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

• Качество результата агента = качество контекста. Все остальное - производные.
  
• Правил кастомизации пять: rules, skills, режимы агента, MCP, AgentIgnore. У каждого свой случай применения.
  
• AGENTS.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.

• Редактируйте уже отправленное сообщение, а не дописывайте уточнения новым. Если ответите «нет, ты понял неправильно» — агент в контексте увидит и исходную задачу, и поправку, и начнёт путаться.
  
• Используйте rules для повторяющихся указаний, которые мигрируют из чата в чат.
  
• Передавайте полную спецификацию через MCP — из Jira, Confluence, GitHub.
  
• План перед решением — большинство агентов умеют декомпозировать задачу до начала работы. Это сразу даёт спецификацию де-факто.

• Одна задача = один чат. Большая задача → декомпозиция на подзадачи в отдельных чатах.
  
• Сжатие чата (compression) — функция большинства агентов. Сжимает контекст, оставляя выжимку, чтобы перейти ко второй связанной задаче без полной передачи истории.

• область применения правила (где оно работает, где - нет);
  
• что точно нельзя.

• стиль агента (автономный/контролируемый);
  
• корпоративный код-стайл (Google Java Style, параметризованные тесты);
  
• обход багов конкретных моделей (например, Claude 4.5 Sonnet любит создавать много отчётов — можно ограничить);
  
• приоритизация MCP — если агент не зовёт подключенный сервер, явно прописать, когда и зачем его использовать.

skills/
└── my-skill/
    ├── SKILL.md           # промпт + frontmatter с описанием
    ├── scripts/           # скрипты, которые агент может вызвать
    └── references/        # документация и спецификации

• одна цель на скилл (даже если из подзадач);
  
• область применения и запреты — обязательно;
  
• ссылайтесь из SKILL.md на скрипты и ресурсы — иначе агент их «не заметит»;
  
• структура папок (scripts/, references/) необязательна, но агент в ней лучше ориентируется;
  
• топ-даун (написать всё сразу) — долго и без понимания, нужно ли. Ботом-ап (выносить из часто повторяющихся запросов) — практичнее;
  
• генерировать скиллы можно самим агентом, но валидируйте руками.

• модель (например, для агента-тестера достаточно GLM 5.1, для архитектора — Opus 4.7);
  
• system prompt с описанием роли;
  
• набор доступных инструментов;
  
• набор скиллов.

• GitHub MCP — чтение репо, поиск, issues, PR, ветки, коммиты, ревью.
  
• Atlassian MCP — Confluence (поиск через CQL, страницы) и Jira (создание задач, поиск через JQL, статусы). Очень ценно — там вся доменная логика компании.
  
• Figma MCP — структура проекта, слои, компоненты, переменные. С динамикой/анимацией не работает.
  
• Playwright MCP — превращение мануальных кликов в автотесты.
  
• Chrome MCP — DevTools агенту в руки.

• структура проекта по папкам и модулям;
  
• стек;
  
• команды сборки и тестов;
  
• стиль кода;
  
• архитектурные парадигмы;
  
• что точно нельзя делать.

• Раз в N сообщений - агент достаёт релевантные факты, добавляет в контекст.
  
• Раз в N сообщений - сохраняет новые факты из текущего диалога.
  
• При переполнении - суммаризует и удаляет нерелевантное.

• Кэшировать токены у выбранного провайдера. Закэшированные токены сильно дешевле.
  
• Авто-компрессия чата при заполнении контекста. У Veai — настраиваемая шкала (75%, 80%).
  
• Сохранять результаты тулов в файл, отдавать модели только структуру. Особенно важно для непредсказуемых MCP, ответ которых легко перегружает контекст.

• Знайте провайдера. У Anthropic кэш живёт 5 минут — мелкие задачи быстрее и дешевле решать в этом окне.
  
• Сжимайте чат вручную, когда видите, что контекст забит. Помните: это не строго положительный эффект — может пострадать качество.
  
• Отключайте ненужные инструменты. Описание тулов само по себе ест контекст.
  
• СжимайтеAGENTS.mdи rules, если они разрослись и потеряли актуальность.

• Простые задачи — с наскоку.
  
• Средние и сложные — SDD/планирование.
  
• Если агент уходит не туда — откатить, написать план или спецификацию, продолжить от неё.
  
• Если агент идёт правильно, но не доводит до конца — TDD: зафиксировать систему валидации, дать агенту работать до зелёных тестов.

• Записи вебинаров:
  • Вебинар 1 — AI-инструменты для разработчиков 2026
    
  • Вебинар 2 — Настройка проекта под агента