Агенты и тулы. Что это такое и зачем их едят.
Модная тема, объясню буквально в двух словах.
Видяшку типа той что выше ни одна сетка сейчас не сделает напрямую.
Сначала нужно сделать картинку. Для этого подходят image-gen сетки со своими промптами.
Но если вы просто так напишете сетке типа midjourney или flux "сделай мне картинку динозавра", она сгенерит вам лажу. Описывать нужно подробно. Как минимум "Ankylosaurus strolling across the steppe and chewing grass, hyper-realistic, captured as if through the lens of a professional safari filming crew, cinematic lighting, ultra-detailed textures, shallow depth of field, 8K resolution, documentary style, vibrant natural environment, dynamic composition". Это называется промптинг, и люди делают это хреново. Гораздо лучше промптит image-gen сетку сетка более широкого профиля, например ChatGPT.
В итоге, пайплайн у нас получается такой.
- Сначала просим ChatGPT написать промпт для картинки
- Потом делаем картинку
- А по картинке уже делаем видео.
В итоге, нужно три разных инструмента.
Что такое тулы
Ну вот. А теперь представьте, что вы обращаетесь к chatgpt "эй, сделай мне видео". И она сама лезет в нужные сетки, собирает все этим промпты и так далее, выдавая вам уже итоговый результат. Вам не нужно логиниться в три разных системы, но само.
Каждый такой вызов стороннего API можно назвать инструментом сети, по-английски tool. И продукты типа Cursor состоят из них чуть менее, чем полностью. Отдельный тул запустить поиск по файлам, отдельный - подумать, отдельный - отредактировать файл и так далее.
А при чем тут агенты?
Ну и теперь если совсем к модному, то так называемые Агенты это не более чем набор тулов, склееных какими-то правилами. Правила могут быть детерминистскими, задаваемыми строгим алгоритмом. А могут быть отданы на откуп самому агенту. Но суть именно в этом.
И как итог — сейчас появилась уже огромная куча разнообразных сеток под разные задачи, и склеить их друг с другом позволяют сети-агенты, которые под капотом вызывают необходимые им тулы.
Вооружившись этими знаниями, вы готовы говорить по-стартаперски, и понимать, что делают 99% проектов в этой сфере (а других по-моему и не осталось).
