Модель формулирует. Данные подтверждают.
Большая или локальная модель может красиво писать текст, но сама по себе она не знает, какие сведения сейчас актуальны. В Йолташе роли разделены: факты берутся из цифрового мозга и публичных инструментов, а модель помогает понять вопрос и объяснить результат человеку.
MCP как мост к данным
MCP-сервер дает AI-клиентам не просто JSON, а набор инструментов: найти объект, получить карточку, проверить факт, подготовить контекст ответа.
Skills задают правила
Skill объясняет агенту, как правильно отвечать в конкретной предметной области: какие слои использовать, что делать при неоднозначности, как не выдумывать данные и как указывать источник.
Маршрутизация
Понять, к какому слою относится вопрос: школы, детские сады, отчеты, качество данных.
Проверка факта
Сначала получить данные, затем сформулировать ответ.
Примеры вопросов
Агент определяет слой школ, находит объект и возвращает адрес из публичных данных.
Агент выполняет поиск по названию и уточняет, если найдено несколько похожих вариантов.
Агент ищет объект по ИНН и показывает найденную карточку или сообщает, что данных нет.
Агент берет разрешенные поля из карточки объекта и формирует понятный ответ.
Как агент должен отвечать
Главный принцип: агент не должен сразу придумывать ответ по памяти модели. Сначала он определяет, какие данные нужны, затем вызывает разрешенный инструмент, получает результат и только после этого объясняет его человеку.
Например: речь о школе, детском саде, адресе, ИНН или карточке объекта.
Skill подсказывает, какой слой и какой MCP-инструмент использовать.
Агент получает структурированный ответ из публичного слоя.
Ответ формулируется простым языком, а при отсутствии данных агент говорит об этом прямо.