Advertise on podcast: AWS на русском

Одна из самых частых ошибок с MCP: один токен на всех агентов, без срока жизни и без проверок на бэкенде. По сути это admin-доступ, выданный модели, которая может ошибиться или выполнить чужую инструкцию. В новом выпуске подкаста «AWS на русском» говорим с Виолой Лыковой (AWS Community Builder) о безопасности MCP-серверов и AI-агентов: 🔹 Почему MCP из слоя интеграции превращается в новую границу доступа, как только агент начинает вызывать тулы 🔹 Токены и scopes: отдельный ключ на каждого агента, TTL, почему токен не должен попадать в промпт 🔹 RBAC для агентов: у каждого свой ID, audit trail и цепочка approval (кто сделал, кто одобрил, когда) 🔹 Least privilege без wildcard, авторизация на уровне каждого тула, destructive actions только через human-in-the-loop 🔹 Prompt injection и tool poisoning: почему description тула уже часть поведения агента 💡 RBAC теперь нужен не только людям, но и агентам: у каждого агента свой ID, а в логах видно, какой агент что сделал, кто это одобрил (человек или другой агент) и когда. 💬 Как вы ограничиваете агентов у себя: отдельные токены, allow-list тулов или пока YOLO-режим? #MCP #AIAgents #AISecurity #AWS #Подкаст #AWSнаРусском Ссылки из выпуска Статья Виолы про безопасность MCP-тулов на AWS: https://dev.to/aws-builders/how-to-secure-mcp-tools-on-aws-for-ai-agents-with-authentication-authorization-and-least-privilege-50ea MCP Authorization (спецификация): https://modelcontextprotocol.io/specification/2025-11-25/basic/authorization MCP Security Best Practices: https://modelcontextprotocol.io/specification/2025-11-25/basic/security_best_practices Tool Poisoning Attacks (Invariant Labs): https://invariantlabs.ai/blog/mcp-security-notification-tool-poisoning-attacks Amazon Bedrock Guardrails: https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-content-filters.html Навигация (Podbean) (0:00) Введение: тысячи MCP-серверов (2:07) Что такое MCP и откуда вопрос security (4:27) Кого ограничивать: MCP-сервер или агента (7:02) Токены: отдельный ключ на клиента, TTL (11:33) RBAC для агентов: сервисный аккаунт как в Kubernetes (14:25) Remote MCP: Streamable HTTP и lifecycle (18:25) Почему токен не должен попасть в промпт (19:02) mcp.json, GitHub scopes и 401 для агента (23:47) Кастомная авторизация: где начинается боль (25:06) Больше чем RBAC: бэкенд и OAuth 2.1 (29:40) Guardrails в Bedrock против guardrails на бэкенде (32:32) Identity агента и audit trail (34:18) Prompt injection через фронтенд к базе (39:03) Чек-лист для своего MCP-сервера (40:12) Проверка агентов в CI/CD перед деплоем (44:10) Отдельные scopes: analysis-агент и ops-агент (45:38) Blast radius и авторизация на уровне тула (47:20) Least privilege без wildcard (49:01) Destructive actions и human-in-the-loop (53:33) Prompt injection через источники, tool poisoning (55:30) Tool description как часть поведения агента (56:51) Итоги: без YOLO, детерминированные guardrails Навигация (YouTube) 00:00:00 – Введение: тысячи MCP-серверов 00:02:07 – Что такое MCP и откуда вопрос security 00:04:27 – Кого ограничивать: MCP-сервер или агента 00:07:02 – Токены: отдельный ключ на клиента, TTL 00:11:33 – RBAC для агентов: сервисный аккаунт как в Kubernetes 00:14:25 – Remote MCP: Streamable HTTP и lifecycle 00:18:25 – Почему токен не должен попасть в промпт 00:19:02 – mcp.json, GitHub scopes и 401 для агента 00:23:47 – Кастомная авторизация: где начинается боль 00:25:06 – Больше чем RBAC: бэкенд и OAuth 2.1 00:29:40 – Guardrails в Bedrock против guardrails на бэкенде 00:32:32 – Identity агента и audit trail 00:34:18 – Prompt injection через фронтенд к базе 00:39:03 – Чек-лист для своего MCP-сервера 00:40:12 – Проверка агентов в CI/CD перед деплоем 00:44:10 – Отдельные scopes: analysis-агент и ops-агент 00:45:38 – Blast radius и авторизация на уровне тула 00:47:20 – Least privilege без wildcard 00:49:01 – Destructive actions и human-in-the-loop 00:53:33 – Prompt injection через источники, tool poisoning 00:55:30 – Tool description как часть поведения агента 00:56:51 – Итоги: без YOLO, детерминированные guardrails YouTube: https://www.youtube.com/watch?v=VIDEO_ID&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Миф: чем мощнее модель, тем меньше нужен процесс. Реальность: у vibe-кодинга есть «стеклянный потолок» - момент, после которого агент скорее портит код, чем помогает. У опытных разработчиков он наступает в первый час. В новом выпуске подкаста «AWS на русском» говорим с Михаилом Ишениным и Антоном Коваленко (Solutions Architects, AWS) про AI-DLC: методологию и фреймворк, которые переосмысливают жизненный цикл разработки под агентов. 🔹 Почему vibe-кодинг и spec-driven ускоряют одну фазу из семи, а на реальном спринте упираются в потолок оба, просто с разной скоростью 🔹 AI-assisted против AI-managed: AI не просто пишет код, а сам ведёт процесс, собирает нужный контекст и валидирует его на каждом шаге 🔹 Детерминированный оркестратор: движок на TypeScript без единой LLM не даёт перепрыгнуть стадию. В фреймворке был ключ --test-run, и модели нашли его сами, чтобы скипать обязательные шаги. Ключ убрали 🔹 Knowledge и persistent memory: трейс от строки кода до бизнес-требования, ADR для агентов, дистилляция tribal knowledge из твоих правок 🔹 Legacy и brownfield: reverse engineering старых репозиториев, причём сканируется минимальный нужный скоуп, а не всё подряд 🔹 Три оси настройки - скоуп, глубина, стратегия тестирования: багфикс запускает 7-8 стадий из 32, enterprise-задача все. Это ручка стоимости и длительности прогона Будет полезно тимлидам и техлидам, которые упёрлись в потолок vibe-кодинга; архитекторам и продактам, которым нужен процесс, а не ещё одна тулза; инженерам на больших легаси-базах. Это первая часть. До фаз Inception, Construction и Operations не дошли - разберём их во второй. 💡 Сначала команда замедляется - ровно как при внедрении DevOps: вылезает всё, что было сломано в процессе, и это надо починить. И главное правило: don't steer your agents, feed your agents. Не рули агентом в реальном времени, а вкладывай в него контекст и фидбек, чтобы следующий прогон был лучше. 🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 А вы уже упирались в стеклянный потолок с агентами? На какой задаче он у вас наступает? #AIDLC #SpecDriven #AgenticAI #SDLC #AWS #Подкаст #AWSнаРусском Навигация (Podbean) (0:00) Введение и знакомство с гостями (1:29) От перфокарт до агентских инструментов (3:29) Vibe-кодинг: под какие задачи годится (5:08) Spec-driven: requirements, дизайн, задачи (8:04) Стеклянный потолок и почему spec-driven недостаточно (10:20) AI-assisted против AI-managed (11:29) Семь фаз SDLC и про какую все забывают (17:12) Компоненты AI-DLC: 5 фаз и 32 стадии (18:51) Детерминированный оркестратор и как модели читят (21:08) Knowledge: трейс от кода до требования (22:47) Persistent memory и tribal knowledge (25:09) Агенты как персоны и self-review (27:57) Работает ли на легаси: reverse engineering (29:25) Как начать: установка и поддерживаемые инструменты (31:04) Фаза инициализации (32:44) Три оси: скоуп, глубина, тестирование и цена прогона (38:01) Фаза Ideation: greenfield против brownfield (41:41) А сами-то используете? Frontier teams в Amazon (44:57) Итоги и AI-DLC как воркшоп Навигация (YouTube) 00:00:00 – Введение и знакомство с гостями 00:01:29 – От перфокарт до агентских инструментов 00:03:29 – Vibe-кодинг: под какие задачи годится 00:05:08 – Spec-driven: requirements, дизайн, задачи 00:08:04 – Стеклянный потолок и почему spec-driven недостаточно 00:10:20 – AI-assisted против AI-managed 00:11:29 – Семь фаз SDLC и про какую все забывают 00:17:12 – Компоненты AI-DLC: 5 фаз и 32 стадии 00:18:51 – Детерминированный оркестратор и как модели читят 00:21:08 – Knowledge: трейс от кода до требования 00:22:47 – Persistent memory и tribal knowledge 00:25:09 – Агенты как персоны и self-review 00:27:57 – Работает ли на легаси: reverse engineering 00:29:25 – Как начать: установка и поддерживаемые инструменты 00:31:04 – Фаза инициализации 00:32:44 – Три оси: скоуп, глубина, тестирование и цена прогона 00:38:01 – Фаза Ideation: greenfield против brownfield 00:41:41 – А сами-то используете? Frontier teams в Amazon 00:44:57 – Итоги и AI-DLC как воркшоп Упомянутые материалы AI-DLC Workflows (GitHub): https://github.com/awslabs/aidlc-workflows Методология AI-DLC (блог): https://aws.amazon.com/blogs/devops/ai-driven-development-life-cycle/ How frontier teams are reinventing AI-native development: https://aws.amazon.com/blogs/machine-learning/how-frontier-teams-are-reinventing-ai-native-development/ Built from the inside out - как AWS Professional Services стали frontier team: https://aws.amazon.com/blogs/machine-learning/built-from-the-inside-out-how-aws-professional-services-became-a-frontier-team-first/ Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Паша Веллер 20 лет рос в EPAM от инженера до Chief Technologist - и всё это время писал код руками.  В новом выпуске подкаста «AWS на русском» говорим с Пашей Веллером (Chief Technologist / VP AI, PandaDoc) и Вадимом Войтюком (Principal SA, AWS) про путь инженер → CTO → продукт → AI и как остаться hands-on: 🔹 Почему CTO должен продолжать пачкать руки в коде: перестал делать руками - быстро перестал быть адекватным технологом, которому клиент верит 🔹 Три качества, которые двигают карьеру: инициатива, умение принимать решения и ответственность за них. Одно английское слово вбирает всё - agency 🔹 Сервис против продукта как две кривые: consultancy - синусоида стресса (аврал → спад → аврал), продукт - прямая линия чуть ниже пиков (давление постоянное, но стабильное) 🔹 AI в документообороте PandaDoc: 60 млн документов в год, а контракт не может быть правильным на 97% - нужно 100%. Вот где «AI пишет легко» заканчивается и начинается инженерия Будет полезно инженерам, которые растут в тимлидов и техлидов и боятся «потерять руки»; архитекторам; всем, кто адаптируется к AI-разработке и выбирает между сервисной и продуктовой карьерой. 💡 Раздели рабочий день на две части: полдня - митинги и коммуникация, полдня - работа руками в фокусе. Быть занятым легко, этого от тебя все хотят. Вопрос в другом: ты сегодня был занят или принёс пользу? 🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 Оставаться hands-on любой ценой или в какой-то момент честно отпустить код и уйти в стратегию? Где вы на этой кривой? #Career #EngineeringLeadership #AICoding #CTO #AWS #Подкаст #AWSнаРусском Навигация (Podbean) (0:00) Начало и представление гостей (1:25) Кто такой Паша Веллер: Минск → EPAM → США, 26 лет опыта (2:52) Может ли CTO оставаться hands-on и зачем (4:20) Доверие клиента строится через техническую глубину (6:13) Три качества роста: инициатива, решения, ответственность (agency) (11:49) Сервис vs продукт: для инженера и для лидера (14:45) Метафора двух кривых: синусоида против прямой линии (16:32) Тактика против стратегии: почему в продукте иначе (18:22) Выход из зоны комфорта (19:09) Есть ли в продукте «волны» под релизы (re:Invent)? (20:44) PandaDoc: vertical SaaS, continuous deployment, feature flags (23:37) Продакт-инженер и плотность таланта: 200 vs 60 000 человек (27:46) Почему инженеры меняют продукт на сервис и обратно (29:46) Что строит в PandaDoc: VP AI и внедрение AI в продукт (34:16) AI в документообороте: 87-97% против нужных 100% (37:46) Как решают точность: инженерное решение и evals (39:24) «Навайбкодить PandaDoc за вечер»? 60 млн документов в год (42:34) Типичный день Chief Technologist: день на две части (46:58) Maker vs manager schedule (Пол Грэм) (48:19) Быть занятым против приносить пользу (value) (50:44) «Перестал писать код руками в октябре»: жизнь после Sonnet 4.5 (53:45) Когнитивная нагрузка: писать легче, читать сложнее (55:10) Кому больно терять ручной код и почему (58:40) Финал: один практический совет инженеру (1:02:59) Индустрии с высокой ценой ошибки (Starlink, медтех) (1:05:30) Итоги и прощание Навигация (YouTube) 00:00:00 - Начало и представление гостей 00:01:25 - Кто такой Паша Веллер: Минск → EPAM → США, 26 лет опыта 00:02:52 - Может ли CTO оставаться hands-on и зачем 00:04:20 - Доверие клиента строится через техническую глубину 00:06:13 - Три качества роста: инициатива, решения, ответственность (agency) 00:11:49 - Сервис vs продукт: для инженера и для лидера 00:14:45 - Метафора двух кривых: синусоида против прямой линии 00:16:32 - Тактика против стратегии: почему в продукте иначе 00:18:22 - Выход из зоны комфорта 00:19:09 - Есть ли в продукте «волны» под релизы (re:Invent)? 00:20:44 - PandaDoc: vertical SaaS, continuous deployment, feature flags 00:23:37 - Продакт-инженер и плотность таланта: 200 vs 60 000 человек 00:27:46 - Почему инженеры меняют продукт на сервис и обратно 00:29:46 - Что строит в PandaDoc: VP AI и внедрение AI в продукт 00:34:16 - AI в документообороте: 87-97% против нужных 100% 00:37:46 - Как решают точность: инженерное решение и evals 00:39:24 - «Навайбкодить PandaDoc за вечер»? 60 млн документов в год 00:42:34 - Типичный день Chief Technologist: день на две части 00:46:58 - Maker vs manager schedule (Пол Грэм) 00:48:19 - Быть занятым против приносить пользу (value) 00:50:44 - «Перестал писать код руками в октябре»: жизнь после Sonnet 4.5 00:53:45 - Когнитивная нагрузка: писать легче, читать сложнее 00:55:10 - Кому больно терять ручной код и почему 00:58:40 - Финал: один практический совет инженеру 01:02:59 - Индустрии с высокой ценой ошибки (Starlink, медтех) 01:05:30 - Итоги и прощание YouTube: https://www.youtube.com/watch?v=VIDEO_ID&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Вы уже написали своего DevOps-агента в Kiro или Claude Code. И ещё тысяча ваших коллег - каждый своего, на 80% одинакового. Зачем тогда AWS выпустил готового frontier-агента? В новом выпуске подкаста «AWS на русском» разбираем AWS DevOps Agent с Фёдором Павловым и Антоном Коваленко: 🔹 Зачем готовый агент, если есть Kiro и Claude Code: у тысяч клиентов одни и те же болячки (observability, incident response), а возню с доступами, scope и хостингом («держать палец между крышкой ноута и клавиатурой») берёт на себя AWS 🔹 Из чего он собран: space = IAM-роль (например, read-only на prod) + capabilities (логи, метрики, трейсы, GitHub/GitLab, кастомные MCP). Топология вашей инфраструктуры как «факт» против Terraform-«плана» 🔹 Incident response и root cause: агент коррелирует данные из всех источников, выдаёт RCA и mitigation-план по шагам (validate → backup → change → validate → rollback) 🔹 Proactive prevention: агент копит опыт как инженер, делает weekly refine и даёт рекомендации по 4 направлениям (observability, infrastructure, governance, code) - сразу с готовой спекой для фикса 🔹 Ops → Dev: биллинг по секундам, триаж сотен алертов в одну первопричину, авто-создание support-тикета, а на Summit в Нью-Йорке (preview) - Release Readiness Review и Autonomous Release Testing Будет полезно DevOps/SRE, платформенным и backend-инженерам и архитекторам на AWS, а также всем, кто уже строит агентов в Kiro/Claude Code и думает, где выгоднее готовый frontier-агент. 💡 Доступ к CloudWatch даст и локальный Kiro. Уникальное у готового агента - накопленная история расследований и tribal knowledge: то, что инженеры проговорили у кофе-машины во время инцидента и чего нет ни в Confluence, ни в коде. 🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 Вы бы доверили managed frontier-агенту prod на запись или держали бы только read-only? Как разграничиваете доступы? #DevOpsAgent #AIAgents #SRE #IncidentResponse #AWS #Подкаст #AWSнаРусском Навигация (Podbean) (0:00) Introduction (0:24) Гости: Фёдор Павлов и Антон Коваленко (1:36) Что такое агент (2:26) Зачем готовый агент, если есть Kiro и Claude Code (4:39) Свой мониторинг против готового решения (7:39) Пример Kiro: spec-driven development и неизменяемый дизайн (10:11) Из чего состоит DevOps Agent: space и IAM-роль (11:25) Capabilities: логи, метрики, трейсы, Git (12:50) Что такое расследование и root cause (14:41) Доступ к инфраструктуре и топология (16:09) План против факта: Terraform и реальность (18:25) Как команда делает RCA вручную (19:41) RCA и mitigation-план по шагам с rollback (22:30) Proactive prevention: агент копит опыт (25:02) 4 типа рекомендаций и готовая спека для фикса (27:39) Что можно менять: скиллы, MCP, системный промпт (30:12) Sub-агенты: специализированный фокус (32:53) Токены и деньги: биллинг по секундам (33:43) Enterprise Support: кредиты на агента (34:22) Проблема на стороне AWS: авто-создание support-тикета (37:02) Триаж: сотни алертов и blast radius (40:49) Talk to your infrastructure (42:31) Tribal knowledge, которого нет в Confluence (43:54) Ops закрыли, а что с Dev? (45:23) Summit NY: Release Readiness Review и Autonomous Release Testing (preview) (48:13) Shift-left и quality gates (50:14) SDLC и тизер эпизода про AI DLC (51:44) Итоги и анонс Навигация (YouTube) 00:00:00 - Начало 00:00:24 - Гости: Фёдор Павлов и Антон Коваленко 00:01:36 - Что такое агент 00:02:26 - Зачем готовый агент, если есть Kiro и Claude Code 00:04:39 - Свой мониторинг против готового решения 00:07:39 - Пример Kiro: spec-driven development 00:10:11 - Из чего состоит DevOps Agent: space и IAM-роль 00:11:25 - Capabilities: логи, метрики, трейсы, Git 00:12:50 - Что такое расследование и root cause 00:14:41 - Доступ к инфраструктуре и топология 00:16:09 - План против факта: Terraform и реальность 00:18:25 - Как команда делает RCA вручную 00:19:41 - RCA и mitigation-план по шагам с rollback 00:22:30 - Proactive prevention: агент копит опыт 00:25:02 - 4 типа рекомендаций и готовая спека для фикса 00:27:39 - Что можно менять: скиллы, MCP, системный промпт 00:30:12 - Sub-агенты: специализированный фокус 00:32:53 - Токены и деньги: биллинг по секундам 00:33:43 - Enterprise Support: кредиты на агента 00:34:22 - Проблема на стороне AWS: авто-создание support-тикета 00:37:02 - Триаж: сотни алертов и blast radius 00:40:49 - Talk to your infrastructure 00:42:31 - Tribal knowledge, которого нет в Confluence 00:43:54 - Ops закрыли, а что с Dev? 00:45:23 - Summit NY: Release Readiness Review и Autonomous Release Testing (preview) 00:48:13 - Shift-left и quality gates 00:50:14 - SDLC и тизер эпизода про AI DLC 00:51:44 - Итоги и анонс YouTube: https://www.youtube.com/watch?v=VIDEO_ID&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

8 миллионов поездок в день, 500 кластеров Redis в 8 регионах AWS, и всё это смигрировали на Valkey силами двух инженеров за два месяца. История inDrive. В новом выпуске подкаста «AWS на русском» говорим с Vadym Voitiuk (Principal SA, AWS) и командой inDrive (Alexander Lisachenko, Solution Architect + Artem Gab, Engineering Manager) про Redis, Valkey и ElastiCache в масштабе ride-hailing: 🔹 inDrive в цифрах: 48 стран, 1000+ городов, 8M поездок в день и миллионы водителей в real-time телеметрии 🔹 Каир-проблема: одна city_id = один hot slot. Почему m6g.24xlarge (96 ядер) не спасла, и как однопоточный Redis завалил прод 🔹 H3 гексагоны от Uber как новый ключ шардирования: разблокировали горизонтальное масштабирование по shard 🔹 Микросервисная архитектура: от коммунального Redis к Redis per microservice per region, blast radius сократили с мира до страны 🔹 Миграция 500 кластеров OSS Redis -> Valkey: 2 инженера × 2 месяца × zero-downtime через AWS online engine migration, ~20% экономии подтверждено CUDOS Будет полезно SRE, DevOps и архитекторам, у кого Redis/Valkey под серьёзной geo-нагрузкой, и всем, кто думает про переезд с self-managed Redis на ElastiCache или с Redis OSS на Valkey. 💡 Обычный CPUUtilization врёт на Redis/Valkey: при outage может показывать «всё ок». Смотреть надо на EngineCPUUtilization. Redis однопоточный, и именно оно показывает загрузку того самого «золотого» ядра, которое работает с данными. 🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 А у вас Redis прячет свой «золотой» core? Какие метрики мониторите в ElastiCache на проде? #Redis #Valkey #ElastiCache #H3 #inDrive #AWS #Подкаст #AWSнаРусском Навигация (Podbean) (0:00) Introduction (0:57) Гость AWS - Вадим Войтюк (1:05) inDrive: Саша (SA) + Артём (Engineering Manager) (1:51) Что такое inDrive: ride-hailing с аукционом цены, 48 стран (4:28) Масштаб: 8M поездок в день и real-time телеметрия водителей (7:07) Почему Redis: геоиндексы для dispatch и Ленты (9:31) GEOADD, проекция Меркатора и геоподводные камни (10:27) Старый подход: city_id и hot slot на мегаполис (12:32) «Каир-проблема»: всё упирается в одно ядро (13:21) Redis на железе в виде «ёлочки» (16:27) Миграция в ElastiCache: один shard на 90% CPU (18:00) m6g.24xlarge не спас: Redis однопоточный (19:01) Нет контроля над распределением cluster slots (20:53) Первый rollback с production (22:14) Решение: H3 гексагоны от Uber (26:20) Временный Redis operator в EKS (28:50) Сейчас: ~500 кластеров × 8 регионов (29:52) Redis как hard dependency микросервиса (32:14) Engine CPU: ключевая метрика (34:33) Scale by shards vs by nodes (35:35) T-family baseline, кредиты, переход на M-family (38:37) Переезд на Valkey (39:06) 20% экономии по CUDOS (42:46) 500 кластеров × 2 инженера × 2 месяца (45:18) Online engine migration: zero-downtime (48:08) Graviton как дефолт для managed-сервисов (49:57) Топ метрик: engine CPU, memory, network (52:06) Секретная метрика Geospatial CMDS latency (53:00) Connection storming как предиктор cascade failure (55:46) TLS offloading + IO multiplexing на Valkey large+ (58:55) Wish-list: network autoscaling + гибридный (1:00:23) Итоги   YouTube: https://youtu.be/LZLvJJvePSo Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Думаете, промпт-инжиниринг — это про текст? В агентских системах промпт стал целеполаганием, а контекст агент собирает сам. В новом выпуске подкаста «AWS на русском» говорим с Фёдором Павловым (SA, AWS, обладатель всех 12 сертификатов) о паттернах Agentic AI: 🔹 Чем агентская система отличается от обычного LLM — 3 принципа: автономность, агентность, асинхронность 🔹 Строительные блоки агента — prompting, retrieval (RAG), tool use (MCP), memory 🔹 Memory: short-term vs long-term vs RAG — как устроена память агента и почему LLM «глупеет» от перегруженного контекста 🔹 Cognition augmented vs event-driven — почему агентские архитектуры гибче, но требуют guardrails и мониторинга 🔹 8 паттернов — от tool-based и coding agents до multi-agent collaboration и simulation Будет полезно разработчикам, архитекторам и DevOps-инженерам, которые хотят разобраться в Agentic AI от базовых концептов до мультиагентных систем. 💡 LLM «глупеет» от перегруженного контекста — поэтому long-term memory сжимает старые данные через саму LLM, сохраняя только то, что модели действительно важно. 🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 Вы уже строите агентские системы? Какие паттерны используете? Делитесь в комментариях! #AgenticAI #LLM #MCP #AWS #Подкаст #AWSнаРусском #AIAgents Навигация (Podbean) (0:00) Introduction (0:46) Представление гостя — Фёдор Павлов (3:06) Чем Agentic AI отличается от обычного LLM (5:27) 3 принципа: автономность, агентность, асинхронность (8:10) Измерения работы агента: reasoning, действия, восприятие (11:03) RAG и retrieval (11:45) Memory: short-term (15:36) Long-term memory — компрессия через LLM (23:53) Long-term memory vs RAG (27:11) Event-driven vs cognition augmented (31:34) Трейд-оффы: стоимость, вероятность, мониторинг (35:12) Обзор Agentic AI паттернов (40:21) Speech/voice agents (43:45) Workflow orchestration agents (48:52) Multi-agent collaboration (50:26) Итоги Навигация (YouTube) 00:00:00 – Начало 00:00:46 – Представление гостя — Фёдор Павлов 00:03:06 – Чем Agentic AI отличается от обычного LLM 00:05:27 – 3 принципа: автономность, агентность, асинхронность 00:08:10 – Измерения работы агента: reasoning, действия, восприятие 00:11:03 – RAG и retrieval 00:11:45 – Memory: short-term 00:15:36 – Long-term memory — компрессия через LLM 00:23:53 – Long-term memory vs RAG 00:27:11 – Event-driven vs cognition augmented 00:31:34 – Трейд-оффы: стоимость, вероятность, мониторинг 00:35:12 – Обзор Agentic AI паттернов 00:40:21 – Speech/voice agents 00:43:45 – Workflow orchestration agents 00:48:52 – Multi-agent collaboration 00:50:26 – Итоги YouTube: https://www.youtube.com/watch?v=VIDEO_ID&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Раньше демка занимала 2 недели. Сейчас — 6 часов. И 70% времени уходит не на код, а на то, что действительно важно. Как AI меняет роль архитектора? В новом выпуске подкаста «AWS на русском» говорим с Евгением, руководителем группы архитекторов в AWS, о том, как AI трансформирует работу и ценность технических ролей: 🔹 Технические вопросы: AI отвечает на 90% из них за секунды — эксперимент на реальных кейсах 🔹 Архитектура: почему «что делать» становится важнее «как делать» и роль контекста 🔹 Билдинг: от 2 недель к 6 часам — революция в прототипировании с AI-инструментами 🔹 Обучение: почему пробовать руками важнее, чем проходить курсы, и как AI меняет процесс 🔹 Будущее ролей: от T-shape к «многоножка-shape» — модель эксперта-дженералиста Будет полезно архитекторам, senior-инженерам и техлидам, которые задумываются о развитии карьеры в эпоху AI. 💡 AI справляется с 90% технических вопросов, но собрать правильный контекст, понять бизнес и координировать людей — это то, что определяет ценность архитектора сегодня. 🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 Как AI изменил вашу работу? Что стало проще, а что — сложнее? Делитесь в комментариях! #AI #SolutionArchitect #AWS #Архитектура #CareerGrowth #Подкаст #AWSнаРусском Навигация (Podbean) (0:00) Introduction (0:32) Представление гостя — Евгений (3:10) Чем занимается архитектор: список активностей (5:11) Технические вопросы и AI: 90% замена (9:19) Архитектура: контекст важнее технических знаний (16:43) Билдинг: от 2 недель до 6 часов (25:20) Обучение: как AI меняет процесс (32:58) Изменение ролей (39:00) Эксперт-дженералист: как оставаться на коне (49:28) Заключение Навигация (YouTube) 00:00:00 – Начало 00:00:32 – Представление гостя — Евгений 00:03:10 – Чем занимается архитектор: список активностей 00:05:11 – Технические вопросы и AI: 90% замена 00:09:19 – Архитектура: контекст важнее технических знаний 00:16:43 – Билдинг: от 2 недель до 6 часов 00:25:20 – Обучение: как AI меняет процесс 00:32:58 – Изменение ролей 00:39:00 – Эксперт-дженералист: как оставаться на коне 00:49:28 – Заключение YouTube: https://www.youtube.com/watch?v=VIDEO_ID&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-на-русском/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Думаете, колоночная БД — это «узкая ниша» для дата-гуру? Знаете ли вы, что ClickHouse ставит рекорды по вставке данных и теперь разворачивается в AWS… одним кликом? В новом выпуске подкаста «AWS на русском» говорим с Дмитрием Павловым (ClickHouse) о том, как построить молниеносную аналитику и подготовить данные для LLM: 🔹 Что такое ClickHouse и зачем он бизнесу 🔹 Marketplace в AWS: биллинг одной кнопкой 🔹 Real-time дашборды — для Tesla, OpenAI и Anthropic 🔹 ClickHouse + MCP: интеграция, которую клиенты сразу начали юзать 🔹 Уроки внедрения: метаданные, контекст и cost optimization   💡 Инсайт: подробное описание таблиц и бизнес-процессов снижает порог входа так сильно, что даже нетехнари начинают писать SQL-запросы сами.     🎧 Доступно на любимой платформе: • YouTube, Podbean, Apple Podcasts, Яндекс Музыка, Spotify, RSS (ссылки ниже) 💬 Какие метрики вашей системы сегодня тормозят больше всего — и попробовали бы вы мигрировать их в ClickHouse? #ClickHouse #AWS #DataAnalytics #AI #Database #Подкаст #AWSнаРусском   Навигация (Podbean) (0:00) Introduction (0:59) Что такое ClickHouse (6:02) ClickHouse в AWS Marketplace (14:59) Real-time дашборды клиентов (23:45) ClickHouse + AI/LLM (36:06) Lessons learned и cost optimization (48:09) Итоги и планы   Навигация (YouTube) 00:00:00 – Начало 00:00:59 – Что такое ClickHouse 00:06:02 – ClickHouse в AWS Marketplace 00:14:59 – Real-time дашборды клиентов 00:23:45 – ClickHouse + AI/LLM 00:36:06 – Lessons learned и cost optimization 00:48:09 – Итоги и планы   YouTube: https://www.youtube.com/watch?v=IhDf_c1icRE&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL Podbean: https://awsinrussian.podbean.com/ Apple Podcast: https://podcasts.apple.com/by/podcast/aws-%D0%BD%D0%B0-%D1%80%D1%83%D1%81%D1%81%D0%BA%D0%BE%D0%BC/id1600771698 Яндекс.Музыка: https://music.yandex.ru/album/20088544 Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J RSS: https://feed.podbean.com/awsinrussian/feed.xml

Думаете, интеграция искусственного интеллекта с вашими внутренними системами — это всегда сложно и долго? А что, если существует стандарт, который упрощает этот процесс до уровня подключения USB? В новом выпуске подкаста "AWS на русском" вместе с Фёдором Павловым и Михаилом Голубевым разбираемся, что такое Model Context Protocol (MCP) и как он меняет правила игры для AI-приложений. 🔹 Что такое MCP? Объясняем на простом примере — это как Telegram-боты, только для больших языковых моделей (LLM). 🔹 Клиент или сервер? Разбираемся, с какой стороны начать разработку и почему вы, скорее всего, будете писать сервер. 🔹 Безопасность прежде всего: Кто отвечает за защиту от prompt injection и как обезопасить свои инструменты? 🔹 Практическое применение: Обсуждаем, как компании вроде PayPal уже используют MCP для расширения своих возможностей.   💡 Инсайт: MCP превращает "M×N проблему" интеграции (M приложений × N инструментов) в гораздо более простую "M+N проблему", создавая единый стандарт для взаимодействия. 🎧 Слушайте на любимой платформе: YouTube Podbean Apple Podcast Яндекс.Музыка Spotify RSS 💬 Какие инструменты вы бы хотели подключить к AI в первую очередь? Делитесь идеями в комментариях!     Навигация для Podbean: (0:00) Introduction: почему мы снова говорим про MCP? (2:45) Что такое MCP: клиент-серверный протокол для LLM (6:47) Как начать разработку: клиентская или серверная часть? (7:47) Аналогия с USB-C и решение "M x N проблемы" интеграции (12:53) Как на практике подключить MCP-сервер? (17:58) Практические примеры: Agentic Coding и доступ к файлам (19:45) Кто уже использует MCP: пример с PayPal (23:36) Вопросы безопасности и Prompt Injection (24:33) MCP — это замена агентов? (29:53) Анонс тем для следующего выпуска: Prompt Caching, CLine и другие Навигация для YouTube: 00:00:00 - Вступление: почему мы снова говорим про MCP? 00:02:45 - Что такое MCP: клиент-серверный протокол для LLM 00:06:47 - Как начать разработку: клиентская или серверная часть? 00:07:47 - Аналогия с USB-C и решение "M x N проблемы" интеграции 00:12:53 - Как на практике подключить MCP-сервер? 00:17:58 - Практические примеры: Agentic Coding и доступ к файлам 00:19:45 - Кто уже использует MCP: пример с PayPal 00:23:36 - Вопросы безопасности и Prompt Injection 00:24:33 - MCP — это замена агентов? 00:29:53 - Анонс тем для следующего выпуска: Prompt Caching, CLine и другие

Думаете, увеличение контекстного окна до миллионов токенов решает все проблемы? На самом деле модели всё равно теряют фокус, упускают важные детали в середине и страдают от информационной перегрузки! В этом выпуске обсуждаем: 🔹 Retrieval-Augmented Generation (RAG): как эта технология борется с "галлюцинациями" и устаревшими данными, обогащая ответы AI. 💡 GraphRAG: почему семантические графы — это следующий шаг в понимании сложных связей в данных, и как это меняет игру. 🎧 Tools и Function Calling: как научить модель взаимодействовать с внешним миром, получать актуальную информацию и выполнять действия через API. 💬 AI-агенты: как мы переходим от простых диалоговых сценариев к автономным системам, способным самостоятельно планировать и выполнять задачи. Этот выпуск будет особенно полезен разработчикам и архитекторам, которые хотят создавать более умные и автономные AI-решения, используя такие инструменты, как Amazon Bedrock. 💡 Узнаете, почему Nova Micro в 27 раз дешевле популярных моделей и как правильно декомпозировать документы для векторного поиска с учётом прав доступа. Навигация для Podbean: (0:00) Introduction (3:15) Проблема ограниченного контекста в LLM (8:40) Что такое RAG и как он обогащает запросы? (15:20) GraphRAG: новый уровень работы с данными через графы (22:10) Tools и Function Calling: как научить LLM действовать? (28:55) От диалоговых флоу к автономным AI-агентам (35:30) Анонс следующего эпизода: что такое MCP? Навигация для YouTube: 00:00:00 - Начало 00:03:15 - Проблема ограниченного контекста в LLM 00:08:40 - Что такое RAG и как он обогащает запросы? 00:15:20 - GraphRAG: новый уровень работы с данными через графы 00:22:10 - Tools и Function Calling: как научить LLM действовать? 00:28:55 - От диалоговых флоу к автономным AI-агентам 00:35:30 - Анонс следующего эпизода: что такое MCP?   🎧 Слушайте на любимой платформе: • YouTube • Podbean • Apple Podcast • Яндекс.Музыка • Spotify • 💬 Какие подходы к расширению контекста используете вы? Пробовали Graph RAG в продакшене? #AWS #AI #RAG #GraphRAG #LLM

Как построить ML-систему, которая обрабатывает десятки миллионов предсказаний в месяц? Особенно когда речь идет о критически важном производственном процессе! В новом выпуске подкаста "AWS на русском" мы говорим с AWS ML Hero Рустемом (Rustem Feyzkhanov) о том, как масштабировать ML-системы в облаке от этапа исследований до промышленного внедрения: 🔹 Как построить эффективный ML-пайплайн для автоматического обучения моделей 🔹 Почему SageMaker Training Jobs и AWS Lambda — идеальная комбинация для масштабирования 🔹 Как оптимизировать расходы на ML-инфраструктуру с помощью spot-инстансов 🔹 Секреты мониторинга и отладки ML-систем в продакшене Этот выпуск будет особенно полезен ML-инженерам, DevOps-специалистам и техническим лидам, которые работают над масштабированием ML-решений в облаке. 💡 Узнаете, как сократить время итерации ML-экспериментов с дней до часов и автоматизировать процесс вывода моделей в продакшен. Навигация для Podbean: • (0:00) Введение и представление гостя • (5:30) Особенности AutoML платформы • (15:45) ML-пайплайны и инфраструктура • (25:20) Масштабирование и оптимизация • (35:10) Мониторинг и поддержка • (45:30) Рекомендации и выводы Навигация для YouTube: 00:00:00 - Начало 00:05:30 - Особенности AutoML платформы 00:15:45 - ML-пайплайны и инфраструктура 00:25:20 - Масштабирование и оптимизация 00:35:10 - Мониторинг и поддержка 00:45:30 - Рекомендации и выводы 🎧 Слушайте на любимой платформе: • YouTube • Podbean • Apple Podcast • Яндекс.Музыка • Spotify • RSS 💬 А как вы решаете задачи масштабирования ML-систем? Делитесь опытом в комментариях! #AWS #MachineLearning #SageMaker #MLOps

Думаете, достаточно просто задать вопрос искусственному интеллекту и получить идеальный ответ? На самом деле всё гораздо интереснее! В новом выпуске подкаста "AWS на русском" мы с Федором Павловым погружаемся в мир prompt engineering и раскрываем секреты эффективного взаимодействия с LLM: 🔹 Почему простой вопрос — это часто ошибочная стратегия 🔹 Как правильно задавать контекст и роли для AI 🔹 Few-shot learning: магия примеров в действии 🔹 Продвинутые техники для улучшения качества ответов Особенно интересно будет разработчикам, которые хотят повысить свою продуктивность с помощью AI-инструментов, таких как Amazon Q Developer. 💡 Узнаете, почему фраза "думай пошагово" творит чудеса с AI и как избежать типичных ошибок при составлении промптов. 🎧 Слушайте на любимой платформе: • YouTube • Podbean • Apple Podcast • Яндекс.Музыка • Spotify • RSS 💬 А как вы используете AI в своей работе? Делитесь опытом в комментариях! #AWS #AI #PromptEngineering #LLM #разработка #подкаст Навигация для Podbean: • (0:00) Введение • (0:25) Приглашенный гость Федор Павлов • (0:29) Обсуждение General TFI и промпт-инжиниринг • (2:08) Почему простой вопрос — это часто ошибочная стратегия • (2:29) Сравнение промпт-инжиниринга с SQL • (4:05) Как правильно задавать контекст и роли для AI • (6:51) Зачем нужен prompt engineering • (12:25) Few-shot learning: магия примеров в действии • (18:36) Продвинутые техники для улучшения качества ответов • (38:48) Борьба с галлюцинациями в моделях Навигация для YouTube: • 00:00:00 - Начало • 00:00:25 - Приглашенный гость Федор Павлов • 00:00:29 - Обсуждение General TFI и промпт-инжиниринг • 00:02:08 - Почему простой вопрос — это часто ошибочная стратегия • 00:02:29 - Сравнение промпт-инжиниринга с SQL • 00:04:05 - Как правильно задавать контекст и роли для AI • 00:06:51 - Зачем нужен prompt engineering • 00:12:25 - Few-shot learning: магия примеров в действии • 00:18:36 - Продвинутые техники для улучшения качества ответов • 00:38:48 - Борьба с галлюцинациями в моделях

В новом эпизоде мы погружаемся в горячую тему — изменения в AWS SageMaker и появление SageMaker LakeHouse! Наш специальный гость — эксперт по аналитике Eugene Krasikov — раскрывает все карты: • 🔄 Как эволюционировали хранилища данных за последние 20 лет • 🎯 Почему Apache Iceberg становится новым стандартом • 🚀 Что такое SageMaker Lakehouse и как он может изменить вашу работу с данными • 💡 Как построить современное хранилище данных без головной боли Особенно интересно будет тем, кто работает с: • Data Lake и Data Warehouse • Аналитикой больших данных • Machine Learning проектами   🎧 Слушайте на любимой платформе: • YouTube: https://www.youtube.com/watch?v=IhDf_c1icRE&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL • Podbean: https://awsinrussian.podbean.com/ • Apple Podcast: https://podcasts.apple.com/by/podcast/aws-%D0%BD%D0%B0-%D1%80%D1%83%D1%81%D1%81%D0%BA%D0%BE%D0%BC/id1600771698 • Яндекс.Музыка: https://music.yandex.ru/album/20088544 • Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J • RSS: https://feed.podbean.com/awsnarusskom/feed.xml 💬 Какие темы по SaaS и облачным технологиям вы хотели бы услышать в следующих выпусках? Делитесь в комментариях!

В новом выпуске подкаста "AWS на русском" мы погружаемся в мир Independent Software Vendors (ISV) и раскрываем секреты построения успешного SaaS-бизнеса! 🚀 Наш гость — Александр Игнатенко, руководитель команды Enterprise Support в AWS, делится уникальным опытом работы с ISV-клиентами в Центральной и Восточной Европе. Из выпуска вы узнаете: ✨ Что такое ISV и почему это важно для вашего бизнеса 🏢 Гениальную аналогию multi-tenancy с бизнес-центром (спойлер: очень наглядно!) 🔧 Как решать типичные проблемы SaaS-архитектуры 🤖 Практические кейсы внедрения Generative AI 💰 Реальные истории успеха по оптимизации затрат (до 20% экономии!) Ссылки из подкаста: https://aws.amazon.com/premiumsupport/plans/enterprise/ https://aws.amazon.com/premiumsupport/tam-engagement/ PandaDoc: https://aws.amazon.com/blogs/aws-cloud-financial-management/how-pandadoc-took-cloud-operation-to-a-new-level-with-aws/ JetBrains IntelliJ https://aws.amazon.com/solutions/case-studies/jetbrains/?did=cr_card&trk=cr_card   🎧 Слушайте на любимой платформе: • YouTube: https://www.youtube.com/watch?v=IhDf_c1icRE&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL • Podbean: https://awsinrussian.podbean.com/ • Apple Podcast: https://podcasts.apple.com/by/podcast/aws-%D0%BD%D0%B0-%D1%80%D1%83%D1%81%D1%81%D0%BA%D0%BE%D0%BC/id1600771698 • Яндекс.Музыка: https://music.yandex.ru/album/20088544 • Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J • RSS: https://feed.podbean.com/awsnarusskom/feed.xml 💬 Какие темы по SaaS и облачным технологиям вы хотели бы услышать в следующих выпусках? Делитесь в комментариях!

Мы просмотрели более 850 обновлений и отобрали самое важное перед re:Invent 2024!   В этом выпуске вы узнаете: • 🛡 Как централизованно управлять root-доступом в Organizations • 💪 Какие EC2 instances уже доступны с Graviton 4? • 🤝 О стратегическом партнерстве Oracle и AWS • 🎮 Про обновление AWS Builder Cards и новые форматы вопросов в  сертификационных экзаменах   ⚡️ Ключевые таймкоды: 00:00 - Вступление 02:51 - DevOps новости 06:01 - Безопасность и управление доступом 15:14 - Graviton 4 и новые инстансы 27:01 - Базы данных 31:29 - Сертификация и обучение 37:10 - AWS Builder Cards   🔗 Полезные ссылки из выпуска: • AWS Console to Code: https://aws.amazon.com/blogs/aws/convert-aws-console-actions-to-reusable-code-with-aws-console-to-code-now-generally-available/ • Karpenter 1.0: https://aws.amazon.com/about-aws/whats-new/2024/08/karpenter-1-0/ • Oracle Database@AWS: https://press.aboutamazon.com/aws/2024/9/oracle-and-amazon-web-services-announce-strategic-partnership   🎧 Слушайте на любимой платформе: • YouTube: https://www.youtube.com/watch?v=IhDf_c1icRE&list=PLxtckYH8Cdy_WT5tcCITt_f61Zr2qQJbL • Podbean: https://awsinrussian.podbean.com/ • Apple Podcast: https://podcasts.apple.com/by/podcast/aws-%D0%BD%D0%B0-%D1%80%D1%83%D1%81%D1%81%D0%BA%D0%BE%D0%BC/id1600771698 • Яндекс.Музыка: https://music.yandex.ru/album/20088544 • Spotify: https://open.spotify.com/show/4kOoih4FvHqyK5mLF3E42J • RSS: https://feed.podbean.com/awsnarusskom/feed.xml   💬 Какие темы вы хотели бы услышать в следующих выпусках? Делитесь в комментариях! #aws #cloud #podcast #devops #cloudcomputing