Свой agentic harness на Python: с нуля до MCP и памяти

Что в ролике
Чтобы понять, как устроены AI-агенты, можно собрать собственный харнесс на Python: простой чат с локальной моделью, вызов инструментов, агентский цикл, MCP и постоянная память. Модель сама не вызывает функции — код передаёт ей схемы инструментов, выполняет запрошенные вызовы и возвращает результат, а while true повторяет это, пока агент не выдаст финальный текст. Отдельные версии скриптов постепенно добавляют запись и чтение файлов, подключение MCP-серверов по stdio и сохранение фактов в Markdown-файл, который подставляется в системный промпт. Финальный харнесс включает конфиг MCP-серверов, список моделей и команды /models, /tools, /memory для переключения в терминале. Для запуска нужно установить uv, openai, mcp и pydantic, затем Ollama с одной из локальных моделей Qwen или ключ OpenAI. В конце харнесс по команде чистит workspace и сводит документы в один текстовый файл.
Практика
- Что получишь
- Понимание, как устроены агенты под капотом: модель, инструменты, цикл, MCP и память, а также рабочий каркас, который можно расширять своими функциями.
- Первый шаг
- Создать пустую папку, выполнить uv init, затем uv add mcp openai pydantic и запустить первый скрипт с локальной Ollama-моделью или ключом OpenAI.
- Цифры
- —3 модуля — mcp, openai и pydantic добавляются через uv add
- —2 локальные модели — Qwen 3.5 4B и Qwen 3.5 2B для Ollama
- —2 MCP-сервера — time и fetch, подключаемые по stdio
- —9 инструментов, 6 промпт-шаблонов и 5 готовых навыков — состав бесплатного бандла HubSpot
- Честно
- Весь код доступен по ссылке в описании, но автор не пишет его построчно: вставляет готовые сниппеты и объясняет. Ролик спонсирован HubSpot, в середине реклама бесплатного бандла с 9 инструментами, 6 шаблонами и 5 навыками. Для повторения нужен OpenAI API-ключ либо локальная Ollama-модель Qwen 3.5 4B/2B, причём на слабом железе автор советует не мучиться с локальным запуском.
Если слова незнакомы — 5 терминов
- харнессобвязка вокруг языковой модели: код, который даёт ей инструменты, память и цикл выполнения
- MCPпротокол, через который к агенту подключают внешние инструменты и серверы
- stdioстандартный ввод-вывод, когда MCP-сервер запускается как локальный процесс
- системный промптслужебная инструкция, которую модель получает до сообщений пользователя
- агентский циклповторение «модель предложила инструмент → код выполнил → результат модели», пока не появится ответ
Связки из этого ролика
1 шт.- Python agentic harness with OpenAI/Ollama and MCP
Компоненты
7 шт.Формат: пошаговый урок · для практикующих · уверенность разметки 0.8 · источник