.

Предыстория
Есть в Гугле такой проект - Rapsai, занимающийся визуальным программированием, в основном под пайплайны обработки видео, картинок и звука.

В проекте есть около 30 нод и все заточено на упрощение полного цикла медиа производства.

И вот они выкатили ассистента – InstructPipe, который позволяет одним запросом строить эти самые визуальные ноды.

Ну, сделали и сделали, скажете, но интересно как именно они это сделали и какие перспективы.
ИМХО тут огромный потенциал для конкуренции с лидерами рынка вроде n8n или UIPath:

1. Сообщение от пользователя анализируется и превращается в md файл с инструкциями по процессу создания нод.
2. Перечень инструментов (считай апи) тоже подается в контекст – стандартный агентский подход
3. Дальше ЛЛМка идет по инструкции для каждой ноды и прорабатывает ее согласно описанию ( у них всего 8К контекста в модели, поэтому разбили обработку на отдельные маленькие шаги)
4. Результат, вместе с мд инструкцией передается в кодового агента и уже он финалит ноды.

Ну и у них там встроенный визуализатор путей уже рабочий (VisualBlocks), поэтому оно сразу наглядно отображается.

По тестам на 16-ти кейсах текущий прототип уже сокращает количество действий на 81,1%!

Возможный выход на рынок через год
Если Google грамотно разыграет эту карту, мы увидим примерно такую эволюцию:
1. Расширение библиотеки нодов — в ближайшие полгода с 27 до 300-500 нодов
2. Интеграция с Google Cloud Services — прямой доступ к BigQuery, Vision API, Document AI и прочим
3. Enterprise-функционал — управление доступом, версионирование, логирование
4. Marketplace с community-нодами — без этого уже не модно

Уже прямо сейчас в их paper видны намёки на эти шаги — фокус на масштабировании, работе с "фирменными" ML-моделями Google.

Проблемы, которые пока не решены
1. Галлюцинации — модель иногда придумывает несуществующие ноды.
2. Ручная настройка параметров нодов — это не автоматизировано, в отличие от структуры пайплайна.

Запишем их в отдельный блокнотик перспективных проектов и будем продолжать наблюдение. Вернемся через год-полтора в пределах продуктового цикла Google.

Paper
Демки тут
GitHub

#InstructPipe #GoogleResearch #VisualBlocks #LowCode
———
@tsingular

🇦🇪 В ОАЭ создадут уникальную законодательную систему на базе ИИ

Кабинет министров ОАЭ утвердил создание первой в своем роде экосистемы регулирования на базе ИИ.

Ключевые моменты:
- Создание нового Управления регуляторного интеллекта при Кабинете министров
- ИИ будет отслеживать влияние законов на экономику и общество в режиме реального времени
- Ускорение законодательного процесса на 70% благодаря автоматизации
- Единая законодательная карта, связывающая федеральные и местные законы с судебными решениями

Техническая начинка:
- Технологии больших данных для анализа эффективности законов
- Автоматическое формирование предложений по обновлению законодательства
- Интеграция с глобальными исследовательскими центрами для сравнительного анализа
- Интеграция с судебными решениями, исполнительными процедурами и госуслугами

Практические результаты:
- Мгновенный анализ влияния законов на граждан и бизнес
- Более быстрое и точное законотворчество
- Постоянная актуализация законодательной базы без задержек
- Повышение конкурентоспособности ОАЭ на международной арене

Это продолжение более широкой стратегии ОАЭ по внедрению ИИ в госуправление.
Уже сейчас в судебной системе работают виртуальный юридический консультант, чат-боты по семейному праву и виртуальный сотрудник "Аиша" на базе генеративного ИИ.

ОАЭ уверенно создают одну из самых передовых правовых экосистем с ИИ в мире.

#законы #UAE #Legal
———
@tsingular

В Пекине прошёл первый в мире полумарафон роботов

В Пекине 20 роботов-гуманоидов бок о бок с тысячами людей преодолели дистанцию в 21 км!

Победитель — робот "Tiangong Ultra" с результатом 2 часа 40 минут. Этот 1,8-метровый механический бегун развивал скорость до 12 км/ч.

Серебро взял робот от Noetix Robotics, финишировав за 3 часа 27 минут, правда, с заменой во время гонки.

Бежали по разным трекам, чтобы не толкаться с людьми.

#robots #marathon #Beijing #Китай
------
@tsingular

Microsoft дополнил MarkItDown интеграцией с MCP

Инструмент на Python для трансформации любых офисных документов в Markdown получил поддержку Model Context Protocol.

Пакет markitdown-mcp функционирует как легковесный STDIO и SSE сервер, предоставляя метод convert_to_markdown.

Поддерживает контейнеризацию в Docker.

Возможна интеграция с Claude Desktop.

Инструмент сохраняет структуру исходных документов (таблицы, заголовки, списки) при конвертации в формат Markdown.

Отладка возможна через mcpinspector, поддерживающей оба режима работы сервера.

Наконец-то можно скормить крупным языковым моделям документы без лишних заморочек!

#Microsoft #MarkItDown #MCP
------
@tsingular

Теневой ИИ в корпоративной среде: сотрудники используют AI-инструменты в обход правил

Интересная заметка в блоге Google про использование сотрудниками ИИ в обход регламентов.

В отличие от прошлых волн теневого ИИ, сейчас риск выше — используются мощные корпоративные инструменты (привет MCP), но без соблюдения протоколов безопасности.

Причина? Медленные процессы согласования тормозят бизнес, и команды идут в обход, создавая "зоопарк AI-инструментов" с дублирующимися функциями и ненужными расходами.

Хуже того — неконтролируемое использование создает риски утечки данных.

Вместо жестких запретов эксперты рекомендуют: упростить процессы согласования, обучить сотрудников безопасной работе с ИИ и создать понятные правила с четкими границами допустимого использования.

ИИ появится у вас в офисе так или иначе. Так что: не можешь предотвратить,- возглавь.
Очень эта вся история напоминает период бума BYOD. Когда народ начал на работу таскать свои ноутбуки и смартфоны.
Тоже сначала зоопарк и хаос был.

#ShadowAI #Enterprise #Security #Risks
------
@tsingular

Стэнфорд запустил обновленный курс по созданию языковых моделей с нуля

В Стэнфорде стартовал новый курс CS336, на котором студенты будут разрабатывать собственные языковые модели с чистого листа.

От сбора данных до развёртывания — никаких готовых блоков кода!

Предупреждают, что придётся писать в 10+ раз больше кода, чем на других ИИ-курсах.

Требования серьёзные:
- профессиональное знание Python
- опыт с Pytorch и системной оптимизацией
- линейная алгебра
- основы статистики
- понимание основ машинного обучения

youtube

#Stanford #LLM #Education
———
@tsingular

n8nChat - плагин для браузера сам напишет процесс в n8n

Плагин использует OpenAI протокол для создания узлов и рабочих процессов в редакторе n8n.

Ключевые функции
- 🧠 Генерация узлов с помощью ИИ по текстовому описанию
- 🔄 Создание полных рабочих процессов автоматизации
- 💬 Естественный языковой интерфейс - просто опишите, что нужно сделать
- 🔌 Мгновенная интеграция узлов в рабочую область
- 🚀 Ускоренние разработки автоматизаций

Как работает
1. Установите расширение Chrome (есть версия под Firefox)
2. Введите свой API ключ (OpenAI, Anthropic или Google)
3. Опишите нужную автоматизацию
4. Смотрите, как появляются узлы и соединения

Преимущества
- Работает как с облачной n8n так и с локально размещенной версией
- Требует ваш API ключ для ИИ сервисов
- Все данные хранятся локально

В ближайших планах - работа через ollama с локальными моделями

#n8n #chrome #firefox #plugins
———
@tsingular

Новая фича в n8n - причесать процесс.

Tidy-up
https://docs.n8n.io/release-notes/#tidy-up

Автоматически организует ваш беспорядок и красиво разместит ноды на экране!

Гениальная мелочь :)
В Draw.io тоже есть такое - automatic layout.

#n8n #features
———
@tsingular

AWS представила набор MCP серверов для разработчиков

Amazon Web Services официально представила набор специализированных MCP-серверов, которые позволяют ИИ-моделям работать с экосистемой AWS.

Суть проекта
AWS создала целый набор MCP-серверов, которые конвертируют сервисы AWS в инструменты для ИИ-ассистентов:

Core MCP Server — мозговой центр, который оркестрирует установку и управление другими MCP-серверами

AWS CDK MCP Server — помогает ассистентам генерировать и проверять инфраструктуру как код через CDK

AWS Lambda MCP Server — позволяет моделям запускать функции Lambda как инструменты (красиво обходит ограничения API!)

Amazon Bedrock Knowledge Base MCP Server — даёт доступ к корпоративным данным через Bedrock

Nova Canvas MCP Server — генерация изображений прямо через модели

Cost Analysis MCP Server — анализ стоимости AWS сервисов

Технически интересные моменты
Безопасность: Lambda MCP Server действует по модели разделения обязанностей — модель не получает прямой доступ к AWS-сервисам, а только запускает функции Lambda, которые уже имеют нужные права

Интеграция без кода: функции Lambda становятся инструментами без каких-либо изменений в их коде — достаточно добавить описание и тэг

CDK + Nag: встроенная проверка безопасности для сгенерированного кода через CDK Nag — модель сама помогает с безопасностью инфраструктуры

Terraform в пару к CDK — есть отдельный MCP-сервер для тех, кто предпочитает Terraform с Checkov для security-сканирования

Бизнес-применение
Снижение барьера для ИИ: разработчикам не нужно быть экспертами по ML, чтобы продуктивно использовать генеративный ИИ в своих проектах

Безопасный доступ к внутренним системам: ИИ-ассистенты могут взаимодействовать с внутренними системами через Lambda без прямого доступа к ресурсам

Генерация диаграмм AWS-инфраструктуры: Visio не нужен — модель может визуализировать архитектуру через AWS Diagram MCP Server

Оценка стоимости проектов: ассистенты могут оценить стоимость проектов и сервисов AWS еще до развертывания

Вся эта экосистема работает с открытым протоколом MCP, а значит теоретически совместима не только с AWS-моделями, но и с Claude от Anthropic и с другими MCP сервисами.

#AWS #MCP
———
@tsingular

Google представил Gemma 3 QAT: собственный вариант квантизации Q4 для домашних видеокарт

Google выпустил новую версию Gemma 3, оптимизированную с помощью Quantization-Aware Training.

Технология позволяет даже 27B-модели функционировать на обычных потребительских GPU вроде RTX 3090.

Квантизация снижает точность представления параметров с 16 до 4 бит, что дает четырехкратное уменьшение занимаемой памяти.

Однако благодаря интеграции процесса квантизации в тренировку удалось минимизировать падение качества на 54%.

Требования к видеопамяти сократились: для Gemma 3 12B – с 18 до 4.5 ГБ, для Gemma 3 27B – с 54 до 13.5 ГБ.

Официальные int4 и Q4_0 модели доступны на Hugging Face и Kaggle, с поддержкой Ollama, llama.cpp и MLX.

Получается, что Гугл, проведя собственную квантизацию модели в 2 раза повысил качество по сравнению с тем, что делало сообщество самостоятельно.

В ollama по умолчанию доступна старая нарезка. Чтобы подгрузить QAT версию используйте команду:

ollama run gemma3:27b-it-qat

#Google #Gemma #QAT
———
@tsingular

OpenRouter сделали ранкинг моделей на базе статистики использования под разные задачи.

Вопрос,- какая модель лучше для чего? - теперь всегда имеет актуальный ответ.
По месяцам, по неделям, по дням, - в любых разрезах.
Ролевые сценарии, разработка, маркетинг, технологии, наука, переводы, юриспруденция, финансы, здоровье и т.д.

Радует, что по всем направлениям в целом за месяц Соннет 3.7 на первом месте. :) Пользователей не обманешь этими вашими ЛМАренами и прочими бенчмарками.

#ratings #openrouter
———
@tsingular