Machinelearning

🧬🤖Paper2Agent: оживляем научные статьи Open-source инструмент от исследователей из Stanford, который превращает статические статьи в интерактивных AI-ассистентов. 📌 Как это работает: - Paper2MCP анализирует статью и её код( если есть), извлекает ключевые методы и превращает их в инструменты внутри MCP-сервера. - Agent layer подключает этот сервер к чат-агенту (например, Claude Code или Chatgpt). Поле чего, у каждой статьи появляется свой ИИ-ассистент, который: - объясняет папиру на простом языке; - запускает код без ручного копания в репозиториях, зависимостях и API-ключах; - объединяет данные и пайплайны из разных работ. Каждый MCP-сервер включает: - Tools — функции (например, прогноз изменения экспрессии генов). - Resources — текст, код, датасеты. - Prompts — шаблоны для пошаговых сценариев. Фактически Paper2Agent помогает конвертировать научные работы в полноценные рабочие инструменты. Чтобы повторить методы их статьи, приходилось вручную ставить окружения, импортировать десятки модулей и гадать с входными данными. Paper2Agent позволяет это сделать через диалоговый интерфейс. 🟠Github @ai_machinelearning_big_data #ai#ml#aiagent

🔅 Vibe Kanban — оркестрация AI-кодеров в одном окне Позволяет можно запускать и управлять сразу несколькими AI-агентами для кодинга: Claude Code, Gemini CLI, Codex — всё в одном дашборде. ▶️Что умеет: - параллельный запуск агентов - трекинг задач - переключение между моделями на лету - встроенный review и контроль над результатами - backend написан на Rust, frontend на React, всё разворачивается локально Полностью open-source 🟡Репозиторий: https://github.com/BloopAI/vibe-kanban 🟡Документация: https://www.vibekanban.com/ @ai_machinelearning_big_data #ai#aiagent#opensource#Claude#Gemini

🧠 MCP сервер для баз данных от Google Он выступает прослойкой между вашим агентом (например, LangChain, LlamaIndex, VertexAI) и базой данных, упрощая работу с базой, подключение, управление, безопасность и мониторинг., Подходит для разработки AI-агентов, которые могут создавать и управлять в реальными БД. Особенности: ✔️ Подключение к БД за < 10 строк Python ✔️ Встроенный pooling и аутентификация ✔️ Простая интеграция в агентов (LangChain, Autogen, и т.д.) ✔️100% open-source ✔️Поддержка разных БД: PostgreSQL, MySQL, SQLite, SQL Server, AlloyDB, Cloud SQL, Spanner, BigQuery, Bigtable, Couchbase, Dgraph, Redis, Neo4j и др. ✔️Удобная конфигурация : простой синтаксис YAML для описания функций и запросов. Если делаете агентов, которые работают с SQL/PostgreSQL/MySQL — точно стоит попробовать. ▪GitHub: https://github.com/googleapis/genai-toolbox @ai_machinelearning_big_data #AI#ML#aiagent#opensource#MCP#databases#genai