AI-агенты за 15 минут: как развернуть QwenPaw в Google Colab с кастомными скиллами

Обычно настройка агентного фреймворка занимает часы: окружение, конфиг, провайдеры моделей, авторизация, тоннель наружу. Туториал MarkTechPost показывает, как QwenPaw упаковывает всё это в один Colab-ноутбук. Вы получаете интерактивную консоль и программный доступ через стриминговый чат-эндпоинт, то есть один и тот же агент работает и руками, и через код.

Что понадобится?

• Google Colab с Python 3.10 или выше (бесплатного тарифа хватит для теста)
• API-ключ хотя бы одного провайдера моделей: OpenAI, OpenRouter, DashScope, DeepSeek или Google Gemini
• Ключ удобнее хранить в Colab Secrets, чтобы не светить в коде
• 10-15 минут на первый запуск, включая установку зависимостей
• Базовое понимание Python и терминала (уровень «запустить ячейку в ноутбуке»)

Шаг за шагом: от пустого Colab до рабочего агента

1. Создайте структуру каталогов и задайте переменные окружения. Скрипт формирует корневую папку /content/qwenpaw_colab с подпапками working, secrets, logs и рабочее пространство workspaces/default. Все пути передаются через переменные окружения:

import pathlib, os, secrets

ROOT = pathlib.Path("/content/qwenpaw_colab")
WORKING_DIR = ROOT / "working"
SECRET_DIR = ROOT / "secrets"
LOG_DIR = ROOT / "logs"
WORKSPACE_DIR = WORKING_DIR / "workspaces" / "default"

for p in [ROOT, WORKING_DIR, SECRET_DIR, LOG_DIR, WORKSPACE_DIR]:
    p.mkdir(parents=True, exist_ok=True)

os.environ["QWENPAW_WORKING_DIR"] = str(WORKING_DIR)
os.environ["QWENPAW_SECRET_DIR"] = str(SECRET_DIR)
os.environ["QWENPAW_AUTH_ENABLED"] = "true"
os.environ["QWENPAW_AUTH_USERNAME"] = "admin"

1. Сгенерируйте пароль для консоли. Пароль создаётся один раз и сохраняется в файл, чтобы при перезапуске ячейки не менялся:

password_file = SECRET_DIR / ".colab_ui_password"
if not password_file.exists():
    password_file.write_text("qpw-" + secrets.token_urlsafe(18))
os.environ["QWENPAW_AUTH_PASSWORD"] = password_file.read_text().strip()

1. Установите QwenPaw и зависимости. Одна ячейка обновляет pip и ставит пакет:

import sys, subprocess
subprocess.run([sys.executable, "-m", "pip", "install", "-q", "-U",
                "pip", "setuptools", "wheel"], check=False)
subprocess.run([sys.executable, "-m", "pip", "install", "-q", "-U",
                "qwenpaw", "requests"], check=True)

1. Инициализируйте рабочую директорию. Если конфига ещё нет, QwenPaw создаст его с дефолтными настройками:

# Выполняется один раз
subprocess.run(["qwenpaw", "init", "--defaults"])

1. Подключите провайдера модели. Скрипт из туториала поддерживает OpenAI, OpenRouter, DashScope (модель Qwen), DeepSeek и Google Gemini. Ключ берётся из Colab Secrets или переменной окружения. Для каждого провайдера задаётся base_url, идентификатор модели и тип чат-класса. Например, для DeepSeek это deepseek-chat и адрес https://api.deepseek.com.

2. Создайте кастомные скиллы и файлы знаний. Скиллы (навыки агента, конкретные действия, которые он умеет выполнять) размещаются в папке workspaces/default. Это обычные Python-файлы или JSON-описания, которые QwenPaw сканирует при старте. Режим сканирования задан переменной QWENPAW_SKILL_SCAN_MODE со значением warn, агент предупредит, если найдёт проблему в скилле, но не остановится.

3. Запустите консоль и откройте доступ. QwenPaw стартует на порту 8088 (по умолчанию). Скрипт ждёт до 90 секунд, проверяя порт каждую секунду. Для доступа извне Colab можно поднять Cloudflare-тоннель (туннель, который даёт публичный URL для вашего локального сервера).

4. Проверьте стриминговый API программно. После запуска консоли вы отправляете POST-запрос на чат-эндпоинт и получаете ответ агента потоком, токен (минимальный фрагмент текста, который модель генерирует) за токеном.

Кастомные скиллы превращают агента в рабочий инструмент

Главная ценность QwenPaw для тех, кто строит ИИ-агентов, не в самой модели, а в том, что вы добавляете агенту конкретные навыки через файлы в рабочем пространстве. Агент вызывает нужный скилл сам, по контексту запроса. При этом QWENPAW_TOOL_GUARD_ENABLED включён по умолчанию, агент не выполнит опасное действие без подтверждения.

Что делать с этим прямо сейчас?

Разработчику и автору технических каналов на Дзене. Разверните блокнот, подключите бесплатный ключ DeepSeek или DashScope (оба работают из РФ без VPN) и покажите аудитории результат. Пошаговый контент с живым выводом консоли собирает вовлечение лучше абстрактных обзоров.

Маркетологу и предпринимателю. QwenPaw с кастомными скиллами позволяет собрать прототип ИИ-ассистента для внутренних задач: обработка FAQ, генерация отчётов, поиск по базе знаний. Colab бесплатен, вы тратите только на API-вызовы к модели.

Тем, кто в РФ и СНГ. Из перечисленных провайдеров DashScope (модели Qwen от Alibaba) и DeepSeek доступны напрямую. OpenAI и Gemini потребуют обходных решений. Из российских аналогов агентного подхода можно посмотреть на YandexGPT API и GigaChat API, но у них пока нет аналога агентного фреймворка с кастомными скиллами в одном пакете.

Агентные фреймворки с открытой архитектурой (где вы сами решаете, какие скиллы подключить и какую модель использовать) становятся стандартом для быстрого прототипирования. QwenPaw в Colab снижает порог входа до одного ноутбука и API-ключа, и если вы до сих пор не попробовали собрать собственного ИИ-агента, сейчас для этого нужно ровно 15 минут и ноль рублей на инфраструктуру.

По материалам MarkTechPost