Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)

Pi 1.0 подключил MCP через Codemode: агент пишет JS-код вместо отдельных вызовов

Pi 1.0 — программа-«обвязка», которая даёт ИИ-агенту инструменты, — теперь подключает MCP-серверы (внешние сервисы вроде Sentry) через Codemode. Агент пишет короткий JavaScript, который в изолированной песочнице QuickJS без сети и файлов сам комбинирует вызовы. Обычный bash показывает модели лишь последние 2000 строк вывода, а Codemode отдаёт результат целиком. Поэтому MCP-серверам пора отдавать чистый структурированный JSON.

AI-обработка оригинала Хабр: Машинное обучение; редакция Hamidun News
Pi 1.0 подключил MCP через Codemode: агент пишет JS-код вместо отдельных вызовов
Источник: Хабр: Машинное обучение. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникХабр: Машинное обучение ↗
Главный редактор
Ключевой факт #1Pi сам пускает не больше четырёх вызовов одновременно, остальные ждут
Ключевой факт #2Классификатор Jev разобрал до 100 открытых GitHub Issues по тональности
Ключевой факт #3Отдельно Codemode включают настройкой defaultTools: +codemode

Представьте, что вам нужно разобрать сотню открытых задач в репозитории: прочитать каждую, оценить тон автора и понять, баг это или просьба о новой функции. Если ИИ-агент вызывает инструменты по одному и каждый ответ тащит в память модели, контекст забивается за пару шагов. Именно эту проблему решает Codemode в Pi 1.0. Pi — это «обвязка» агента: программа, которая даёт языковой модели инструменты и запускает их. MCP — стандарт, через который агент подключается к внешним сервисам вроде Sentry. Теперь поддержка MCP в Pi работает через Codemode: вместо череды отдельных вызовов агент пишет короткий JavaScript, который сам комбинирует инструменты.

Автор материала больше года назад советовал не загружать пользовательские инструменты, включая MCP-серверы, в контекст модели и по возможности обходиться скриптами. Выход Pi 1.0 выглядит как разворот, но на деле это следующий шаг той же идеи: пусть агент работает кодом.

Зачем агенту код, если есть bash

Bash удобен тем, что вызовы легко комбинировать, а файловую систему модель хорошо понимает после обучения. Но у него есть предел: он умеет склеивать только исполняемые программы. Часть инструментов программами не является, они встроены в сам интерфейс общения с LLM. Например, чтобы мультимодальная модель увидела картинку, обвязка агента должна передать данные изображения напрямую через протокол. Простой командой в консоли это не сделать.

Есть и вторая сложность: где что выполняется. В системе две части. Обвязка агента, то есть «мозг», работает на отдельной машине и считается доверенной. Целевая среда, где запускаются bash и инструменты, может стоять в песочнице вроде Gondolin. У этих частей разные файловые системы и разные уровни доверия, между ними проходит чёткая граница.

Codemode работает на стороне обвязки, в собственной песочнице. В Pi для него взяли QuickJS в среде WASM с намеренными ограничениями: нет сети, нет доступа к файлам, память ограничена. Единственный способ повлиять на внешний мир — вызвать другие инструменты. Термин придумали в Cloudflare.

Что это даёт на практике

Экономия контекста видна на простом примере. Когда LLM вызывает bash как обычный инструмент, в контекст попадают лишь последние 2000 строк вывода, а остальное агенту нужно дочитывать из файла. Через Codemode тот же вызов возвращает объёмные результаты в структурированном виде. Кроме того, JavaScript позволяет описывать параллельные операции и несложные рабочие процессы. Типичная схема: агент сначала смотрит 5–10 элементов ответа, чтобы понять структуру, затем пишет скрипт для обработки остальных.

Ещё одна возможность — состояние в истории сессии. Один вызов Codemode сохраняет данные, следующий в той же сессии их загружает. Всё это происходит на хосте обвязки, а не в песочнице.

Показательны примеры из реальных сессий Pi, где код писал сам агент. Он генерирует изображения через API моделей. Он берёт до 100 открытых GitHub Issues через gh, прогоняет каждое через модель-классификатор Jev и оценивает тональность, степень раздражения автора и тип обращения. Параллельный запуск тут безопасен: Pi сам ограничивает число одновременных вызовов инструментов четырьмя, остальные ждут в очереди. В другом примере Jev выбирает следующее действие танка в игре при отладке. Всё это в виде отдельных инструментов только занимало бы место в контексте.

С MCP агент сначала ищет нужные инструменты через API внутри Codemode. Иногда он обращается к серверу сразу: например, к Sentry MCP, о наличии которого знает из системного промпта.

Что пока не так с MCP

Автор признаёт, что с MCP всё работает пока не идеально. Серверы в основном рассчитаны на обвязки без Codemode. Временное решение Cloudflare — запускать Codemode внутри самого MCP-сервера — приводит к Codemode внутри Codemode. Возникает двойное экранирование JSON, в котором путаются небольшие модели, а внутренний код не может вызывать инструменты внешнего.

Проблем четыре:

  • Структурированные данные. Серверы должны отдавать аккуратный JSON, а многие этого не делают.
  • Единообразие результатов. Если сервер меняет формат в зависимости от числа элементов, скажем, чтобы сэкономить токены, пробный запрос на пять элементов проходит, а максимальный пакет ломает обработку.
  • Большие бинарные данные. MCP их пока не поддерживает, приходится обходиться предподписанными URL.
  • Параллельный поиск инструментов. Нет удобного механизма, чтобы распределять его между несколькими серверами. Сейчас всё держится на стихийном поведении моделей, а это плохо масштабируется.

Открытыми остаются и другие вопросы. С Codemode сложнее обеспечить восстановление после сбоев: возможно, стоит взять идеи у движков надёжного выполнения рабочих процессов и сохранять снимки состояния вызовов. Вместо JavaScript, возможно, лучше подойдёт Starlark с его детерминированностью. Ещё не решены работа с изображениями и бинарными данными и неспособность небольших моделей эффективно использовать такой подход.

Что делать разработчику

Если вы пишете MCP-сервер, отдавайте структурированный JSON и держите формат ответа одинаковым при любом размере выдачи. Если строите свою обвязку агента, подумайте об изолированной среде для кода модели, где нет сети и файлов, но можно вызывать инструменты. В Pi Codemode по умолчанию включается вместе с MCP, а отдельно его можно активировать через "defaultTools": ["+codemode"]. Автор уверен, что подход будет применяться всё активнее, хотя до идеала ему ещё далеко.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: зачем агенту код, если есть bash?

Bash удобен тем, что вызовы легко комбинировать, а файловую систему модель хорошо понимает после обучения. Но у него есть предел: он умеет склеивать только исполняемые программы. Часть инструментов программами не является, они встроены в сам интерфейс общения с LLM. Например, чтобы мультимодальная модель увидела картинку, обвязка агента должна передать данные изображения напрямую через протокол. Простой командой в консоли это не сделать. Есть и вторая сложность: где что выполняется. В системе две части.

Что известно по теме: что это даёт на практике?

Экономия контекста видна на простом примере. Когда LLM вызывает bash как обычный инструмент, в контекст попадают лишь последние 2000 строк вывода, а остальное агенту нужно дочитывать из файла. Через Codemode тот же вызов возвращает объёмные результаты в структурированном виде. Кроме того, JavaScript позволяет описывать параллельные операции и несложные рабочие процессы. Типичная схема: агент сначала смотрит 5–10 элементов ответа, чтобы понять структуру, затем пишет скрипт для обработки остальных.

Что известно по теме: что пока не так с MCP?

Автор признаёт, что с MCP всё работает пока не идеально. Серверы в основном рассчитаны на обвязки без Codemode. Временное решение Cloudflare — запускать Codemode внутри самого MCP-сервера — приводит к Codemode внутри Codemode. Возникает двойное экранирование JSON, в котором путаются небольшие модели, а внутренний код не может вызывать инструменты внешнего. Проблем четыре: Структурированные данные. Серверы должны отдавать аккуратный JSON, а многие этого не делают. Единообразие результатов.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…