Технический контекст: что я считаю «рабочим стеком» Agentic Coding
Я смотрю на Agentic Coding не как на «умный автокомплит», а как на автономного исполнителя SDLC: планирование → реализация → тесты → отладка → деплой. В 2026 это перестало быть экспериментом и стало инженерной дисциплиной, где выигрывает не тот, у кого «самый умный агент», а тот, у кого правильно собрана среда и контуры контроля.
Из инструментов чаще всего упоминают универсальных агентов уровня Claude Code и OpenCode. Я воспринимаю их как «рантайм для инженерных задач»: они держат длинный контекст работы, умеют вызывать инструменты и двигаться по многошаговому плану, не сваливаясь в одноразовые подсказки. Но без нормальных контрактов с окружением такие агенты быстро превращаются в генераторы диффов, которые никто не может безопасно принять.
В этом месте появляются CLAUDE.md и MCP. Я трактую CLAUDE.md как репозиторный источник правды для агента: правила кодстайла, архитектурные запреты, соглашения по тестам, схемы ветвления, допуски на рефакторинг. MCP (как бы он ни назывался в конкретной реализации) я рассматриваю как протокол/шину для подключения инструментов и данных: тест-раннеры, статанализ, секрет-сканеры, тикет-системы, базы знаний.
Отдельно мне близка идея Skills / CLI и Sub Agents. CLI — линейная модель «вызвал команду, получил результат», а Skills и sub-agents дают композицию: один агент проектирует, второй пишет тесты, третий гоняет безопасность, четвёртый проверяет миграции. Я именно так и строю AI-архитектуру для инженерных команд: специализированные роли + оркестрация + трассируемость решений.
Влияние на бизнес и ИИ автоматизацию: кто выигрывает и где ломается процесс
В агентной разработке стоимость сдвигается из «писать руками» в «верифицировать на масштабе». Здесь ключевой принцип — Asymmetry of Verification: проверить зачастую проще и надёжнее, чем сгенерировать. Я вижу в этом не философию, а прямое требование к контуру качества: тесты, политики, security gates и воспроизводимые сборки должны быть сильнее, чем раньше.
Выигрывают компании, у которых уже есть дисциплина инженерии: CI/CD, код-ревью, тест-пирамида, инфраструктура для наблюдаемости. Там автоматизация с помощью ИИ реально сокращает цикл и разгружает дорогих инженеров, переводя их в режим архитектуры, постановки задач и контроля. Проигрывают те, кто надеется заменить процесс «магией агента» и не инвестирует в спецификации и валидацию.
В своей практике в Nahornyi AI Lab я почти всегда начинаю не с выбора модели, а с описания границ автономии: что агент может делать сам, где обязан запросить подтверждение, какие действия запрещены. Это и есть настоящее внедрение ИИ в разработку: не «подключить бота», а перестроить workflow и ответственность. Особенно критично это для финтеха, промышленности и любого домена с регуляторикой.
Agent Spec Driven Development я использую как противоядие от хаоса: сначала спецификация поведения агента и критерии приёмки, потом уже реализация. Спека — это контракт между бизнесом, архитектором и агентной системой, а не «ещё один документ». При таком подходе агент становится ускорителем, а не источником непредсказуемости.
Стратегический взгляд: мой прогноз по архитектуре и роли инженера
Я ожидаю, что в 2026–2027 «главным артефактом разработки» станет не код, а набор машиночитаемых правил вокруг него: CLAUDE.md-подобные политики, спецификации агентов, каталоги инструментов, модели угроз. Код будет производной, часто черновой, и постоянно переписываемой частью, а стабильность обеспечит слой верификации.
На проектах Nahornyi AI Lab я вижу повторяющийся паттерн: чем больше автономии мы даём агенту, тем важнее наблюдаемость и доказательность. Нужны логи действий агента, диффы с объяснениями, привязка к тикетам, воспроизводимые прогоны тестов и сканеров. Иначе вы получаете скорость сегодня и технический долг завтра, который уже не масштабируется человеческим ревью.
Мой практический совет бизнесу простой: начинайте с «агентного контура качества», а уже потом расширяйте контур генерации. Постройте MCP-интеграции с тестами, безопасностью и деплоем, заведите правила в репозитории, внедрите Agent Spec Driven Development как стандарт. Тогда разработка ИИ решений внутри инженерии станет управляемой, а ИИ интеграция — предсказуемой по рискам и срокам.
Этот разбор подготовил я, Вадим Нагорный — ведущий эксперт Nahornyi AI Lab по AI-архитектуре, внедрению ИИ и ИИ автоматизации в реальном секторе. Если вы хотите сделать agentic-стек в своей команде (MCP/skills/sub-agents), настроить контуры верификации и безопасно ускорить SDLC, я приглашaю вас обсудить ваш проект с Nahornyi AI Lab — соберу целевую архитектуру и план внедрения под ваши ограничения.