AI-інструменти в щоденному коді: агенти, Copilot, Claude, MCP – що реально працює, а що лише хайп.
22 статей
skills.sh за сім місяців виріс до мільйона skills і майже 280 млн installs. Розбираємо, що насправді кажуть ці цифри, чому skill – це software з версіями й багами, і з чого почати команді.
Apps SDK (preview) дозволяє будувати логіку та UI всередині ChatGPT поверх MCP. Розбираємо, які фічі мають сенс у чаті, чим chat-native UX відрізняється від сайту і як спробувати через Developer Mode.
Haiku 5.5 став GA у GitHub Copilot для швидких high-volume задач: subagents, quick edits, термінал. Розбираємо антипатерн «frontier model everywhere» і tiering, який реально зменшує вартість агентів.
Anthropic заявляє 30%+ швидкості, до 30% нижчу вартість задачі та стрибок на Terminal-Bench із 10.3% до 70.6%. Розбираємо vendor-цифри тверезо і показуємо, як чесно перевірити модель на власному repo.
GitHub зробив local sandboxing загальнодоступним у Copilot CLI, app і VS Code та навчив CLI бачити локальні Ollama-моделі. Розбираємо, чому permissions важливіші за prompt і як вибудувати model tiering.
Gemini 4 Argon став GA у Copilot, а 19 жовтня GitHub прибирає шість старіших моделей. Замість гонитви за бенчмарками – практичний framework вибору моделі під свої coding-задачі.
Copilot CLI і app отримали computer use для desktop-застосунків (public preview, macOS і Windows). Розбираємо use cases, модель approvals, ієрархію інтерфейсів і ризики GUI-автоматизації.
GitHub Copilot отримав Dynamic Workflows у public preview: повторювані AI-процеси, які описуєш природною мовою, версіонуєш у репозиторії і запускаєш командою. Розбираємо, чим workflow відрізняється від промпта і де межі.
GitHub оновив HydraFusion і додав Max: кілька моделей на одну задачу, judge-крок, паралельні critics і різний reasoning effort. Розбираємо, що це означає для agent-архітектури.
Agents API у public beta переносить агентний harness у managed cloud: сесії, tools, MCP, subagents, environments і довгі задачі. Розбираємо, що насправді продає API і коли self-hosted оркестрація досі виграє.
OpenAI випустила Decisions API: контекст + скінченний набір відповідей замість генерації тексту. Порівнюємо категорію з Jev від TypeSafe і пояснюємо, коли decision model краща за LLM.
GitHub випустив ReviewBench – відкритий бенчмарк для AI-рев’юерів на 219 реальних pull requests зі 187 репозиторіїв. Які метрики справді важливі команді і як провести власний eval свого AI-рев’юера.
За два тижні челенджу – 1 285 репортів, $242 тис. виплат і zero-day у мережевому стеку ядра Linux. Що реальний sandbox escape вчить команди, які запускають код AI-агентів.
AI-фіча без eval-ів – це фіча без тестів, тільки failure mode дорожчий. Будуємо production-процес: golden dataset, три типи грейдерів, regression suite у CI і release gating на реальному прикладі support-агента.
Спостережуваність AI-агентів на практиці: анатомія трейсу, correlation IDs, taxonomy збоїв, бюджети токенів, версіонування промптів і vendor-neutral TypeScript-схема трейсингу з middleware.
Спека MCP 2026-07-28 прибрала handshake і сесії: кожен запит самодостатній, сервер масштабується як звичайний HTTP-сервіс. Розбираємо нову архітектуру, SDK v2 і міграцію старого сервера.
Розбираємо MCP Apps – перше офіційне розширення MCP: UI-ресурси за схемою ui://, sandboxed iframe, двосторонній JSON-RPC і security-межі. Коли інтерактивний інтерфейс виправданий, а коли досить тексту.
Чесний розбір AI-інструментів у роботі розробника: типові задачі, де чат, автодоповнення чи агент реально прискорюють, типові помилки моделей і робочий workflow від задачі до мержа.
Практичний чекліст перевірки AI-згенерованого коду: типові помилки моделей, безпека, вигадані залежності, відповідність кодовій базі й тести як контракт. Із готовим markdown-чеклістом.
Чим AI-агент у терміналі відрізняється від чату і як застосувати його в React-роботі: генерація компонентів за зразком, тести до хуків, пошук причини бага. З прикладами промптів.
Розбираємо Jev від TypeSafe AI: перша «System One» модель, яка повертає типізовані рішення замість тексту. Що це насправді, приклад на TypeScript, чесні бенчмарки і коли звичайний if/else усе ще виграє.
MCP (Model Context Protocol) без хайпу: яку проблему вирішує, як влаштовані сервер, клієнт та інструменти, коли розробнику це реально корисно – і коли це просто модне слово.
Хочеш розібратися в цій темі швидше?
На безкоштовному 30-хвилинному дзвінку розберемо твій рівень і складемо маршрут.
Заповни коротку заявку – і отримаєш персональний роудмап. Або просто напиши мені в Telegram, якщо зручніше.