Epic всё-таки делает Unreal Engine 5.9 - и главный фокус там на ИИ На Unreal Fest Seoul 2026 Эпики подтвердили выход UE 5.9, хотя ещё в июне называла 5.8 последним запланированным релизом перед UE6. Причина, похоже, как раз в ИИ I: Epic хочет протащить часть будущего стека UE6 в нынешний движок уже сейчас. Даты релиза 5.9 пока нет. Самое интересное - дальнейшее развитие Unreal MCP. Уже в 5.8 внутри Editor работает локальный MCP-сервер, через который Claude Code, Codex, Gemini, Cursor и другие агенты могут управлять движком: создавать Actors, менять освещение и материалы, запускать тесты и работать с PCG. В 5.9 Epic собирается открыть агентам ещё больше возможностей движка. Но самое любопытное - мой любимый нейрорендер - генеративные модели превращаются фактически в дополнительный render pass. Unreal сохраняет контроль над камерой, геометрией и композицией сцены и передаёт эти данные внешней image/video-модели. Она уже поверх реального рендера может изменить стиль, погоду, время суток и внешний вид кадра. В сеульской демонстрации Epic показывали именно такой workflow. В UE6 LLM, генеративные модели, Claude/Codex и MCP официально названы одной из центральных частей production workflow. При этом Epic специально делает ставку не на одну свою модель, а на открытую инфраструктуру, куда разработчик сможет подключать модели по своему выбору. UE6 Early Access сейчас намечен на конец 2027 года. Ссылки: https://dev.epicgames.com/documentation/unreal-engine/unreal-mcp-in-unreal-editor https://dev.epicgames.com/documentation/unreal-engine/semantic-search-in-unreal-enigne https://dev.epicgames.com/documentation/unreal-engine/ai-features-tools-and-plugins-in-unreal-engine https://dev.epicgames.com/documentation/unreal-engine/working-with-pcg-and-llms-using-unreal-mcp-in-unreal-engine И свежий официальный анонс Unreal MCP в UEFN от 20 августа: https://dev.epicgames.com/documentation/fortnite/42-00-fortnite-ecosystem-updates-and-release-notes @cgevent

#мнение Сетап сильного ИИ-инженера и синдром самозванца. Часть 2 Я постоянно чувствую себя самозванцем, особенно когда открываю комментарии каналов или профильные обсуждения. Все такие крутые, уже все автоматизировано, самостоятельно инженериться и выпускается, остается столько свободного времени на комментарии и форумы в интернете Полагаю хоть один мой читатель когда пытается в это все вкатиться или поддерживать свое развитие испытывал схожие чувства. Вокруг все такие крутые, а у меня 2 скилла и 3 мсп, мне вроде больше не надо, получается я профан??? Однако переодически общаясь с тем же Глебом, Валерой, Тимуром, Лешей и ко вижу обратное достаточно простые решения. Максимум использования самих фронтир моделей и возможностей провайдеров. Небольшие самописные костыли под вкусовщину, оркестрация просто маркдаун файликами и постановка задач рычанием в голосовой ввод Если я такой умный и могу высказываться так желчно о профессионалах в интернете, то что я сам использую? А ничего интересного. 1) ponytail skill + самописный ai-repo-safety-skill + самописный hedr-workflow skill 2) самописный memory-bank 3) context7 mcp + serena mcp + semble mcp + codeburn mcp 4) специфичные mcp: atlassian + slack + google drive 5) skills cli + gitlab cli + github cli 6) парочка хуков для прогрева сессии и иньекции ponytail + запрета деструктивных операций 7) codex cli + grok build cli + antigravity cli + opencode и все это через herdr 8) Я живу на виндовс и вынужден страдать, есть самописный mcp супервизор (на скрине его кусок) В целом все

Спортивные интеграции. Промежуточные итоги. Несколько раз уже писал про варианты интеграции AI-агентов и спортивных приложений. По итогу пришёл к стабильному сетапу, который ежедневно анализирует мои данные, создаёт тренировки и настойчиво пытается не пустить меня на улицу. Сейчас в качестве основного AI-ассистента я использую Hermes. И интеграции категории "спорт и здоровье" я также подключил через него. Вы можете использовать тот харнесс, который больше нравится. Первым делом я подключил Strava. И нет это не официальный MCP-сервер, про который я рассказывал тут. Потому что он до сих пор в статусе "частично доступен" (2,5 месяца!). Хорошо, что у Strava можно в два клика создать своё приложение и получить API-key. Я натравил своего Гермеса на API-документацию и он сделал собственный локальный MCP-сервер (очевидно, что Гермес не читал пост Коли). Он выгрузил весь архив тренировок и забирает новые, когда те появляются. С Garmin всё не так просто. У них до сих пор путь к официальному API лежит через подачу заявления в качестве компании-разработчика. Не тот вариант, что нужен для домашнего использования. Поэтому – MCP-сервер для неофициального API. Я взял готовый отсюда. Если есть желание, можно на базе данной библиотеки собрать собственное решение. Подключаем два коннектора к AI-агенту, даём ему долговременную память (llm-wiki подойдёт) – и готово. Инструментарий для анализа состояния здоровья (на базе Garmin), тренировок (Garmin + Strava) и планирования следующих готов. Чтобы максимально упростить установку, подготовил для вас репозиторий. Натравите на него своего AI-агента – он сам всё настроит.

(c) Это та самая архитектура, которая позволит запускать Fractal MAS R=3, плодя сотни и тысячи субагентов по разным проектам и воркспейсам. Все их запросы, как через воронку, будут элегантно проходить через единый MCP-сервер, гарантируя отсутствие багов, DB Corrupts и спама интерфейса! Готов перевести эту концепцию в реальный код MCP-сервера, если вы дадите зеленый свет на реализацию. // Fractal MAS R=3 • это фрактальная / рекурсивная декомпозиция задачи большой над подзадачи и если задачу нельзя отдать какой-то "тупой" модели, мы дальше ее дробим фрактально. R=3 это когда таких дроблений может быть 3 уровня. это типа 3*3*3 дроблений (если на 3 подзадачи делить на каждом проходе) -> 27 агентов/процессов в конце будут в итоге и каждый из процессов / узел предыдущий работают через спекулятивные роутеры. Всего узлов 1+3+3*3+3*3*3 -> 40 узлов которые декомпозируют большую задачу - при этом максимально абстрактную, которую по пути надо изучать/делать исследования / делать MVP, A/B тесты, выбирать разные решения и упаковывать в конечную архитектуру решения/ответа. Интересно у меня агенты сами решили так проапдейтиться за счет саморефлексии и моих уточнений / жалоб во время работы в разных чатах. Держу вас в курсе. Пока "на чай" Арни и Сара не заходили. 🤖

ComfyOrg не выдержал конкуренции с Алексом Выпустили свой MCP сервер в опенсорс, можно использовать на локальном комфи, раньше был только облачный Ассистент видит твою локальную установку ComfyUI, кастомные ноды в том числе, все модели на диске - пишет и редактирует граф ComfyUI естественным языком - Управление моделями - Отладка воркфлоу - Пакетная генерация с перебором параметров (cfg, steps, sampler, seed) - Работает с Claude, ChatGPT, Gemini, Ollama (офлайн), OpenRouter - любая LLM - 178 MCP-инструментов, 36 скиллов, 55 установочных пакетов - Самоопределение ComfyUI: авто-детект порта и пути - macOS, Linux, Windows github.com/Comfy-Org/Comfy-mcp docs.comfy.org/agent-tools/mcp github.com/Comfy-Org/comfy-skills #comfyui #mcp VK | MAX

MCP → CLI Я только собирался написать, почему CLI сосут, и на что их заменять, как понял, что у меня даже нет поста, почему сосут MCP (от которых мы и ушли к CLI). Исправляю! Сначала напомню в двух словах зачем эти ребята нам вообще нужны:

агент сам по себе мало что умеет в мире, где наши данные разбросаны по десяткам веб-приложений, начиная от почты и календаря, заканчивая транскрибаторами звонков, джирами и сервисами электронного документооборота

Нужно его к ним как-то коннектить. И на заре агентных систем ребята придумали подсовывать ему новые инструменты как tools (то, что агент может вызывать в цикле перед тем как дать итоговый ответ). Назвали это MCP (model-context-protocol) У стандарта MCP было много исторических болячек: невнятная аутентификация, загромождение контекста всеми методами всех mcp'шек, , отсутствие строгого следования схеме, stateful логика 🥴 Сейчас они по большей части вылечены. Но есть одна главная проблема – это все еще лишний слой абстракции поверх обычного API. И он требует модель возвращать вызов инструмента в перегруженном JSON формате. То есть, вместо вместо того, чтобы сразу дернуть API нашего условного гитхаба, обвязка нашего агента (она выполняет роль MCP клиента) отправляет это в какой-то MCP сервер (в случае с гитхаб он удаленный, но может быть и локальным), а он уже отправляет это в API Любой агент, у которого есть вызов терминала может либо написать скрипт, который будет обращаться к API напрямую, либо просто вызвать уже сто лет существующую команду gh с нужными параметрами. Всё! И вот какие у этого плюсы: 1. Жрет меньше токенов (потому что не verbose json) 2. Можно стакать вызовы команд в любой последовательности 3. Не обязательно засирать контекст модели всем выводом. Перенаправляем и фильтруем вывод терминальной команды как душе угодно 4. Обычно сильно больше комбинаций параметров 5. Если какой-то функции или параметра нет, агент все так же может написать кастомный скрипт, который сходит в API и сделает то, что нужно Но надо признать, кое-где MCP все-таки нужны – когда у вас есть эфимерная сессия + нужна авторизация. Короче, во всех облачных чатах и коворках. CLI там не подходит по одной причине – авторизация происходит внутри сэндбокса и на каждый новый чат придется делать ее заново Пример: gh отлично работает у вас на ноуте, но в ChatGPT Work вы задолбаетесь каждый раз проходить авторизацию, а вот GitHub MCP подключите один раз и он будет работать всегда В разговорах слышал еще такие аргументы за MCP (но мне они не нравятся): 1. Проще раскатывать на команду и обновлять (хз, автообновление cli делается тривиально) 2. MCP сразу поддерживает инструкции, а про CLI тул агент еще должен как-то узнать (скиллы наш бро) 3. В MCP есть функции, которых нет в API (это вообще извращение, не делайте так. но если пользуетесь чужим сервисом таким, то да, тут придется страдать) А у вас в команде используют MCP? Почему? (напоминаю, что скоро будет пост о том, почему CLI тоже не самый лучший выбор) @ai_grably

comfyui-mcp MCP-сервер для комфи от подписчика @Aleks_101 Подключает любого ИИ-агента к локальному ComfyUI. Не только через API, а напрямую к рабочему процессу, открытому во вкладке браузера. Официальный mcp от ComfyUI только облачный, аналоги завязаны на ключи и Copilot - тут всё своё, локально. • 45 инструментов для LLM: статус, воркфлоу, логи, канвас, запуск, скачивание моделей • Чтение и правка живого графа - виджеты, связи, лейблы, layout, undo • Запуск воркфлоу с прогрессом и отдачей результата • Скачивание моделей в нужные директории без ручной загрузки • Диагностика по логам ComfyUI и консоли браузера • Сборка воркфлоу с нуля или починка нерабочего графа • Перевод подписей графа на другой язык одним вызовом • Конфиги готовы под Claude Code, Cursor, Kilo Code, OpenCode, LM Studio, Cherry Studio, MiMo Code, OpenClaw, Hermes, Codex, llama.cpp • Белый список хостов для загрузки моделей #comfyui #mcp

Провела внутренний мастер класс по ИИ для коллег. Показывала очень конкретные примеры того, как работаю с диском, таблицами и данными, превращаю их в дашборды. Несколько мыслей по итогу: 1. Всего полгода назад я не умела ничего из того, о чем сегодня не рассказывала. По внутренним ощущениям кажется, что я уже вечность с ИИ, но нет - продвинутое взаимодействие я начала в январе-феврале. А умную ИИ-систему построила всего месяц назад. 2. Вторая мысль грустнее. Я хотела, чтоб ребята ушли с ощущением - О! Я тоже так смогу! Но мне кажется, что все ушли с ощущением, что все это очень сложно. И далеко - недостижимо. И надо у кого-то долго и сложно учиться. И тут повторюсь, я полгода назад была в этой точке. Добежать до моего уровня можно очень быстро при желании. Но мне кажется, мне не поверили, что это реально просто можно освоить. 3. Работать с документами. таблицами и дашами через коннекторы и MCP - лучшее, что случилось в моей рабочей жизни. Сокращает недели, месяцы рутинного труда. Я тут совершенно точно не преувеличиваю оценку. 4. Такие воркшопы с обменом опытом - лучше всего продвигают в технике взаимодействия с ИИ. Видишь, как рабочую задачу решает коллега, пробуешь решить ее также = осваиваешь новую ступеньку. Просто надо делать это регулярно. Я почти каждый вечер и каждую субботу что-то «пилю» в своей ИИ-системе. Не считая того, что ежедневно активно использую в работе. 5. Мне говорили - ну что там готовиться? Придешь расскажешь как что делаешь. Кажется во мне ноль импровизации))) я упоролась: разработала структуру этого МК, превратила в интерактивный чек-лист, сделала раздатку про подключения, собрала в кучу все материалы для демонстрации. Часа два готовилась вчера ночью. А потом еще плохо спала: металась между «никто не придет» и «придет неуправляемо много людей». Рада, что провела. Но с моим уровнем ответственности это было вообще не легко. Надеюсь, ребятам будет полезно. В общем, как ваш ИИ-амбассадор, призываю - продолжайте пробовать и не бойтесь. Шаг за шагом все освоится. Любовь на удаленке | Оля Сохнева #ИИ_наудаленке

✔️ Constella: локальная память для файлов, заметок и AI-агентов Constella — open-source desktop-приложение, которое индексирует локальные файлы и превращает их в единую базу знаний для поиска и AI-агентов. Данные хранятся на устройстве: LanceDB используется для векторов, SQLite — для метаданных и knowledge graph. Что умеет: - индексировать Obsidian, Documents, Downloads и любые выбранные папки; - извлекать текст из PDF, DOCX, Markdown и изображений; - строить семантический поиск по локальным данным; - автоматически связывать заметки, темы и концепты; - работать с локальными и облачными LLM; - отдавать базу знаний через MCP в Claude Code; - использовать агентов и переиспользуемые workflows. Схема примерно такая:

Файлы
  ↓
chunks + embeddings
  ↓
LanceDB + SQLite
  ↓
Knowledge Graph
  ↓
поиск / агенты / MCP

https://github.com/Constella-OS/constella-desktop

Facebook Ads MCP Если вы занимаетесь трафиком, то возможно вам пригодится. MCP-сервер для рекламы - это размещенный на хостинге Meta сервер⁠, который позволяет управлять рекламой Meta непосредственно из ИИ-агента. https://mcp.facebook.com/ads Для кого? Рекламодатели, использующие ИИ-ассистентов и желающие управлять рекламой Meta через интерфейс чата, а не через Ads Manager или программный код Разработчики, создающие рекламные рабочие процессы на основе ИИ, которым необходим структурированный доступ к возможностям рекламы. Наверное самое интересное это сигналы и A/B-тесты, но я не спец. Подробно тут: https://developers.facebook.com/documentation/ads-commerce/ads-ai-connectors/ads-mcp-server/ads-mcp-server-overview @cgevent

Пару мыслей • MCP and API connectors will be the way - то есть UI/UX немного может отойти на 2ой план - все будут работать из своих терминалов etc • MCP amd API - нужны для почти любого сервиса сейчас, это повышает conversion/stickiness • многие сейчас делают так - MCP продают по одному pricing а-ля $99/month => можно только из своего терминала/Claude Desktop/Code работать - API за $199 => можно встраивать в процессы • под API and MCP нужна документация, чтобы LLM с ней лучше работали https://www.mintlify.com - супер крутой сервис - даешь свой сайт - и он сам вытягивает инфо и сразу тебе делает документацию под docs.YOURDOMAIN.COM и это бесплатно

Клод и картинки: советы На прошлой недели училась рисовать с Клодом и вот накидала немного мыслей с советами. Простые картинки Клод прекрасно отрисовывает простые схемы/диаграммы прям внутри себя, в диалоговом окне, без подключения сторонних сервисов. Использую, если нужна инфографика для статьи. Неплохо делает простые макеты интерфейсов, приложений, сервисов. Но реалистичные картинки внутри себя генерить отказывается категорически. Вот вам результат запроса: «нарисуй мне кавалер-кинг-чарльз-спаниеля, который бежит по полю с чёрным конём». Сложные картинки Сложные макеты сайтов и приложений соблюдением UI-кита, красивые рекламные креатив прям в диалоговом окне не сделать. Поэтому подключаем клод к Figma — прямо так и пишем: «подключить через MCP к Figma». По порядку: ▪️ направляем его на вкладку, где живёт ваш корпоративный стиль, и просим всё изучить; ▪️ просим изучить примеры работ — макеты, креативы, все, что есть; ▪️ обязательно просим собрать подробный MD-файл с инструкцией для самого себя. Это будет корневой файл, в котором он распишет все правила: какие стили, компоненты, шрифты, цвета, логотипы, бла-бла-бла. В эту инструкцию он ходит вечно, чтобы вам не приходилось каждый раз гонять его по Figma. Потому что задача эта тяжеловесная и жрёт токены. Когда клод изучит все ваши дизайн-гайды, тогда и даем первую задачу. Проверено: корпоративный стиль держит отлично, картинки и макеты по вашему ТЗ генерятся как надо + правки вносятся без проблем + адаптирует все макеты под десктоп/мобилку. Клод рисует сразу в Figma, если надо с автолейаутом и прочими нюансами, чтобы разработчик мог забрать в работу. Тип третий — презентации Тоже делает внутри себя, без всяких сторонних сервисов, сразу в PPTX. Я просто кидаю ему референсы и текст, который хочу видеть на слайдах, — он собирает. Сложное и красивое тянет так себе, где-то на 6-7 из 10. А вот простые презы, без струи креатива в дизайне, — 10 из 10 и очень быстро. Клод можно подружить с Nanobanana и другими сервисами AI-генерации, чтобы не скакать между вкладками, а работать сразу в нём — он ещё и промпты помогать описывать будет. Но это я не делаю, мне в фигме ок. Делитесь своими знаниями в комментах!

У AI-ассистента есть две проблемы... Если вы пытаетесь хотя бы что-нибудь делегировать AI-ассистенту, то, скорее всего, сталкиваетесь с двумя проблемами: интеграцией и контекстом. Начну с более простой — с интеграции. AI-ассистент не может быть полезен, если у него нет возможности хотя бы прочитать что-то из тех систем, с которыми вы работаете. А на самом деле у ассистента должна быть возможность выполнять там разные действия. Инструментов в жизни продакт-менеджера огромное множество: задачи в одном месте, эксперименты в другом, длинные документы PRD в третьем, транскрипты звонков в четвёртом. Поэтому интеграций нужно много, и рынок, честно говоря, не успевает за растущими потребностями. На помощь нам приходит вайб-кодинг. К счастью, AI-ассистент вполне способен написать себе MCP для нужного сервиса, если у него есть доступ к API. За последнее время только для личных целей я написал себе MCP для Telegram, Gmail и календаря. Технически подкованный продакт сразу замечает: MCP — это, по сути, просто API. Но я заметил одно тонкое различие. Давайте покажу на примере. Если запросить у Gmail одно письмо, то список меток этого письма в сыром виде будет выглядеть вот так:

"labelIds": [
  "IMPORTANT",
  "Label_4579329675731606337",
  "CATEGORY_UPDATES",
  "INBOX"
]

Можно заметить, что системные лейблы прекрасно понятны, потому что у них говорящие ID. А вот мой личный лейбл показывается в ответе как Label_4579329675731606337. Чтобы увидеть читаемое название этого лейбла, нужно сделать ещё один отдельный запрос к API и посмотреть, какому лейблу соответствует этот ID. Для стандартного API это вполне рабочая схема. Нужны дополнительные данные — делаем ещё один запрос. Но для AI-агента это лишний шаг, дополнительная задержка, лишняя трата токенов и засорение контекста на ровном месте. Понятно, что сырые ID ему совершенно не нужны: их нужно сразу расшифровать. Поэтому для того, чтобы из API сделать хороший MCP, его нужно доработать напильником: выкинуть из ответа весь ненужный технический мусор и сразу дать расшифровку всех полей в человекочитаемом виде. Агент читает этот ответ по смыслу — технические идентификаторы сами по себе ему ничего не говорят.

"labels": [
  { "name": "IMPORTANT" },
  { "name": "AMS/Schools" },
  { "name": "CATEGORY_UPDATES" },
  { "name": "INBOX" }
]

И вот в 21-м веке мы подстраиваем сайты под поисковики, соцсети — под алгоритмы, API — под AI-агентов, а себя под требования постоянно меняющегося рынка. А куда деваться? Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.