Собираем самообучающегося ИИ-агента на OpenSpace: скиллы, MCP и дешёвое переиспользование

OpenSpace — это open-source фреймворк от HKUDS, который позволяет строить агентов, способных эволюционировать: они не просто выполняют задачу, а сохраняют выработанные навыки (скиллы) в SQLite с версионированием и метаданными происхождения (lineage). В туториале разбирается полный пайплайн: от настройки окружения и клонирования репозитория до запуска асинхронного API и анализа базы эволюции.

Ключевая фишка — три типа скиллов: FIX (закреплённые), DERIVED (выведенные из выполнения) и CAPTURED (захваченные из взаимодействия). Они позволяют агенту не пересчитывать одно и то же, а переиспользовать готовые решения, что радикально снижает стоимость работы. Также поддерживается интеграция через MCP (Model Context Protocol) — агент может подключать внешние инструменты и навыки других агентов.

В примере создаётся кастомный SKILL.md, тестируется warm-task reuse (тёплое переиспользование) и запускается streamable HTTP MCP-сервер. Всё работает на Python 3.12+ и требует только API-ключи Anthropic или OpenAI. Для тех, кто хочет строить агентов, которые учатся на лету и не тратят токены впустую — отличный практический гайд.