Харнесс для AI-агентов: Claude Code, Codex, Cursor и как превращать ошибки агента в правила окружения.
Чем отличаются команды агента (control plane) и данные, которые он читает (data plane), как работает prompt injection и как защититься: минимум прав, подтверждение записи, разделение чтения и записи, доверенные источники.
Как расследовать инцидент с ИИ-агентом: подключить Sentry и Grafana через MCP, поручить сопоставить ошибки, метрики и время релиза, ограничить права и проверить гипотезу.
Три области MCP-серверов в Claude Code: local, project и user. Где лежит настройка, кто её видит, что победит при совпадении имён, как делиться серверами с командой и не коммитить секреты.
Что требовать от агента в требованиях и протоколах встреч: ссылку на источник, предположения модели и статус «факт или не факт». Откуда берутся мажорные и минорные правки и как они связаны с кейсами использования.
Оптимизируем один шаг цепочки: QA после поддержки. Агент через MCP воспроизводит баг из Jira на тестовом стенде, сжимает путь, описывает и документирует, скилл делает шаги повторяемым процессом, QA проверяет руками. Поддержка и разработка не меняются.
MCP подключает агента к GitLab, Jira, Confluence и записям встреч. Какую проблему решает, как подключить за несколько минут и поручить это самому агенту, как экономит время и токены и почему агент меньше выдумывает.