LLM не знает заранее, что умеет Depensee. При подключении агент получает от MCP-сервера список доступных действий: search_tasks — найти задачу по ключу, статусу или дате. create_task — создать задачу. update_relation — изменить тип связи. decompose_task — разбить задачу на подзадачи.

Для каждого действия передаются название, понятное описание, необходимые аргументы и признак того, читает оно данные, изменяет или удаляет их. Агент передаёт эти описания LLM. Модель сопоставляет возможности с просьбой пользователя и выбирает подходящее действие. Она не ищет методы в коде проекта.

Как это работает Например, пользователь пишет: «Разбей MOB-12 на подзадачи». Depensee MCP сообщает агенту список доступных действий. Агент передаёт эти возможности LLM. LLM видит, что decompose_task предназначен для декомпозиции задач. Агент вызывает decompose_task через MCP. Ответ возвращается LLM. LLM вызывает следующее действие или отвечает пользователю.

Если для выполнения просьбы не хватает данных, модель получает их другими инструментами. Например: «Измени связь задачи MOB-12». search_tasks находит задачу по ключу. get_task возвращает её связи и нужный relation_id. update_relation изменяет тип связи. После каждого вызова LLM видит результат и использует его для следующего шага.

Ответ MCP После успешного выполнения MCP возвращает структурированный результат. Например, после изменения связи он содержит идентификатор связи, новый тип blocks и список изменений расписания. Из этого ответа LLM понимает, что операция удалась, и может продолжить работу или сообщить результат пользователю. При ошибке MCP возвращает признак ошибки и объяснение, например «недостаточно прав». Тогда агент может исправить запрос, выбрать другое действие или объяснить проблему пользователю.

Кто за что отвечает LLM понимает просьбу, выбирает действия и определяет последовательность шагов. Агент сообщает LLM о доступных возможностях и выполняет её вызовы через MCP. Depensee проверяет права, выполняет действие и возвращает результат.

Вывод MCP превращает возможности Depensee в понятный агенту набор действий. Пользователь описывает нужный результат обычными словами, а LLM выбирает подходящие инструменты, получает недостающие данные и последовательно выполняет операции.

При этом агент не работает с базой напрямую: Depensee проверяет права, выполняет изменения и возвращает результат после каждого шага. Это позволяет управлять задачами и связями через обычный диалог, сохраняя контроль над доступом и целостностью данных.

#depensee #mcp #llm #ai #aiagents #ИИ #автоматизация #управлениезадачами