Минутка анонсов.

4️⃣ марта планирую быть на конференции «Цифровая инфраструктура — 2026» в качестве участника дискуссии.

Место проведения:
Звезды Арбата
Москва, Новый Арбат, 32

📣 Поговорим про инфраструктуру для AI, про AI-агентов и как не сломать всё и сразу 😉

👉 Программа и регистрация: https://www.osp.ru/lp/infrastructure2026

Почему это может быть интересно:
☝️труднее всего «лечатся» ошибки, сделанные на этапе проектирования.
Это на 💯 относится к инфраструктурным ошибкам (GPU-контур, данные, доступы, наблюдаемость, стоимость) — такие промахи лечатся кварталами❗️

На конфе будут обсуждаться темы, которые как раз эти проблемы помогут закрыть:
🔹 Инфраструктура для AI: модели предоставления (on-prem / облако / гибрид) — где прячутся подводные камни и где скрываются реальные затраты
🔹 HPC как сервис: ускоряем R&D без «очередей на GPU» и танцев с бубнами вокруг ресурсов
🔹 10 угроз для корпоративных AI-агентов — от утечек и лишних прав до опасных инструментов, и как их минимизировать эффективно
🔹 AI для мониторинга и управления инфраструктурой: больше видим, меньше ошибаемся

Полезные ссылки:
💪 лучшая цена: https://www.osp.ru/static/2025070907
✍️ чат конференции: https://t.me/infrastr20xx

#AI #конференции #MLOps #инфраструктура #HPC #безопасность #observability #OSP
———
@tsingular

Omnigent теперь можно отслеживать в MLflow

Проблема знакомая каждому кто всерьёз работает с AI-агентами: планируешь в Cursor, пишешь код в Claude Code, тесты гоняешь через Pi, ревью делаешь в Codex.

Каждый инструмент пишет свои логи в своём формате. Собрать общую картину происходящего практически невозможно, - и большинство команд просто забивают на observability.

Omnigent решает ровно эту проблему. Он унифицирует интерфейс между разными агентскими средами: Claude Code пишет код, Codex ревьюит, Pi тестирует — и всё это через один API.
Проект набрал уже более 6 000 звёзд на GitHub меньше чем за месяц, и вот теперь получил интеграцию с MLflow Tracing.

📋 Как работает:
• Ставится одной командой: uv tool install omnigent mlflow
• Пять переменных окружения — и всё готово. omnigent run поднимает сервер, все вызовы автоматически попадают в MLflow в виде структурированных трейсов
• В MLflow видно полную картину: какой агент что сделал, какие инструменты вызвал, с какими аргументами, сколько токенов и времени потратил
• Трейсы стандартизированы на OpenTelemetry — не надо ничего допиливать

💡 Штука в том что это не просто дашборд ради дашборда.
Когда все агентские вызовы лежат в одном месте, появляются вещи которые раньше были невозможны.
Вышла новая дешёвая опенсорс модель — запускаешь before-vs-after анализ на трейсах и видишь на каких именно шагах она справляется а на каких нет.
Меняешь MCP-провайдера — A/B-тест покажет какой из них даёт лучший результат за те же деньги.
Видишь что 30% тул-коллов на конкретном harness избыточны — режешь и экономишь токены.

От «я скопировал промпт из Codex в Claude Code» до «у меня сквозная трассировка всех агентов в MLflow» — ровно один pip install.

#Omnigent #MLflow #агенты #observability #OpenSource
------
@tsingular