Создание MCP‑серверов на FastMCP: 7 ошибок, которых стоит избегать
https://habr.com/ru/companies/otus/articles/1032890/
FastMCP позволяет быстро собрать MCP‑сервер, но скорость легко оборачивается ошибками: лишние токены, слабые схемы, сырые API‑примитивы, плохая обработка ошибок и риски безопасности. В статье разбираем 7 проблем, из‑за которых LLM‑агент начинает путаться, ломать сценарии и требовать лишних подтверждений, — и показываем, как их исправить.
https://habr.com/ru/companies/otus/articles/1032890/
FastMCP позволяет быстро собрать MCP‑сервер, но скорость легко оборачивается ошибками: лишние токены, слабые схемы, сырые API‑примитивы, плохая обработка ошибок и риски безопасности. В статье разбираем 7 проблем, из‑за которых LLM‑агент начинает путаться, ломать сценарии и требовать лишних подтверждений, — и показываем, как их исправить.
Как звучит JPEG? Или что будет, если сжать спектрограмму как фотографию
https://habr.com/ru/articles/1034610/
В этой статье я расскажу, как реализовал весь этот пайплайн, покажу код, проведу батч-тесты разных форматов и уровней качества, и, конечно, дам послушать результаты. Все исходники прилагаются, и вы сможете повторить эксперимент сами.
https://habr.com/ru/articles/1034610/
В этой статье я расскажу, как реализовал весь этот пайплайн, покажу код, проведу батч-тесты разных форматов и уровней качества, и, конечно, дам послушать результаты. Все исходники прилагаются, и вы сможете повторить эксперимент сами.
🤡1
click - 8.4.0
https://pypi.org/project/click/8.4.0/
Фреймворк для простого создания интерфейсов командной строки.. Скачать можно по ссылке: https://pypi.python.org/pypi/click/
https://pypi.org/project/click/8.4.0/
Фреймворк для простого создания интерфейсов командной строки.. Скачать можно по ссылке: https://pypi.python.org/pypi/click/
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Airflow TaskFlow API: внутреннее устройство современного способа писать DAG-и
- Как звучит JPEG? Или что будет, если сжать спектрограмму как фотографию
- Логин через Telegram по-новому: разбираем OIDC-флоу oauth.telegram.org и собираем его на Python
- От XML-отчёта до 3D-обрезки в Revit: как я сделал сервис для управления BIM-коллизиями
- Отказоустойчивый запуск WSGI приложения. Обзор архитектуры Gunicorn
- Заменит ли ИИ настоящих судей? Я скормил ему дело которое арбитры разбирали 3 недели
- Как я сделал “Авиасейлз для логистики”: агрегатор заявок из 16+ источников
- Строки в Python: всё не так просто, как кажется
- manage.py migrate в пятницу в 17:30 на проде с 3K RPS и таблицей 200М строк
- postman2pytest: как превратить Postman-коллекцию в pytest-набор
- vit - Git for Video Editing
Заходите в гости - https://pythondigest.ru/issue/648/
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Airflow TaskFlow API: внутреннее устройство современного способа писать DAG-и
- Как звучит JPEG? Или что будет, если сжать спектрограмму как фотографию
- Логин через Telegram по-новому: разбираем OIDC-флоу oauth.telegram.org и собираем его на Python
- От XML-отчёта до 3D-обрезки в Revit: как я сделал сервис для управления BIM-коллизиями
- Отказоустойчивый запуск WSGI приложения. Обзор архитектуры Gunicorn
- Заменит ли ИИ настоящих судей? Я скормил ему дело которое арбитры разбирали 3 недели
- Как я сделал “Авиасейлз для логистики”: агрегатор заявок из 16+ источников
- Строки в Python: всё не так просто, как кажется
- manage.py migrate в пятницу в 17:30 на проде с 3K RPS и таблицей 200М строк
- postman2pytest: как превратить Postman-коллекцию в pytest-набор
- vit - Git for Video Editing
Заходите в гости - https://pythondigest.ru/issue/648/
Клиент — это тоже вектор? Как мы хотели улучшить ML-модель, а построили similarity engine
https://habr.com/ru/articles/1034880/
Поговорим о том, как превращать последовательности пользовательских событий в векторы, зачем обучать BERT на "языке" клиентского поведения и почему embedding-пространство может неожиданно начать отражать будущую ценность пользователей
https://habr.com/ru/articles/1034880/
Поговорим о том, как превращать последовательности пользовательских событий в векторы, зачем обучать BERT на "языке" клиентского поведения и почему embedding-пространство может неожиданно начать отражать будущую ценность пользователей
🤡1
Как я сделал “Авиасейлз для логистики”: агрегатор заявок из 16+ источников
https://habr.com/ru/articles/1035316/
В логистике проблема часто не в том, что нет данных.Проблема в том, что данные разбросаны по разным местам.Одни заявки лежат во внутренней системе, другие — в закрытых кабинетах грузоотправителей, третьи — на тендерных площадках, четвёртые приходят через Excel-выгрузки, пятые доступны только через веб-интерфейс. Где-то есть нормальный HTTP-обмен, где-то данные спрятаны за фронтендом, где-то приходится читать DOM-таблицу, а где-то сначала кажется, что всё просто, пока не выясняется, что цена приходит в копейках, маршрут состоит из трёх точек, а тип кузова записан как “тент 20т, верхняя загрузка”.Для менеджера всё это выглядит не как единый рынок грузов, а как набор вкладок в браузере.
https://habr.com/ru/articles/1035316/
В логистике проблема часто не в том, что нет данных.Проблема в том, что данные разбросаны по разным местам.Одни заявки лежат во внутренней системе, другие — в закрытых кабинетах грузоотправителей, третьи — на тендерных площадках, четвёртые приходят через Excel-выгрузки, пятые доступны только через веб-интерфейс. Где-то есть нормальный HTTP-обмен, где-то данные спрятаны за фронтендом, где-то приходится читать DOM-таблицу, а где-то сначала кажется, что всё просто, пока не выясняется, что цена приходит в копейках, маршрут состоит из трёх точек, а тип кузова записан как “тент 20т, верхняя загрузка”.Для менеджера всё это выглядит не как единый рынок грузов, а как набор вкладок в браузере.
Использование машинного обучения в работе с SolidWorks (2 часть): тестирование и практическое применение
https://habr.com/ru/articles/1035378/
В прошлой статье я поделился своими наработками в области работы ИИ с CAD-программами (в моём и нашем случае, SolidWorks). В этот раз поделюсь практическими результатами на примере тестового ядра своей программы.В статье поделюсь тестами программы, опишу интерфейс и поделюсь мыслями о дальнейшем развитии.
https://habr.com/ru/articles/1035378/
В прошлой статье я поделился своими наработками в области работы ИИ с CAD-программами (в моём и нашем случае, SolidWorks). В этот раз поделюсь практическими результатами на примере тестового ядра своей программы.В статье поделюсь тестами программы, опишу интерфейс и поделюсь мыслями о дальнейшем развитии.
lxml - 6.1.1
https://pypi.org/project/lxml/6.1.1/
Мощный и быстрый модуль для обработки XML/HTML. Скачать можно по ссылке: https://pypi.python.org/pypi/lxml/
https://pypi.org/project/lxml/6.1.1/
Мощный и быстрый модуль для обработки XML/HTML. Скачать можно по ссылке: https://pypi.python.org/pypi/lxml/
Строки в Python: всё не так просто, как кажется
https://habr.com/ru/companies/yandex_praktikum/articles/1031556/
Начинающим разработчикам строки обычно кажутся едва ли не самым простым, что есть в языке программирования. Возможно, причина в том, что знакомство с новым языком зачастую начинается с вывода на экран строки Hello, world!.«Это же просто набор символов, заключённый в кавычки!» — обычно восклицает джуниор Python-разработчик.Но в Python всё немного интереснее. И за простым синтаксисом скрывается большой набор возможностей, правил и нюансов. Более того, если посмотреть внимательнее, окажется, что в Python целый зоопарк строковых представлений и связанных с ними особенностей. Поговорим и о базовом использовании, и о важных деталях, которые стоит помнить каждому разработчику.
https://habr.com/ru/companies/yandex_praktikum/articles/1031556/
Начинающим разработчикам строки обычно кажутся едва ли не самым простым, что есть в языке программирования. Возможно, причина в том, что знакомство с новым языком зачастую начинается с вывода на экран строки Hello, world!.«Это же просто набор символов, заключённый в кавычки!» — обычно восклицает джуниор Python-разработчик.Но в Python всё немного интереснее. И за простым синтаксисом скрывается большой набор возможностей, правил и нюансов. Более того, если посмотреть внимательнее, окажется, что в Python целый зоопарк строковых представлений и связанных с ними особенностей. Поговорим и о базовом использовании, и о важных деталях, которые стоит помнить каждому разработчику.
💩1
The Real Python Podcast – Episode #295: Agentic Architecture: Why Files Aren't Always Enough
https://realpython.com/podcasts/rpp/295/
What are the limitations of using a file-based agent workflow? Why do massive context windows tend to collapse? This week on the show, Mikiko Bazeley from MongoDB joins us to discuss agentic architecture and context engineering.
https://realpython.com/podcasts/rpp/295/
What are the limitations of using a file-based agent workflow? Why do massive context windows tend to collapse? This week on the show, Mikiko Bazeley from MongoDB joins us to discuss agentic architecture and context engineering.
❤1
numpy - 2.4.6
https://pypi.org/project/numpy/2.4.6/
Модуль для работы с многомерными массивами. Скачать можно по ссылке: https://pypi.python.org/pypi/numpy/
https://pypi.org/project/numpy/2.4.6/
Модуль для работы с многомерными массивами. Скачать можно по ссылке: https://pypi.python.org/pypi/numpy/
fast-volleyball-tracking-inference — детектор волейбольного мяча на скорости 80 fps (CPU). Или «не YOLO единым»
https://habr.com/ru/articles/1035966/
Так сложилось, что я люблю играть в волейбол и активно снимаю свои игры и тренировки.У любителей обычно стоит стационарная камера на штативе, которая захватывает всю площадку (или почти всю) в формате 16:9. При этом современные соцсети потребляют контент вертикально (9:16) и короткими роликами около минуты.Задача: быстро делать вертикальные видео из любительских волейбольных съёмок.Центральный объект внимания в волейболе — мяч. Значит, нужно определять начало розыгрыша и дальше уверенно следить за мячом. Если сопровождать мяч и делать кроп из 16:9 в 9:16 — получаем готовый вертикальный ролик.При изучении темы детекции объектов почти сразу попадаешь на семейство YOLO.
https://habr.com/ru/articles/1035966/
Так сложилось, что я люблю играть в волейбол и активно снимаю свои игры и тренировки.У любителей обычно стоит стационарная камера на штативе, которая захватывает всю площадку (или почти всю) в формате 16:9. При этом современные соцсети потребляют контент вертикально (9:16) и короткими роликами около минуты.Задача: быстро делать вертикальные видео из любительских волейбольных съёмок.Центральный объект внимания в волейболе — мяч. Значит, нужно определять начало розыгрыша и дальше уверенно следить за мячом. Если сопровождать мяч и делать кроп из 16:9 в 9:16 — получаем готовый вертикальный ролик.При изучении темы детекции объектов почти сразу попадаешь на семейство YOLO.
scrapy - 2.16.0
https://pypi.org/project/scrapy/2.16.0/
Гибкий фреймворк для написания web-пауков (парсеров). Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy
https://pypi.org/project/scrapy/2.16.0/
Гибкий фреймворк для написания web-пауков (парсеров). Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy
Выделение одного значащего признака из набора данных с помощью машинного обучения. Используется Apache Spark
https://habr.com/ru/articles/1035962/
В первой части была создана инфраструктура для запуска машинного обучения. Там же была создана БД с данными для использования в примерах.В данной части будет искаться, какой тип файлов вызывает увеличение нагрузки. При этом, зная, какой именно тип файла был указан как вызывающий нагрузку.Будет использоваться машинное обучение в Apache Spark.
https://habr.com/ru/articles/1035962/
В первой части была создана инфраструктура для запуска машинного обучения. Там же была создана БД с данными для использования в примерах.В данной части будет искаться, какой тип файлов вызывает увеличение нагрузки. При этом, зная, какой именно тип файла был указан как вызывающий нагрузку.Будет использоваться машинное обучение в Apache Spark.
Сводка pythonz 10.05.2026 — 17.05.2026
https://pythonz.net/articles/645/
А теперь о том, что происходило в последнее время на других ресурсах.
https://pythonz.net/articles/645/
А теперь о том, что происходило в последнее время на других ресурсах.
greenlet - 3.5.1
https://pypi.org/project/greenlet/3.5.1/
Модуль для легковесных потоков в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/greenlet/
https://pypi.org/project/greenlet/3.5.1/
Модуль для легковесных потоков в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/greenlet/
gevent - 26.5.0
https://pypi.org/project/gevent/26.5.0/
Библиотека для Python, которая позволяет вам писать асинхронные сетевые приложение использую синхронный API. Скачать можно по ссылке: https://pypi.python.org/pypi/gevent/
https://pypi.org/project/gevent/26.5.0/
Библиотека для Python, которая позволяет вам писать асинхронные сетевые приложение использую синхронный API. Скачать можно по ссылке: https://pypi.python.org/pypi/gevent/
click - 8.4.1
https://pypi.org/project/click/8.4.1/
Фреймворк для простого создания интерфейсов командной строки.. Скачать можно по ссылке: https://pypi.python.org/pypi/click/
https://pypi.org/project/click/8.4.1/
Фреймворк для простого создания интерфейсов командной строки.. Скачать можно по ссылке: https://pypi.python.org/pypi/click/
pika - 1.4.1
https://pypi.org/project/pika/1.4.1/
Библиотека работы с AMQP. Скачать можно по ссылке: https://pypi.python.org/pypi/pika/
https://pypi.org/project/pika/1.4.1/
Библиотека работы с AMQP. Скачать можно по ссылке: https://pypi.python.org/pypi/pika/