my-pi: как собрать AI-ассистента из конструктора

Мир AI-ассистированной разработки меняется на глазах. И если раньше мы просто пользовались готовыми инструментами, то теперь появляется возможность собирать их под себя. Один из таких проектов — my-pi — показывает, как это может работать на практике.

Почему это другой подход

Классические AI-помощники похожи на чёрные коробки. Да, они мощные, но возможности ограничены тем, что заложили разработчики. my-pi ломает эту парадигму. Здесь AI-ассистент — это не монолит, а набор сменных компонентов. Нужна новая функция — добавил. Что-то не подошло — убрал и поставил другое.

В основе проекта два ключевых протокола.

MCP (Model Context Protocol) отвечает за связь между вашей языковой моделью и внешним миром. Базы данных, API, различные сервисы — всё это подключается через единый интерфейс. Никакой возни с кастомными интеграциями.

LSP (Language Server Protocol) добавляет серьёзную аналитику кода. Ваш AI-агент понимает структуру проекта: находит определения функций, отслеживает ссылки, анализирует код на уровне профессиональных IDE.

Цепочки агентов — вот где магия

Самая интересная фишка — agent chains. Вместо одного запроса к AI вы строите цепочку из нескольких специализированных агентов.

Простой пример: один агент разбирает требования, второй пишет код, третий проверяет качество, четвёртый занимается тестами. И всё это работает как единый механизм.

Звучит фантастически? Уже нет. Именно такую архитектуру позволяет построить этот проект.

Пресеты промптов: один раз сделал — используй везде

Каждый, кто работает с AI, знает эту боль: написал хороший промпт для одного проекта, а в следующем приходится начинать с нуля. Пресеты промптов решают проблему. Создал проверенный промпт — сохранил — применяешь в любом проекте. Со временем у вас накопится целая библиотека отработанных решений.

Локальная телеметрия: понимай, что работает

Чтобы улучшать что-то, нужно это измерять. Local eval telemetry даёт вам данные о производительности вашего AI-помощника. Успешность выполнения задач, слабые места, направления для доработки — всё перед глазами. И всё это работает локально, без отправки данных куда-то наружу.

Кому это нужно

Для индивидуальных разработчиков — это шанс создать ассистента, который работает так, как удобно именно вам, а не наоборот.

Для стартапов — фундамент для создания специализированных инструментов под конкретный стек и задачи.

Главное преимущество — отсутствие привязки. Обновились возможности AI — обновили компонент. Появилась новая технология — добавили модуль. Систему не нужно перестраивать с нуля.

Попробовать

Проект с открытым кодом, доступен на GitHub. Идеальная точка входа для тех, кто хочет поэкспериментировать с модульным подходом к AI-ассистентам. Неважно, работаете ли вы в одиночку или ищете решения для команды — конструкторный подход заслуживает внимания.

Будущее AI-ассистированной разработки — это не умные чёрные коробки, а строительные блоки, из которых каждый соберёт то, что нужно именно ему. my-pi — один из первых шагов в этом направлении.

А вы уже пробовали модульные AI-решения? Расскажите в комментариях, что из этого получилось.