Transcription

Mejk w końcu wprowadził agentów AI na swoją platformę. W marcu pojawiły się pierwsze informacje od Mejka, że w najbliższym czasie pojawi się nowy moduł agentów AI, na którym pracują. Udało mi się otrzymać dostęp do wersji beta w tym tygodniu i nie czekając, od razu wziąłem się za testowanie i sprawdzenie tego rozwiązania. Oczywiście z mojej strony pojawiły się pewne nowe ciałości wynikające z budowania agentów w platformie Niten, więc też dużo rzeczy, które będę Wam pokazywał, oceniałem trochę z perspektywy budowania agentów w Niten, które jest bardzo proste. A tutaj będziemy mogli sobie zobaczyć, jak do tego podszedł Mejk, jakie rozwiązania zastosował, jaką logikę, tak aby to wszystko poprawnie działało. W dzisiejszym materiale pokażę Wam, jak wygląda budowa agentów AI na platformie Mejk, abyście mogli sami ocenić, czy zmiana, którą wprowadzili, spełnia pookładane w niej oczekiwania. A jeżeli poszukujesz naszej miejsca, gdzie będziesz mógł dowiedzieć się więcej odnośnie budowy agentów AI, budowy automatyzacji oraz wykorzystania sztucznej inteligencji w procesach biznesowych, to zachęcam Cię do dowiedzenia naszej społeczności, Akademii Automatyzacji, znajdź tutaj wiele kursów oraz gotowych scenariuszy. Między innymi znajdź tutaj kurs z budowy agentów AI w systemie Niten, który składa się z 10 lekcji. Tak wygląda obecnie platforma, która posiada dostęp do nowego modułu agentów AI. Widzicie po lewej stronie w pasku nawigacyjnym, oprócz scenariuszy, czy naszych szablonów, czy połączeń, mamy również dostęp do nowego modułu, który nazywa się agent AI. Jak widzicie, jest to też wersja beta, więc możemy spodziewać się, że jest to wersja, która będzie ulegała w najbliższym czasie pewnym zmianom. Prawdopodobnie też to będzie wynikało z feedbacku, który otrzymamy w najbliższym czasie od społeczności, ale przyjrzyjmy się bliżej, jak wygląda ta sekcja, w którą wejdziemy sobie. A więc tak, w tym momencie, jeżeli chodzi o widok, mamy na górze widok na listę naszych agentów i w którym momencie jest stworzonego jednego agenta, to jest agent kalendarz. Tutaj od razu, jak na dole, mamy informacje, Bartek i krótki poradnik składający się z trzech materiałów wideo, jak wygląda budowa agenta, tworzenie narzędzi oraz tworzenie scenariusza, czyli tutaj od razu Majko dostępnia materiały edukacyjne oraz tutoriale, w jaki sposób możecie sami sobie zbudować takiego agenta. Jeżeli chcecie stworzyć nowego agenta, klikacie na Create Agent. Pierwsze pole, które musimy wybrać, jest to pole, gdzie wybieramy sobie nasze połączenie, które stworzyliśmy sobie z modelem LLM-owym. Tutaj mamy nazwy, tutaj jeszcze nie widzimy więcej, o które chodzi z modelem, ale możemy sobie to szybko zweryfikować, wchodząc do parametrów model. Tutaj, jak widzicie, jest to połączenie z modelami Antropica, czyli mamy tutaj Clouda nowego 3.7, mamy też 3.5.3, wcześniejsze wersje. Mogę sobie sprawdzić, tutaj mam połączenie Casper i też będę miał dostęp do modeli z rodziny, od OpenAI. No i tak samo tutaj mamy połączenie z Gemini, więc na początku wybramy sobie model LLM-owy, który będzie cały czas wykorzystywany, nie możemy go potem zmienić, to jest ważna informacja. Nazywamy naszego agenta i tu możemy dodać system prompt, czyli tutaj możemy w 2-3 zdaniach opisać, jaki będzie cel oraz zadanie tego agenta. Ja na chwilę to zamknę i otworzę sobie agenta, którego już stworzyłem, kliknę Configure i tak on będzie wyglądał w momencie, kiedy go sobie utworzymy, czyli jest nazwa, tutaj mamy system prompt. Tutaj dajemy bardzo krótkie zdanie, jesteś pomocnym asystentem, który zarządza kalendarzem. Teraz tak, poniżej mamy widok na narzędzia, czyli mamy tutaj System Tools, tak jak mówię na początku, jest to wersja beta, więc Make w tym momencie zbiera feedback ze społeczności. Tutaj mamy dokumentację, gdzie można zapłacić z dokumentacją modelu agenta oraz z przykładem, który tam jest pokazany. Tutaj mamy jeszcze ustawienia, czyli tutaj mamy już Providera, o którym wam mówiłem, że nie możemy go zmienić w trakcie. Tutaj mamy nazwę agenta, którą możemy zmienić, model możemy cały czas zmieniać, nie możemy tylko Providera, czyli nie mogę sobie wyrzucić, wybrać OpenAI. Poniżej mamy informacje o maksymalnym outputie tokenów, to jest kwestia też kosztów, które będziemy ponosić. Tutaj mamy limit rekursywny oraz iteracja historii, która maksymalnie będzie brana pod uwagę. Teraz tak, skupmy się najważniejszym na toolach, które będziemy sobie dodawać i w Make jest tak rozwiązane, że możemy te toole dodać od razu, które będą tak zwanymi toolami systemowymi, ale to nas nie ogranicza i możemy jeszcze w kolejnym miejscu dodać różne inne toole, ale tutaj jest zamiast jest taki z Make'a, ze strony Make'a, że oni chcą, aby agenci mogli mieć jakieś swoje takie basicowe, standardowe toole, które zawsze są wykorzystywane, a każde inne będziemy mogli sobie dokładać w trakcie tworzenia naszego scenariusza. Więc jak widzicie, tutaj mam dodane dwa toole, które wyglądają w następujący sposób, jest to utwórz wydarzenia oraz sprawdź kalendarz. Mogę w szybki sposób podejrzeć sobie widok tego scenariusza. Oprócz tego mam dostęp również do opisu, który musimy tutaj dodać. On jest ograniczony w 240 znakami, to jest bardzo mało. Tutaj oczywiście możemy sobie usunąć to narzędzie. Gdybyśmy chcieli dać teraz narzędzie, to zwróćcie uwagę na to, że mamy tutaj od razu informację, że scenariusz musi być ustawiony na on-demand albo immediately. Czyli nie możemy tutaj korzystać z modułów, z scenariuszy, które mają wywołanie czasowe. One muszą być tylko i wyłącznie na żądanie albo jak to webhooki, które się wyzwalają na sygnał. Podejrzyjmy sobie teraz, jak wyglądają przykładowe narzędzia. A więc tutaj mam stworzone narzędzie, które nazywa się utwórz wydarzenia. Jego cel jest bardzo prosty, następujący na podstawie danych wejściowych musi otworzyć wydarzenie w kalendarzu i potem zwrócić informację z powrotem. I teraz zwróćmy sobie, jak wygląda budowa przykładowego narzędzia, które będziemy budować naszych agentów AI. Od razu, jak wiecie, włączę to, że jest to scenariusz, który jest uruchomiony na on-demand, czyli na żądanie. Jeżeli chodzi o parametryzację konkretnych pól w tym module od Google Calendar, tutaj możemy zauważyć, że mamy zmienne, które są zmiennymi systemowymi. Czyli my z góry tutaj uzupełniamy sobie informacje, które będą przekazywane przez agenta AI. Czyli tu będziemy mapować wartość, którą przekazuje. Jak te wartości są tworzone? Mamy w sekcji Scenario Input and Outputs. Możemy sobie stworzyć inputy oraz outputy, które będą zwracane. Ja właśnie w tym miejscu sobie otworzyłem title, czyli nazwa wydarzenia. Jest to type text, wybrałem, że on jest wymagany, tak samo jak start type. Mamy wartość date, jest to data rozpoczęcia wydarzenia. Mamy end time, jest to data jakiegoś razu zakończenia wydarzenia, też jest wymagane. I attendee, czyli osoba, która będzie brała udział w wydarzeniu. Tutaj nie uzupełniamy opisu specjalnie, ponieważ chciałem sprawdzić, czy agent AI sobie z tym poradzi. Mogę wam nie zdradzić, że tak poradził sobie. Więc jeżeli chodzi o kwestie ustawień zmiennych przekazywanych przez agenta AI, to w tym miejscu sobie je definiujemy. I też potem będziemy musieli je przekazać do agenta AI. Ale też jeżeli będziemy wydobywać jakieś informacje naszych narzędzi, chcemy je zwracać, to też musimy sobie ustawić jakiś output, który musimy nazwać, ponieważ będziemy korzystać z modułu, który nazywa się Scenarios Return Output. I tutaj sobie ustawiam to w ten sposób, zwracam mu informację, jaki jest status, czy się utworzył, jaka jest data rozpoczęcia, link do spotkania. To też potrzebuję, żeby potem wysłać taką informację na Slacku. I tak wygląda właśnie nasz pierwszy czuł, czyli utwórz wydarzenia. I to, co musicie zapamiętać, korzystamy z zmiennych takich jak Input Output scenariuszowy i korzystamy z modułu Scenarios Return Output, aby zwrócić informacje do naszego agenta AI. Tutaj mamy drugie narzędzie, to nazywa się Slavs Kalendarz. Ona trochę inaczej wygląda, ponieważ tutaj zwróćcie uwagę, że mamy tekst agregator i tak sobie pracujemy z wieloma wartościami, które otrzymamy z jednego modułu. Ponieważ tutaj supuści, że Google Kalendarz ma jedną wykonaną operację, ale zwraca mi trzy elementy, czyli ma tutaj trzy elementy. I gdybym chciał, jakby spróbował przekazać do mojego scenariusza, to nie miałbym dostępu do wszystkich trzech, tylko musiałbym pytać pojedynczy. Potem użyłem tutaj agregatora, aby sobie scalić wszystkie te wydarzenia w jeden string, w jeden tekst, który potem przekazuję bezpośrednio do mojego agenta AI. I on będzie wiedział, że było wydarzenie o takiej nazwie. Rozpoczęło się wtedy i wtedy. Były takie osoby, które były zapisane na tego wydarzenia, aby mogły wykonać operację. I tak samo jak w poprzednim naszym narzędziu, tutaj mamy zmienne środowiskowe, takie jak Start Time oraz End Time, pokazywałem je wcześniej. I tak samo mamy Output, jest to Events w tej sytuacji. Jak wygląda w ogóle spięcie tego wszystkiego, jeżeli chodzi o agenta AI? W tym miejscu, gdzie tworzymy scenariusze, to jest tutaj taki podglądowy moduł, gdzie tworzymy sobie agentów, aczkolwiek korzystamy z nich, budując już scenariusz docelowy. Czyli tutaj właśnie mam scenariusz, który będę wykorzystywał sobie. Czyli mam tutaj moduł Slacka, który będzie odbierał wiadomości. Udostawiłem sobie filtr, żeby nie brał pod uwagę wiadomości trafiające od bota, tutaj jest ID bota po prostu. I wtedy po prostu nie przechodzi, jeżeli user nie równa się to, to idzie dalej, czyli po prostu nie chcemy, żeby wiadomości bota trafiały tutaj do AI. Następnie mamy właśnie moduł Make AI Agent. I jest właśnie ten nowy moduł, który wprowadził Make. Możemy go oczywiście znaleźć oglądając moduł. On tutaj wyskoczy, albo szukając go, jeżeli chodzi o jak wygląda jego ustawienie, jest to bardzo ciekawe. Od razu widzimy, że ma inny kolor, biały, w porównaniu do poszczególnych innych. Sam wygląd jest całkowicie inny. I teraz przyjrzyjmy się ustawieniu, które tutaj mamy. Na pierwszym najgórze wybieramy sobie Agenta. Mocujemy tutaj nasz kalendarz, możemy go skonfigurować, czyli przynieść nas z powrotem do widoku, w którym już wcześniej byliśmy. Następnie zwróćcie uwagę, że tutaj mamy już podane, bardziej wylistowane wszystkie nasze narzędzia, które wcześniej ustawiliśmy, takie jak utwórz wydarzenie oraz sprawdź kalendarz. Natomiast w tym miejscu, jak Wam mówiłem, możemy sobie utworzyć jeszcze dodatkowe toole, które możemy w tym miejscu wybrać. Do mojego przykładu nie będę potrzebował ich akurat. Dalej mamy Threat ID. Tutaj podajemy unikalny ID, w którym będzie nasz agent zapisywał informację o rozmowie. Chodzi o to, aby dzięki tej informacji mógł sobie skojarzyć, jakie wiadomości już wysłał, jakie wiadomości już odbierał. Do tego użyjemy tutaj sobie unikalnej wartości, którą będzie w przypadku Slacka, tak zwanym timestamp do wiadomości, albo wątek, czyli ID wątku. I tutaj zapisujemy sobie to w ten sposób, jeżeli wątek istnieje, to zwraca wątek, jeżeli wątek nie istnieje, to zwraca timestamp. Dlaczego w ten sposób? Ponieważ pierwsza wiadomość podana na Slacku zawsze ma timestampa, a potem ten timestamp zamieni się w Threat TS, czyli timestamp w wątku. Jak już będę wpisywał sobie wątek, rozmawiał z agentem w wątku, to już tam będę cały czas pobierał Threat TS i on będzie cały czas miał tą pamięć zachowaną. Dobra, przejdźmy sobie dalej. W tym miejscu mamy stworzony tak zwany system prompt, czyli Additional System Instruction, czyli tu mamy już dokładne, szczegółowe instrukcje, jak agent ma się zachowywać. I teraz to wygląda w ten sposób. Tutaj mam na górze obecna data i godzina. Potrzebuję to, aby agent wiedział, tworząc dla mnie spotkanie, jaka jest obecnie godzina. Bo jeżeli go poproszę, hej, stwórz mi na jutro spotkanie, to bierzą pod uwagę, że ten cutting edge jego wiedzy może być ustawiony na 2024 rok i on będzie myślał, że jest 6 sierpień 2024 roku i nie będzie w stanie otworzyć daty. Dlatego muszą przekazać tutaj we zmiennych informacjach, jaka jest data. Ale tutaj sformatowałem sobie zmienną Now do takiego wyniku. Już mamy dzień, miesiąc, rok i potem mamy dzień, tygodnia. Tutaj mam oczywiście środkową informację, jestem pomocnym asystentem, który pomaga realizować zadania. Następnie przekazuję mu informację, jakie ma dostępne narzędzia, czyli ma narzędzie sprawdź kalendarz, który jest tutaj. I użyj, aby przeszukać kalendarz i wydobyć wszystkie spotkania ze wskazanego okresu. Tutaj mamy parametry, czyli start time. Mamy informacje, do czego on służy, jaki jest typ, czy jest obowiązkowy. Tak samo z end time mamy zrobione. Dalej mamy utwórz wydarzenie i tutaj jest użyj tego narzędzia do utworzenia nowego wydarzenia w kalendarzu z wideokonferencją Google Meet. Tutaj mamy tak samo parametry opisane w ten sam sposób jak powyżej i tutaj mamy logikę wykorzystania narzędzi, czyli tworzenie spotkań. I tutaj mówię, że przed utworzeniem nowego spotkania zawsze najpierw sprawdź dostępność kalendarzu, używając narzędzia sprawdź kalendarz. Czyli tu mówię mu, jakich narzędzi ma używać po kolei, aby wykonać dane zadanie. Tutaj oczywiście są jakieś dalsze instrukcje, jak ma używać poszczególnych parametrów, jak ma wyglądać tytuł spotkania i tak dalej, i tak dalej. Tutaj mamy jeszcze formatowanie wyników. Proszę, żeby były zwięzłe informacje, nie używa formatowania mark, no bo w Slacku to po prostu źle wygląda. No i to tyle. Dalej mamy pole message, czyli tu przekazujemy po prostu wiadomość, którą przesyłamy bezpośrednio ze Slacka. I na końcu mamy jeszcze jedną opcję, czyli mamy tutaj continue scenario run while agent is working. I o co w tym chodzi? W momencie, kiedy będziemy wykonywać te same narzędzia, które mają dłuższy czas wykonywania, np. 5-10 minut, to nie będziemy trzymać tutaj w nieskończoność naszego agenta, ponieważ dostanie on błąd timeout. I żeby sobie z tym poradzić, możemy dodać tutaj webhook, czyli tutaj adres webhooka, na który będzie zwracany wynik przetworzony przez narzędzia w agencie. Czyli możemy mieć np. prosty webhook, który będzie odbierał za każdym razem, jak wykona się dłuższa operacja w naszym agencie i wynik, i np. go zapisał. Tutaj mogliśmy podłączyć np. moduł slackowy, który wysłałby my informację. Wracając, dalej sobie to wyłączę, bo tego nie potrzebujemy, żeby normalnie nam wysłał informację. No i na końcu tutaj mam wiadomość, create message i tutaj sobie wysyłam bezpośrednią wiadomość na mojego slacka z informacją. No i teraz tak, żeby to sobie przedestować, to sprawdźmy jak to wygląda. Okej, czyli po prawej stronie mamy tutaj slacka, po lewej stronie mamy naszego agenta AI i tutaj mogę mu zdać pytanie. Okej, spytajmy go, jakie spotkanie miałem w zeszłym tygodniu. Dobrze, wyślijmy wiadomość na slacku i odpalmy naszego agenta. Okej, tutaj mamy wiadomość, którą przytrzymaliśmy. Tutaj on wykona teraz operację. Feed zadziałał, czyli stwierdził, że nie jestem botem, czyli mógł przekazać tę wiadomość dalej. I teraz skupmy się na outputzie, który otrzymujemy w modułu agenta AI. Czyli na początku mamy response, czyli oto twoje spotkanie z zeszłego tygodnia. To jak widzicie, mamy informację, jakie miałem spotkanie. To były wszystkie wydarzenia, które zesłałem na swoim kalendarzu. Tutaj mamy execution step i możemy sobie wydać około 5 kroków. Pierwszy krok to był nasz system prompt. Drugi element to jest nasza wiadomość, którą wysłaliśmy. Trzeci jest już AI, jak widzimy, to jest rola AI. Tutaj mamy content i on tutaj, zobaczcie, już przekazywał nam argumenty do sprawdzić kalendarz. I mamy 0, 7, 13, czyli wymyślił sobie, jaka była data dzień temu na podstawie daty, którą mu przekazałem. Krok czwarty to jest to, i tutaj stule otrzymał takie informacje zwrotne. No i następnie mamy tutaj jeszcze zużycie tokenów. Tutaj jeszcze główne zużycie tokenów i tutaj jeszcze mamy informacje odnośnie wykonania przez AI. No i tutaj mamy odpowiedź w wątku, czyli to, co nam się wyświetliło wcześniej, zostało tutaj przekazane. I tak to mniej więcej wygląda w tym momencie, jeżeli chodzi o wykorzystanie jednego narzędzia. Tylko teraz zwróćcie uwagę, że skorzystał z jednego narzędzia. Sprawdźmy sobie, jak poradzisz sobie z dwoma narzędziami. Poproszę go o stworzenie spotkania, czyli pamiętajcie, że będziemy musieli sprawdzić, czy ten termin jest zajęty, czy też nie. Jeżeli nie jest zajęty, to utworzyć wydarzenie, poinformować mnie o tym i wysłać mi link jeszcze do spotkania na Google Meet. Ok, poproszę go w stylu, czy możesz stworzyć spotkanie na jutro o godzinie 12.00. Klikam wyślij, odpalam wiadomość i zobaczmy, jak sobie z tym poradzimy. Ok, jak widzicie, mamy odpowiedź, mamy link, mamy otworzone na jutro spotkanie. Sprawdźmy sobie, czy jeszcze otrzymaliśmy maila. Ok, i na maila dostaliśmy potwierdzenie, więc możemy teraz sobie spojrzeć na przebieg, ile było w tym momencie wykonanych kroków. Jak widzicie, jest ich 7, czyli tutaj mamy jeden tool, tutaj powinniśmy mieć jeszcze jeden tool. Ok, mamy, czyli w tym miejscu zwróćcie uwagę, że mamy tool o nazwie utwórz wydarzenie. Tutaj mamy informację, którą otrzymaliśmy. A to na przykład coś ciekawego, to w tym miejscu będziemy mieć informację, jakie przygotował argumenty, które przekazał tego narzędzia utwórz wydarzenie, czyli mamy tutaj tytuł. Mamy start time, mamy end time i mamy attendee. Ja mu przykład zapisałem w prompcie, że jeżeli nie jest podane, ile trwa spotkanie, to musi dodać tutaj godzinkę na spotkanie i on po prostu tą godzinkę tutaj sobie dodał, poradził sobie z tym. Czyli wygląda całkiem nieźle, jeżeli chodzi o kwestie wykonalności, to jest bardzo proste rozwiązanie. Testowano na troszkę bardziej skomplikowanych scenariuszach, test sobie z tym dobrze radził. Więc pierwsze wrażenie na pewno jest pozytywne z mojej strony, jeżeli chodzi o Make'a i narzędzie, które wprowadzili. Oczywiście, jeżeli miałbym teraz sobie sprawić przykrojowo, zarówno na Niten'a oraz to, jak wygląda budowa tego scenariusza w Make'u, to musimy sobie rzucić okiem na Niten'a. Zwróćmy uwagę, jak wygląda to w Niten'ie, czyli w Niten'ie mamy wszystko zbudowane w jednym przepływie, nie musimy sobie przeskakiwać z scenariuszem na scenariusz, tylko mamy moduł agenta, gdzie dodajemy sobie narzędzia, które tutaj sobie konfigurujemy. Z doświadczenia, dla mnie jest prostsza tego typu budowa, ponieważ mam wszystko na jednym miejscu, nie mam ograniczonego pola, tak jak w Make'u, gdzie muszę przechodzić ze scenariusz na scenariusz, ustawiać to tam, bezpośrednio te zmienne, potem je dołączać. Jest to czasochłonne, o wiele dłużej budowałem podobny scenariusz jak tutaj w Make'u, praktycznie półtorej razy dłużej. Jak i też to, co mnie wkurza na przykład, to jest fakt, że w Make'u nie mogę sobie zmienić modelu, ale nowego w trakcie. Jest to jeszcze obecnie niedostępne, mam nadzieję, że Make'u poprawi to w kolejnej wersji. No i to, czego mi brakuje na przykład takich szybkich testów, to fakt, że niestety muszę podłączać Slacka, Telegram, jakikolwiek inny komunikator. Nie mam wbudowanego jakiegoś prostego czatu, za pomocą którego mogę sobie dostawać moje rozwiązanie. Utworzenie takich kryterium trzeba zrobić na Slacku, do webhooka. Jest to chwila pracy dla osoby początkującej, może to być po prostu skomplikowane, a na przykład w Unyterium mamy ten prosty trigger czatowy, gdzie możemy sobie sami pisać i obserwować, co się dzieje. Też tam mamy bardzo fajny widok na debugowanie tych informacji. Więc nie mówię w tym momencie, że Make'u wygląda o wiele, wiele gorzej, ponieważ Make wypuścił niedawno ten moduł. Jest to wersja beta, więc też musimy być wyrozumieli dla nich w pewnych aspektach. Idą w dobrym kierunku, zachowują swoją funkcjonalność od strony scenariusza, który się u nich buduje, ponieważ mamy te pojedyncze scenariusze, gdzie nie ma więcej niż jednego triggera i raczej nie będą chcieli to zmieniać w najbliższym czasie. Najprawdopodobniej w ogóle tego nie zmienią, więc przy zachowaniu swojej logiki oraz funkcjonalności to ma spory potencjał. Na pewno plusem jest to, że w Make'u szybciej przeklikujemy pewne rzeczy, jeżeli chodzi na przykład o parametryzację. W Nate'e nie pomimo, że tam się szybciej buduje agentów obecnie, to czasem pewne rzeczy wymagają troszkę większej dokładności i zrozumienia od strony parametrów, które musimy tam ustawiać. Ale w mojej ocenie to jest dobry krok, też może wymusimy z tymi dwoma platformami jakąś rywalizację, a jak jedną ta konkurencja sprzyja nam konsumentom, aby mogli dostarczać jeszcze ciekawsze rozwiązania. Podsumowując dzisiejszy materiał, Make'u w końcu wypuścił nam tą funkcjonalność, o którą wszyscy czekaliśmy. Jeżeli jesteś hardogłowym użytkownikiem Make'a i brakuje tutaj funkcjonalności, to w tym momencie będziesz przybierał nogami, aby jak najszybciej to przetestować. Natomiast pierwszym powodem wymaga też, że to jest wersja beta cały czas i na pewno przy kolejnych iteracjach będą poprawiali pewne rzeczy i udoskonalali. I tak jak wam powiedziałem przed chwilą, dzisiaj jest to świetna wiadomość, ponieważ Make'u otworzyła coraz większą konkurencję i rywalizację pomiędzy tymi dwoma platformami, jak między Nate oraz Make. A dla nas, czyli użytkowników końcowych, jest to świetna wiadomość, bo będziemy otrzymywać jeszcze lepsze platformy, jeszcze lepsze środowiska do budowy naszych rozwiązań. Z mojej strony to wszystko, jeżeli podobał Ci się ten materiał, zostaw lajka oraz suba i do zobaczenia w kolejnym materiale. Cześć!