Harness 1С. MCP сервер с контекстной подсказкой для кодового агента
Показываю свой MCP сервер контекстных подсказок 1С для кодового агента — он работает на полностью локальной нейросети, без интернета и утечки исходников. Вайб-кодинг в 1С на домашнем железе: две видеокарты RTX 5070 Ti, модель Qwen3 на 27 млрд параметров, квантование NVFP4 и контекст 64 000 токенов. Главная проблема разработки на 1С в том, что почти ни одна нейросеть толком не знает язык 1С — даже топовые модели Claude, OpenAI, часто ошибаются. Чтобы это обойти надо подавать кодовому агенту качественный, максимально сжатый контекст. Мой MCP сервер берет справку 1С, делает собственный поиск и через инструмент Research возвращает агенту только нужные типы, методы и свойства. В результате локальная модель пишет рабочий код 1С и почти не выдумывает несуществующие методы. В видео на живых примерах: обработка загрузки текстового файла и функция POST запроса к HTTPS сервису с защищённым соединением, обработкой исключений и логированием в журнал регистрации. Скорость генерации 71-73 токена/сек при максимальном качестве ответа. В итоге, связка локальная нейросеть + MCP сервер контекста 1С уже сейчас даёт быстрый и аккуратный код без отправки исходников в облако. Дальше - единый продукт для автономной разработки 1С. В следующих роликах: добавление третьей видеокарты, домашний AI-сервер и запуск Qwen3 27B на максимальной скорости с контекстом 256 000 токенов. Где взять итоговый продукт — расскажу в следующих уроках. Таймкоды: 00:00:00 — Вступление 00:00:20 — Железо и модель 00:00:51 — Проблема 00:01:17 — Инструмент Research 00:02:15 — Обработка загрузки текстового файла 00:03:38 — POST запрос к сервису 00:07:00 — Планы 00:08:01 — Итоги #1С #MCP #вайбкодинг #нейросеть #ИИагент #разработка1С #программирование1С #локальнаянейросеть #Qwen3 #кодовыйагент #искусственныйинтеллект #vibecoding #нейросетьдляпрограммирования #BSL #ИИдляразработки #mcpсервер #локальныйИИ #1Сразработка #нейросети #AI
Показываю свой MCP сервер контекстных подсказок 1С для кодового агента — он работает на полностью локальной нейросети, без интернета и утечки исходников. Вайб-кодинг в 1С на домашнем железе: две видеокарты RTX 5070 Ti, модель Qwen3 на 27 млрд параметров, квантование NVFP4 и контекст 64 000 токенов. Главная проблема разработки на 1С в том, что почти ни одна нейросеть толком не знает язык 1С — даже топовые модели Claude, OpenAI, часто ошибаются. Чтобы это обойти надо подавать кодовому агенту качественный, максимально сжатый контекст. Мой MCP сервер берет справку 1С, делает собственный поиск и через инструмент Research возвращает агенту только нужные типы, методы и свойства. В результате локальная модель пишет рабочий код 1С и почти не выдумывает несуществующие методы. В видео на живых примерах: обработка загрузки текстового файла и функция POST запроса к HTTPS сервису с защищённым соединением, обработкой исключений и логированием в журнал регистрации. Скорость генерации 71-73 токена/сек при максимальном качестве ответа. В итоге, связка локальная нейросеть + MCP сервер контекста 1С уже сейчас даёт быстрый и аккуратный код без отправки исходников в облако. Дальше - единый продукт для автономной разработки 1С. В следующих роликах: добавление третьей видеокарты, домашний AI-сервер и запуск Qwen3 27B на максимальной скорости с контекстом 256 000 токенов. Где взять итоговый продукт — расскажу в следующих уроках. Таймкоды: 00:00:00 — Вступление 00:00:20 — Железо и модель 00:00:51 — Проблема 00:01:17 — Инструмент Research 00:02:15 — Обработка загрузки текстового файла 00:03:38 — POST запрос к сервису 00:07:00 — Планы 00:08:01 — Итоги #1С #MCP #вайбкодинг #нейросеть #ИИагент #разработка1С #программирование1С #локальнаянейросеть #Qwen3 #кодовыйагент #искусственныйинтеллект #vibecoding #нейросетьдляпрограммирования #BSL #ИИдляразработки #mcpсервер #локальныйИИ #1Сразработка #нейросети #AI