Три слоя стека

1. 01Основы: Ask · Plan · Code
2. 02MCP - integration layer
3. 03Agent Skills - instruction layer
4. 04Skills vs MCP - гибрид
5. 05Выводы и что забрать

→ это сжатая версия трёх докладов; блок безопасности вынесен в отдельные полные версии

О чём поговорим?

• 01Основы: Ask · Plan · Code
• 02MCP - integration layer
• 03Agent Skills - instruction layer
• 04Skills vs MCP - гибрид
• 05Выводы и что забрать

Что такое языковая модель

• Модель предсказывает вероятный текст, а не правильный
• Это объясняет 80% её странностей
• → модель пишет "вероятный", а не "истинный" ответ

Чем модель НЕ является

→ аналогия: "очень начитанный стажёр" - годится для черновика, не для финала

Режим 1 — Ask

• Ask — разведка: «Объясни, как работает X», «Какие есть подходы?»
• Модель читает код и документацию, отвечает, ничего не меняет
• Безопасная точка входа — zero side-effects

Режим 2 — Plan

• Plan — проект перед правками: агент исследует кодовую базу и составляет план
• Ты ревьюишь до того, как будет написана строка кода
• Снижает переделки на ~40%

Режим 3 — Code

• Code — агент пишет и редактирует файлы
• Максимум автономии, максимум риска
• Правило: «Code после Plan, не вместо»

Плохой vs хороший запрос

❌ Проанализируй продажи

✅ Роль: руководитель категории электроники.
   Контекст: разбираю недельный отчёт, нужен вывод.
   Данные: выручка -12%, трафик +8%, конверсия -15%.
   Формат: таблица факт -> гипотеза -> что проверить -> следующий шаг.

→ тот же ИИ, разная глубина запроса - разный результат

Где модель ошибается

• Галлюцинации: выдуманные цифры и цитаты
• Ложная уверенность: ровный тон и на правде, и на выдумке
• Устаревшие данные
• Уверенный тон ≠ правильный ответ

Что проверяет человек

• Спрашивай источники, задавай критерии, перепроверяй цифры
• Правило: «Проверь то, на чём подпишешься»
• → дальше: инструменты и процедуры делают агента надёжнее

О чём поговорим?

• 01Основы: Ask · Plan · Code
• 02MCP - integration layer
• 03Agent Skills - instruction layer
• 04Skills vs MCP - гибрид
• 05Выводы и что забрать

Зачем нужен MCP

• LLM слепые: knowledge cutoff + нет доступа к корпоративным данным
• Jira, Kafka, БД - модель их не видит

Прошлые подходы и N×M

• Function Calling, RAG, плагины - зоопарк кастомных интеграций, vendor lock-in
• N×M проблема: 4 клиента × 4 сервиса = 16 коннекторов

MCP = USB-C для AI

• N+M вместо N×M. Anthropic, ноябрь 2024
• Один протокол, JSON-RPC под капотом

Состояние экосистемы

Архитектура

Три capability

Под капотом: lifecycle

tools/list и дисциплина description

[
  {
    "name": "get_orders",
    "description": "Active orders for last 24h, sum > 1000",
    "inputSchema": { "type": "object" }
  }
]

→ ❌ "Получить данные" vs ✅ конкретный description решает, вызовет ли агент tool

tools/call и multi-turn

• Как модель выбирает инструмент и передаёт аргументы
• Multi-turn: цепочка вызовов, адаптация на ошибки (isError)

ToolAnnotations и транспорты

• readOnlyHint, destructiveHint, idempotentHint - hint, не enforcement
• stdio (локально) vs HTTP/SSE (прод) vs Streamable HTTP

MCP в дикой природе

• Context7 (Upstash, ~46k звёзд): resolve-library-id + get-library-docs - идеальный multi-turn
• Топ-5: GitHub · Filesystem · Playwright · Postgres/Supabase · Sentry
• Паттерн лучших: узкий scope, точный description, read-only по умолчанию

О чём поговорим?

• 01Основы: Ask · Plan · Code
• 02MCP - integration layer
• 03Agent Skills - instruction layer
• 04Skills vs MCP - гибрид
• 05Выводы и что забрать

Зачем нужны Skills

MCP закрыл интеграции - но осталась дыра второго порядка: агент знает инструмент, но не знает процедуру.

Что было до Skills

• Гигантские CLAUDE.md / AGENTS.md раздувают always-on контекст
• Цена: бенчмарки показывают -20% success rate при больших AGENTS.md

Что такое Agent Skills

Директория с SKILL.md + опциональные scripts/, references/, assets/.

История и поддержка

• Anthropic, 16 окт 2025; открытый стандарт к декабрю 2025
• Claude (Code/API/Web) · OpenAI Codex · Cursor · Gemini CLI · Windsurf · VS Code/Copilot

SKILL.md: frontmatter

---
name: pptx
description: Use when user asks for a deck, slides or .pptx file.
allowed-tools: ["Bash(python *)"]
version: 0.3.1
---

# PPTX skill

→ обязательны только name и description (лимиты 64 / 1024)

Тело SKILL.md

• "Оглавление руководства", < 500 строк, стандартные секции
• Детали выносятся в references/, не пухнут в теле

Progressive disclosure

Экономика токенов

→ десятки установленных скиллов "бесплатны" до активации

description решает всё

• Выбор скилла - forward pass трансформера, нет отдельного классификатора
• ❌ "Generate PPTX" vs ✅ "Use when user asks for deck/slides/.pptx ..."
• Сквозной пример - pptx от Anthropic

Минимальный скилл

---
name: brand-voice
description: Use when writing public-facing copy. Applies our tone of voice.
---

# Brand voice
- Short sentences. Active voice. No hype.

→ production добавляет references/, scripts/, allowed-tools, version (pin, не latest)

О чём поговорим?

• 01Основы: Ask · Plan · Code
• 02MCP - integration layer
• 03Agent Skills - instruction layer
• 04Skills vs MCP - гибрид
• 05Выводы и что забрать

Чем различаются

Что выбрать

• Процедурные знания → Skill
• Сайд-эффекты и живые данные → MCP
• Большинство реальных кейсов → гибрид

Skill дирижирует, MCP исполняет

Skill (release-notes) orchestrates:<br>  -> GitHub MCP    : list merged PRs<br>  -> Linear MCP    : fetch closed issues<br>  -> formatter.py  : render changelog

→ в проде по умолчанию работает связка, а не "или-или"

Когда чистый Skill / чистый MCP

О чём поговорим?

• 01Основы: Ask · Plan · Code
• 02MCP - integration layer
• 03Agent Skills - instruction layer
• 04Skills vs MCP - гибрид
• 05Выводы и что забрать

5 тезисов

1. Модель пишет вероятный текст — отсюда Ask → Plan → Code + формула запроса
2. MCP даёт инструменты (integration layer)
3. Skills дают процедуры (instruction layer)
4. Description - триггер и в MCP (tools/list), и в Skills
5. Гибрид Skill + MCP - default для прода

Якоря на понедельник

• Три режима: Ask → Plan → Code
• Один MCP-сервер: Context7
• Один скилл: pptx / skill-creator