Скорее всего уже слышали, что складывать строки через + это плохая практика. Падение производительности, и всё такое. Без лишних слов, давайте измерять:
from timeit import timeit
def t1():
# складываем 10 строк через + из переменной
t = 'text'
for _ in range(1000):
s = t + t + t + t + t + t + t + t + t
def t2():
# склеиваем список строк через метод join
arr = ['text'] * 10
for _ in range(1000):
s = ''.join(arr)
def t3():
# складываем через + но не из переменной а непосредственно инлайн объекты
for _ in range(1000):
s = 'text' + 'text' + 'text' + ... # всего 10 раз
Теперь каждую строку склейки запустим по 10М раз
>>> timeit(t1, number=10000)
0.21951690399964718
>>> timeit(t2, number=10000)
1.4978306379998685
>>> timeit(t3, number=10000)
0.2213820789993406
Хм, а нам говорили что через "+" это плохо и медленно ))) 😁
Тут стоит учитывать, что речь идёт о склейке множества длинных строк.
Давайте изменим условия:
def t4():
t = 'text'*100
for _ in range(1000):
s = t + t + t + t + t + t + t + t + t
def t5():
arr = ['text'*100] * 10
for _ in range(1000):
s = ''.join(arr)
def t6():
for _ in range(1000):
s = 'text'*100 + 'text'*100 + ... # всего 10 раз
>>> timeit(t4, number=10000)
12.795130728000004
>>> timeit(t5, number=10000)
2.642637542999182
>>> timeit(t6, number=10000)
0.2184546610005782
Вот, уже другой разговор, сразу видна разница, в среднем в 6 раз. Но погодите, почему последний тест t6() по скорости такой же как и t3()? Ведь строки теперь в 100 раз длиннее!
Это вопросы оптимизации кода, какие простые изменения ускоряют или замедляют выполнение программы. Мы столкнулись с примером обхода обращения к переменной. Например, именно так работает директива #define в С++, во время компиляции подставляя значение переменной вместо ссылки на неё.
В Python это тоже работает, но часто ли вы сможете встретить такой способ работы со строками? К сожалению, способ почти только теоретический.
В целом, тесты показали то, что мы хотели. Делаем выводы самостоятельно.
Полный листинг 🌍
#tricks
Что такое MCP и зачем он нужен?
MCP - универсальный протокол взаимодействия LLM с внешним миром.
Привожу примеры применения из поста Min Choi:
1. Figma MCP
Общайтесь напрямую с Figma и создавайте современные мобильные экраны входа в систему.
2. Ableton MCP
Создавайте музыку, используя только подсказки.
3. Unity MCP
Общайтесь напрямую с Unity, чтобы создавать целые игры всего лишь с одной подсказкой.
4. WhatsApp MCP
Отправляйте и получайте изображения, видео и голосовые заметки через WhatsApp.
5. ElevenLabs MCP
Запускайте голосовых агентов для выполнения исходящих звонков от вашего имени, например, заказа пиццы.
6. Shopify MCP
Разрабатывайте и совершенствуйте операции с использованием GraphQL.
7. BioMCP
Открытые API для биомедицинских исследований, предназначенные для поиска и получения клинических испытаний, статей PubMed и вариантов генома.
8. Supabase MCP
Чтение и запись данных в вашу базу данных.
9. GitHub MCP
Без комментариев.
10. Unreal MCP
Стройте всё что угодно в движке Unreal Engine, используя только подсказки.
#mcp
https://t.me/semasci
👍MCP теперь реализован в GPTunneL
MCP (Model Context Protocol) — общий стандарт, через который ассистенты подключают внешние сервисы. Если сервис поддерживает MCP, вы просто указываете его адреси получаете безопасный доступ к своим данным прямо из чата.
Например, через MCP подключаете ваш Notion\Linear и «разговариваете» с заметками в чате ассистента GPTunneL.
Также доступны официальные MCP-серверы для GitHub, Jira/Confluence, Stripe и PayPal, Plaid, Google Drive, Dropbox и др.
〰️Наша платформа поддерживает удаленное подключение по MCP.
Проверьте: возможно, ваш любимый сервис уже имеет подобную интеграцию.
🔗Подключиться через GPTunneL
#mcp@gptunnel
Что такое Model Content Protocol и зачем он нужен?
Model Content Protocol (MCP) — это открытый протокол, который позволяет AI-моделям напрямую взаимодействовать с внешними данными, инструментами и API. Он убирает сложность интеграции и делает процесс подключения гораздо проще.
👉 Стандартизированный доступ к данным. MCP задаёт единый формат взаимодействия с БД, API или файловыми системами.
👉 Интерактивность. Модель может не только читать данные, но и выполнять действия — например, обновлять записи или конфигурации.
👉 Упрощённое подключение инструментов. Достаточно описать интерфейс, и MCP готов к работе в поддерживающих клиентах (например, Claude Desktop).
👉 Open source. MCP формирует экосистему совместимых серверов и инструментов, которыми легко делиться.
Где это полезно?
👉 Подключение AI к внутренним сервисам компании.
👉 Улучшение IDE — автогенерация, поиск по коду.
👉 Построение цепочек команд, когда AI сам запрашивает нужные данные.
Главная идея: MCP создаёт мост между моделью и миром данных, делая AI более контекстным и полезным без постоянного “кормления” контентом.
В комментариях делитесь MCP, которые уже используете
#ai#mcp
🐱Play Store MCP Server - open source Model Content Protocol сервер, который позволяет взаимодействовать с Google Play Console для публикация и управления публикациями приложений.
Что уже можно сделать:
👉 Загрузить сборку Android приложения
👉 Переводить релизы между треками
👉 Запросить статус релиза
❗️Решение пока находится в разработке, но уже рабочее
#googleplay#ai#mcp
⚡️ Anthropic радует разработчиков — вышел каталог MCP-коннекторов для Claude
Если вы любите кодить в вайбе, вот отличный апдейт: Anthropic выкатили новый каталог Connectors, в котором собраны проверенные MCP-интеграции — для автоматизации, расширения функционала и прокачки собственных агентов.
Что внутри?
🟡 Поддержка популярных сервисов вроде Figma, Notion, Stripe
🟡 Коннекторы для десктопов — есть даже MCP для Claude под macOS
🟡 Аккуратная библиотека, в которой все подключается без боли
Каталог тут:claude.ai/directory
🤑ForgetMe | Boosty | ForgetBench | ForgetGPT | ForgetAPI
#claude#новости#mcp#нейросети