Angielski jest najgorętszym językiem programowania na świecie! MongoDB właśnie wydało swój serwer MCP, a dosłownie każdy może teraz zapytywać dane, nie wiedząc nic o bazach danych. Z wszystkich rzeczy, które możesz zrobić z tym serwerem MCP, są dwa konkretne powody, dla których jestem bardzo podekscytowany: Po pierwsze, to możliwość udostępnienia asystentowi AI dostępu do kontekstu przechowywanego w twojej bazie danych. To jest ogromne dla tych z nas, którzy używają Claude Code lub Codex do pisania kodu, ponieważ ci asystenci mogą teraz uzyskać dostęp do twojej bazy danych MongoDB, aby przetwarzać i rozumieć twoje dane takimi, jakie są. Po drugie, możesz teraz pisać zapytania w języku naturalnym. To pozwala każdemu i ich mamie zapytywać dane, nie wiedząc nic o bazach danych! Jeśli znasz angielski, jesteś gotowy. A tak przy okazji, możesz używać kont serwisowych z ograniczonym zakresem i szczegółowych uprawnień, aby kontrolować, które narzędzia mają dostęp tylko do odczytu lub zapisu do twoich danych. To jest kluczowe, i chciałbym, aby więcej firm robiło to samo. Oto link do repozytorium GitHub serwera MCP: Dzięki zespołowi @MongoDB za współpracę ze mną nad tym postem.

8 zasad, aby poprawić swojego agenta kodującego AI. Wszystkie te zasady działają z Claude Code, Cursor, VS Code oraz z większością języków programowania. Automatyzacja tych zasad zwiększy jakość i bezpieczeństwo kodu produkowanego przez twoich agentów kodujących dziesięciokrotnie. 1. Sprawdzanie zależności - Zapobiegaj sugerowaniu przez swojego agenta niebezpiecznych bibliotek opartych na przestarzałych danych treningowych. 2. Ekspozycja sekretów - Automatycznie naprawiaj użycie zakodowanych poświadczeń wprowadzonych przez twojego agenta kodującego. 3. Rozmiar plików i funkcji - Automatycznie refaktoryzuj wszelkie pliki lub funkcje, które przekraczają rozsądny rozmiar. 4. Złożoność i limity parametrów - Uprość zbyt złożony kod napisany przez agenta. 5. SQL Injection - Automatycznie naprawiaj wszystkie interakcje z bazą danych z niezabezpieczonymi danymi wejściowymi od użytkownika. 6. Nieużywane zmienne i importy - Wykrywaj i usuwaj martwy kod. 7. Wykrywanie niewidocznych znaków unicode w plikach zasad AI - Usuń znaki o zerowej szerokości, nadpisania kierunku i inne niewidoczne znaki, które mogą ukrywać złośliwe zachowanie. 8. Niebezpieczne użycie API OpenAI - Wymuszaj korzystanie z bezpiecznych punktów końcowych OpenAI, odpowiedniej autoryzacji i izolacji kontekstu. Oto jak możesz to zautomatyzować: Zainstaluj rozszerzenie @codacy. To da ci dostęp do CLI do lokalnego skanowania i serwera MCP do komunikacji z agentem. Od teraz, za każdym razem, gdy będziesz potrzebować wygenerować jakiś kod: 1. Twój agent napisze kod 2. Następnie wywoła CLI Codacy, aby go sprawdzić 3. Znajdzie wszelkie problemy w czasie rzeczywistym 4. Twój agent kodujący naprawi problemy 5. Gdy kod przejdzie wszystkie kontrole, jesteś gotowy Poziom wysiłku z twojej strony: dosłownie zero! Jakość i bezpieczeństwo kodu dzięki temu: 100 razy lepsze! Oto link do pobrania rozszerzenia dla twojego IDE: Dzięki zespołowi Codacy za współpracę ze mną nad tym postem.

Zwiększyłem skuteczność mojej gry wieloagentowej z 83% do nieco ponad 92%. Ogromna poprawa! Oto najważniejsza lekcja, którą wyniosłem: Przenieś jak najwięcej funkcjonalności do narzędzi i pozwól LLM z nich korzystać. Im mniej LLM musi robić, tym lepiej. LLM jest znacznie lepsze w decydowaniu, które narzędzie użyć, niż w wykonywaniu pracy tego narzędzia samodzielnie, nawet gdy jest to prosta praca. Skróciłem 100-liniowy prompt do 25 linii i 3 funkcji Pythona, które implementują całą funkcjonalność. Minusem jest więcej kodu, ale plusem jest to, że niezawodność wzrosła o prawie 10%.