Как настроить AI-агента под проект: контекст, rules, skills, MCP — конспект двух вебинаров

В сфере искусственного интеллекта произошло заметное событие. dirvika 10 минут назад Как настроить AI-агента под проект: контекст, rules, skills, MCP — конспект двух вебинаров Средний 9 мин 661 Блог компании Veai Программирование * Машинное обучение * Текстовые редакторы и IDE * Open source * Туториал Эта статья - выжимка двух наших апрельских вебинаров с разработчиком агента Михаилом Костицыным. По общим тезисам каждый может проверить выводы у себя. Записи вебинаров на RuTube: — Вебинар 1 — AI-инструменты для разработчиков 2026 — Вебинар 2 — Настройка проекта под агентаTL;DRКачество результата агента = качество контекста.

Все остальное - производные. Правил кастомизации пять: rules, skills, режимы агента, MCP, AgentIgnore. У каждого свой случай применения.

Технические детали

md - точка истины проекта. Memory bank - долгосрочная память. Главные антипаттерны: недостаточный контекст и перегруженный контекст.

Решения противоположные, симптомы тоже разные. Подход TDD/SDD с агентом даёт лучшее качество. С локальными моделями он критичен.

Эволюция: от автодополнения до агентских системЦепочка короткая:ЭтапЧто умеетГлавная больАвтодополнениепродолжить строку, дописать функциюконтекст = текущий файлЧат-ассистентыдиалог, объяснение кодачеловек = прокси, copy-pasteАгентычитать/править файлы, запускать команды, MCPперегрузка одного контекстаАгентские системыоркестратор + sub-agents, ролисложность настройкиВ чат-ассистентах разработчик постоянно копировал код туда-обратно — отсюда «много ручной работы и разрыв контекста». Агенты живут прямо в проекте, видят весь код, имеют инструменты. Сверху — агентские системы, которые координируют нескольких специализированных агентов и решают проблему переполнения единого контекста.

Отраслевые последствия

Где живёт агент: три класса инструментовКонсольные агентыЖивут в терминале. Запускаются на удалённом сервере, в CI, легко параллелить через git worktree. ПлюсыМинусыНет vendor-lock на IDEМеньше контроля при разработкеМожно ставить в CI/CDНет семантики языка — только LSPПараллелизм нескольких агентовНет автодополнения для подконтрольной генерацииОпаснее по безопасности (доступ к ФС)Примеры: Claude Code, Codex, Gemini CLI, Qwen Code, Opencode, Aider (умеет коммитить сам).

Полностью автономные: AutoGPT, SWE-agent, OpenHands. Агенты внутри IDEЛучше понимают язык: PSI/индексы, рефакторинги через API, семантический поиск (Find Usages, Go to Declaration). Знакомый UI — недооценённый фактор при внедрении в команду.

ПлюсыМинусыПонимание языка через PSIПривязка к одной IDEЗнакомый UI разработчикаТяжело параллелитьАвтодополнениеСложно поднять в CIПримеры: Cursor (форк VS Code), Veai, GitHub Copilot, Windsurf, Cline, Sweep Dev, Zed. Агенты в CI/CDАсинхронное ревью PR, генерация описаний, авто-фиксы, changelog’и. ПлюсыМинусыНе отнимают ресурсы человекаЗамедляют пайплайныЕдиный стандарт ревьюНепредсказуемые расходы на токеныГаллюцинации убивают доверие к ревьюДоступ к чувствительной инфраструктуреПримеры: CodeRabbit, PR-Agent (Codium Merge), GitHub Copilot for PRs, GitLab Duo (умеет искать уязвимости).

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.