Вайбкодинг в кровавом энтерпрайзе

В мае я писал о том, что эх вот было бы неплохо попробовать вайбкодинг на работе в связке с MCP Confluence, где лежит документация по проекту. Кажется, что очень удобно совместить актуальные задачи, требования, тестовые сценарии и код в едином контексте, а потом в режиме чата просить доработать бекенд по изменениям в требованиях или написать новые тесты. Не зря же мы столько документируем на работе!

И пару дней назад мне, наконец, удалось! И не где-нибудь, а в кровавом энтерпрайзе Сбера и без миллиарда согласований 👀

Если вы не знакомы с понятием MCP, то это по сути прослойка между привычным API и языковой моделью. С помощью нее можно на естественном языке получать данные и исполнять команды точно также, как если бы вы это делали программно. Главная задача MCP - отдать понятное для LLM описание имеющихся инструментов (по сути API эндпоинтов), а потом перенаправить вызов этих инструментов от LLM оригинальному сервису по, например, REST API

В Сбере большинство внешних ресурсов не открываются с рабочих устройств, поэтому использование внешних LLM и других привычных инструментов довольно затруднительно. Но зато доступен GigaChat, и на том спасибо. Будем пользоваться тем, что есть, и прикручивать свои костыли

1. Базовый минимум - выкурчиваем вайбы для кодинга

Что понадобилось:
🔵Чуть адаптировать Proxy до GigaChat, который работает в режиме совместимости с OpenAI API, чтобы ходить бесплатно к нему по сертификатам
🔵Заставить Roo Code (аналог Cursor) поверить, что перед ним ChatGPT, а не GigaChat

Roo Code запустился, в целом, уже было очень классно - вайбкодинг на рабочем компе получили. Да, не такой вайбовый, как на личном компе, но зато 🤑бесплатновый! 🤑

2. Привлекательный оптимум - общаемся с рабочей документацией и задачками

Следующий вызов - пообщаться с актуальной документацией по проекту и с задачами в таск-трекере. Для этого нужно было поднять MCP сервер, который умел бы взаимодействовать со Сберовскими сервисами. А дальше два больших открытия для меня за последние дни:
🔵Большинство MCP серверов работают локально. Да, их можно развернуть на удаленном сервере, но оказалось, что в большинстве случаев можно и без этого обойтись
🔵Если мы работаем с локальным сервером, то можно не получать сервисный токен для работы с Confluence, Jira, а работать с пользовательским. Оказывается, оба этих продукта поддерживают авторизацию по API с обычным логином/паролем. И это очень хорошо сочетается с локальным MCP

На гитхабе есть несколько MCP для Jira, Confluence, написанных на разных языках. Но все они покрывают разные методы, а мне хотелось бы максимально возможного покрытия. Не беда - взяли три проекта, попросили Cursor (GigaChat мы такое не доверяем пока) переписать в едином стиле, объединив их, и через 15 минут у нас самый крупный MCP по Jira, Confluence.

3. Роскошный максимум - дополняем MCP новыми инструментами по Swagger

А сможем ли расширить сценарии работы MCP еще и до написания QA тестов? Ну, скажем, получили документацию по продукту, а потом сгенерировали кейсы в рамках одного чата. Для тест кейсов у нас используется Zephyr - плагин к Jira. MCP-серверов к нашей версии Zephyr я не нашел, но нашел очень хорошо описанный Swagger (OpenAPI). Ждем 5 минут, и получаем +20 инструментов, которые уже можно вызывать с помощью LLM. Вставляем команду для запуска MCP в RooCode и получаем швейцарский нож

Теперь будем тестировать в команде связки, с которыми можно работать таким образом. Удачными сценариями поделюсь с вами!

P.S. Мой доработанный MCP оставляю здесь

✨Наши AI-проекты взяли премию «Лезги Гъед*»

Чуть больше полугода мы ведем социальный проект по сохранению малоресурсных языков. За это время успели сделать:
🔵Первый лезгинский переводчик
🔵Text-To-Speech (синтез речи), с которым даже успел выступить в ДГТУ

Церемония вручения прошла еще в апреле, но премию я забрал (и сфоткал в канал) только на днях. Само мероприятие наша команда не посетила, но мы записали видео послание-пасхалку, озвучив текст нашей моделью

Это действительно ценное признание для нашей команды, на которое мы вообще не рассчитывали. Все наши проекты - результат бесчисленного "ну а вдруг получится" и последующего за ним упрямства: один синтез речи мы дорабатывали больше месяца, а на студийную запись всего 30 часов аудио потратили больше 100 дней! Очень приятно видеть поддержку и понимание важности проекта среди целого народа

Этот пост - благодарность людям, которые тратили свободное время и работали на результат: Заур (PublicDictionary), Саид (@astex_channel), Рустам (@everything_converges), Важид, а также всем участникам нашего сообщества по переводам, их уже более 2 тысяч!

* Гъед с лезгинского - звезда, а на награде изображен орнамент звезды с национальных ковров (сумах). И вы, скорее всего, видели их не один раз под ногами в кофейнях Surf. А если нет, то обратите внимание в следующий раз в ожидании заказа)

90% материалов по AI - вода, написанная самим AI для того, чтобы вы потом попросили AI их пересказать

Принес вам пару исключений: книгу и курс, которые показались мне довольно интересными, раскрывающими особенности работы новых технологий и инструментов.

🟡AI Engineering: building applications with foundation models (Chip Huyen) - книга для тех, кто хочет понять, как работают большие языковые модели, как на прикладном, так и неглубоком теоретическом уровне. Начинается с азов, но к середине раскрывается более практическими темами. Есть чуть математики, я ее пропустил и не пожалел)) Только на английском

🟡Agents Course (Hugging Face) - проходил этот курс в марте, когда была доступна только первая глава, ее и рекомендую. Наглядно демонстрируется, как работает "мышление" и как заставить модельку думать, что вообще такое этот агент, как к LLM подключить внешние сервисы и тд. Хорошо подойдет как программистам, кто пытается разобраться, как эти агенты работают, так и тем, у кого нет опыта в программировании. Тоже только на английском

А это я ходил на ML Conf в июле, оттуда и фотка

А вы замечали, что сайты, приложения, сгенерированные AI, очень похожи друг на друга?

И в этом есть свой шарм, но почему-то они вообще не воспринимаются как цельные хорошие продукты. В особенности, если собраны с помощью пары промптов без упора на дизайн. И это прям заметно.

Я для себя вывел перечень индикаторов, как отличить приложение, сгенерированное AI на отвали, от приложения, выстраданного человеком:
🔵У такого приложения куча эмодзи: у заголовков различных уровней, на тегах, кнопках
🔵Hero-секция: заголовок либо полностью покрашен в градиент, либо им выделены 1-2 слова
🔵Карточки и кнопки: имеют легкий градиент, а при наведении на них срабатывает одинаковая анимация увеличения
🔵Карточки и шапки: часто имитируют матовое стекло
🔵Карточки: огромные внутренние отступы
🔵Шрифт Inter везде: в заголовках, текстах
🔵Очень много разных подписей и топорный UX
(и это мы еще не пошутили про длинное тире в текстах)

Понятно, почему так происходит: чтобы регулярно выдавать хороший результат, для модели нужен довольно детальный системный промпт. И почти у всех популярных сервисов в этом промпте используются одинаковые технологии. Взглянем на кусочек слитого системного промпта ChatGPT с моделью gpt-5:

Types "code/react" and "code/html" can be previewed in ChatGPT's UI. Default to "code/react" if the user asks for code meant to be previewed (eg. app, game, website).

When writing React:
- Default export a React component.
- Use Tailwind for styling, no import needed.
- All NPM libraries are available to use.
- Use shadcn/ui for basic components (eg. `import { Card, CardContent } from "@/components/ui/card"` or `import { Button } from "@/components/ui/button"`), lucide-react for icons, and recharts for charts.
- Code should be production-ready with a minimal, clean aesthetic.
- Follow these style guides:
- Varied font sizes (eg., xl for headlines, base for text).
- Framer Motion for animations.
- Grid-based layouts to avoid clutter.
- 2xl rounded corners, soft shadows for cards/buttons.
- Adequate padding (at least p-2).
- Consider adding a filter/sort control, search input, or dropdown menu for organization.

Что здесь интересного:
➡️ Все проекты пишутся на React, пока пользователь не попросит другого (но тогда будьте добры написать детальный промпт, магии не будет)
➡️ Для стилизации компонентов используется Tailwind + shadcn/ui, иконки тянутся из пакета lucide-react, для анимаций используется Framer Motion
➡️ Заданы правила внутренних отступов и скруглений

Очень похожие инструкции я нашел в промптах у Lovable, V0, а библиотеки вообще идентичны. Поэтому лендинги, приложения, которые вы собираете с помощью AI, будут выглядеть как очередной шаблонный сайт. Но только до тех пор, пока вы не уделите внимания UI и UX в своих промптах и не потратите время на итеративные изменения. Поэтому даже в эпоху, когда все приложения пишутся с одного запроса, вам все еще требуется насмотренность и ✨собственная нейронка✨, которая понимает базовые принципы UX.

Но это исключительно мой опыт, а какой у вас?