In Data We Trust

MCP (Model Context Protocol) — это открытый протокол, разработанный компанией Anthropic (пост с презентацией), стандартизирующий способ предоставления данных от сервисов к LLM. Если упростить, то MCP — это слой между LLM и различными сервисами (источниками данных и инструментами), который преобразует ответы от сервисов в пригодный для LLM формат. Настройка MCP серверов в Gemini CLI происходит в файле settings.json, хранящийся в глобальной рабочей папке .gemini, наряду с файлом GEMINI.MD. Настроим MCP на примере DuckDuckGo Search Server.

Как я писал в обзорной статье Gemini CLI: GEMINI.MD — это не обязательный файл с инструкциями, о которых Gemini должен знать во время взаимодействия. Файл хоть и не обязательный, но очень важный. Так как через него можно "познакомиться" и описать правила "игры" для Gemini. Если отправить промпт к gemini cli в режиме дебага, видно, что GEMINI попытается найти файл GEMINI.MD в нескольких местах: 1. В папке проекта из которой запущен gemini. 2. Поднимается вверх по дереву каталогов от папки проекта до корня диска. 3. Глобальный файл в рабочей папке .gemini. Я создал файл GEMINI.MD в каждом из этих мест. Теперь запускаем gemini и отправляем команду /memory show (показ контекста). Информация из каждого найденного файла объединяется в единый контекст. Сам Gemini так отвечает на вопрос "Где он ищет файлы gemini.md" Я ищу файлы gemini.md в определённом порядке, чтобы собрать наиболее полный контекст для нашей работы. Вот где я их ищу, в порядке приоритета: 1. В текущей директории проекта: Это

Gemini CLI — ИИ агент от Google, который запускается в терминале, и позволяет решать широкий спектр задач, от общения как с GPT, до автоматизации разработки, тестирования аналитики и т.д. Для установки потребуется Node.js, начиная с версии 18 и выше. Скачать можно на официальном сайте. После установки Node.js открываем Power Shell и запускаем команду: npm install -g @google/gemini-cli По завершению выполнения должно появиться сообщение вида: added 431 packages in 13s 123 packages are looking for funding` run `npm fund` for details Gemini CLI установлен. Теперь его можно запустить в любой момент из терминала командой gemini При этом Gemini может "подхватывать" в своей контекст данные из той папки, в которой он запущен. Во время первого запуска Gemini Cli предложит выбрать цветовую схему. А затем выбрать способ авторизации. На выбор 3 способа: через Google (не подходит, если страна аккаунта Россия), API-ключ, который можно получить на сайте AI Studio (или купить на каком-нибудь маркетпл

Предыдущая часть: Перевод руководства Google по промпт инжинирингу. Часть 9. Лучшие практики для написания промптов, 3 Перевод руководства Google по промпт инжинирингу (Prompt engineering). Оригинал доступен по ссылке. https://www.kaggle.com/whitepaper-prompt-engineering Перевод сделан с применением AI. В этом техническом документе рассматривается разработка промптов. Мы изучили различные методы создания промптов, такие как: Мы даже рассмотрели способы автоматизации промптов. В документе также рассматриваются проблемы, связанные с генеративным ИИ, например, проблемы, которые могут возникнуть, если ваши промпты недостаточны. В заключение мы приводим лучшие практики о том, как стать более эффективным специалистом по промптам. 1. Google, 2023, Gemini by Google. Available at: https://gemini.google.com. 2. Google, 2024, Gemini for Google Workspace Prompt Guide. Available at: https://inthecloud.withgoogle.com/gemini-for-google-workspace-prompt-guide/dl-cd.html. 3. Google Cloud, 2023, Introdu

Предыдущая часть: Перевод руководства Google по промпт инжинирингу. Часть 8. Лучшие практики для написания промптов, 2 Следующая часть: Перевод руководства Google по промпт инжинирингу. Часть 10. Резюме и полезные ссылки Перевод руководства Google по промпт инжинирингу (Prompt engineering). Оригинал доступен по ссылке. https://www.kaggle.com/whitepaper-prompt-engineering Перевод сделан с применением AI. Помимо формата ввода, попробуйте поэкспериментировать с форматом вывода. Для нетворческих задач, таких как извлечение, выбор, анализ, упорядочивание, ранжирование или категоризация данных, попробуйте выводить данные в структурированном формате, таком как JSON или XML. Есть несколько преимуществ в выводе объектов JSON из запроса на извлечение данных. В реальном приложении мне не нужно вручную создавать этот формат JSON, я уже могу возвращать данные в отсортированном порядке (очень удобно при работе с объектами даты и времени), но самое главное, что запрос на формат JSON заставляет модель

Предыдущая часть: Перевод руководства Google по промпт инжинирингу. Часть 7. Лучшие практики для написания промптов, 1 Следующая часть: Перевод руководства Google по промпт инжинирингу. Часть 9. Лучшие практики для написания промптов, 3 Перевод руководства Google по промпт инжинирингу (Prompt engineering). Оригинал доступен по ссылке. https://www.kaggle.com/whitepaper-prompt-engineering Перевод сделан с применением AI. Чтобы повторно использовать промпты и сделать их более динамичными, используйте в промптах переменные, которые можно менять в зависимости от входных данных. Например, как показано в таблице 20, промпт содержит информацию о городе. Вместо того чтобы жестко задавать название города в промпте, используйте переменную. Переменные могут сэкономить вам время и силы, позволяя избежать повторений. Если вам нужно использовать одну и ту же информацию в нескольких промптах, вы можете сохранить ее в переменной, а затем ссылаться на эту переменную в каждом промпте. Это имеет большой с

Предыдущая часть: Перевод руководства Google по промпт инжинирингу. Часть 6. Техники написания промптов: Промптинга для генерации кода Следующая часть: Перевод руководства Google по промпт инжинирингу. Часть 8. Лучшие практики для написания промптов, 2 Перевод руководства Google по промпт инжинирингу (Prompt engineering). Оригинал доступен по ссылке. https://www.kaggle.com/whitepaper-prompt-engineering Перевод сделан с применением AI. Чтобы найти подходящий промпт, нужно поэкспериментировать. Языковая студия в Vertex AI — идеальное место для экспериментов с промптами и тестирования различных моделей. Используйте следующие рекомендации, чтобы стать профессионалом в разработке промптов. Наиболее эффективная практика — приводить примеры (One-shot / few-shot) в промпте. Это очень эффективно, потому что служит мощным обучающим инструментом. Эти примеры демонстрируют желаемые результаты или похожие ответы, позволяя модели учиться на них и соответствующим образом адаптировать свою генерацию.

Предыдущая часть: Перевод руководства Google по промпт инжинирингу. Часть 5. Техники написания промптов: ReAct (Размышляй и действуй), Автоматический промпт инжиниринг Следующая часть: Перевод руководства Google по промпт инжинирингу. Часть 7. Лучшие практики для написания промптов, 1 Перевод руководства Google по промпт инжинирингу (Prompt engineering). Оригинал доступен по ссылке. https://www.kaggle.com/whitepaper-prompt-engineering Перевод сделан с применением AI. Gemini в первую очередь ориентирован на текстовые промпты, которые также включают в себя написание промптов для работы с кодом. Давайте перейдём в Vertex AI Studio и протестируем эти промпты, чтобы посмотреть на примеры кода. Gemini также может быть разработчиком и помогать вам в написании кода на любом языке программирования по вашему выбору. Как разработчик, вы можете использовать это, чтобы ускорить процесс написания кода. Представьте, что на вашем компьютере есть папка с сотнями файлов, которые нужно переименовать. Пер

Предыдущая часть: Перевод руководства Google по промпт инжинирингу. Часть 4. Техники написания промптов: Промптинг с шагом назад, Цепочка рассуждений (CoT), Самосогласованность Следующая часть: Перевод руководства Google по промпт инжинирингу. Часть 6. Техники написания промптов: Промптинга для генерации кода Перевод руководства Google по промпт инжинирингу (Prompt engineering). Оригинал доступен по ссылке. https://www.kaggle.com/whitepaper-prompt-engineering Перевод сделан с применением AI. «Размышляй и действуй» (ReAct) — это парадигма, позволяющая большим языковым моделям решать сложные задачи с помощью рассуждений на естественном языке в сочетании с внешними инструментами (поиск, интерпретатор кода и т. д.), что позволяет большой языковой модели выполнять определённые действия, например взаимодействовать с внешними API для получения информации, что является первым шагом к моделированию агентов. ReAct имитирует то, как люди действуют в реальном мире, поскольку мы рассуждаем устно и