Vercel искал оптимальный метод, чтобы ИИ-агенты по кодированию получали свежие сведения о фреймворках. Решение оказалось на удивление элементарным.
ИИ-агенты опираются на данные обучения, которые быстро устаревают. Если фреймворк вроде Next.js выпускает новые API, агенты выдают неработоспособный код или прибегают к устаревшим шаблонам.
Vercel проверил два варианта: систему навыков, где агенты сами запрашивают документацию, и AGENTS.md — Markdown-файл с постоянным контекстом. Сжатый вариант AGENTS.md обеспечил полный успех в 100% случаев, а более сложная система навыков не превысила 79%.
Агенты пропускали навыки более чем в половине тестов
Система навыков собирает знания в удобные пакеты, доступные агентам по запросу. Суть ясна: агент замечает потребность в информации по фреймворку, запускает навык и получает нужные материалы.
Реальность оказалась иной. Как отметили в Vercel, агент вообще не активировал навык в 56% тестов. Документация была под рукой, но агент ее игнорировал. Уровень успеха с навыками совпал с базовым сценарием без какой-либо документации — 53%.
Лишь четкие указания использовать навык подняли частоту активаций выше 95% и успех до 79%. Однако точная формулировка сильно влияла на итог. Фраза вроде "Ты ОБЯЗАН вызвать навык" заставляла агента упускать контекст проекта, а "Сначала разберись в проекте, потом примени навык" давала лучшие результаты.
Пассивный контекст обеспечил стопроцентный успех
Другой подход оказался проще некуда. Команда не стала полагаться на решения агента, а просто добавила сжатый индекс документации в файл AGENTS.md в корне проекта. Этот Markdown-файл поставляет постоянный контекст на каждом шаге, без лишних действий со стороны агента.
Исходный индекс в 40 килобайт уменьшили до 8 килобайт без ущерба для результатов. Агент понимает, где искать конкретные материалы, не загружая полный объем в контекст.
В Vercel выделили три преимущества пассивного метода. Во-первых, нет нужды в принятии решений — данные уже на месте. Во-вторых, контент AGENTS.md стабильно попадает в системный промт при каждом взаимодействии. В-третьих, отсутствуют сбои последовательности, которые мешали навыкам.
В Vercel подчеркивают: навыки отнюдь не бесполезны. Они подходят для узких задач, таких как "обновить версию Next.js". А для общего знания фреймворков пассивный контекст пока эффективнее активного поиска.
Для проектов на Next.js Vercel предлагает готовую команду: npx @next/codemod@canary agents-md. Она определяет установленную версию, загружает подходящую документацию и добавляет сжатый индекс.
AGENTS.md интегрируется в общий стандарт отрасли
Результаты Vercel подчеркивают популярность AGENTS.md в рамках масштабного движения. В декабре 2025 года Linux Foundation создала Agentic AI Foundation (AAIF), собрав соперников вроде OpenAI, Anthropic, Google и Microsoft для разработки открытых стандартов ИИ-агентов.
В основу легли три открытых проекта. Model Context Protocol (MCP) от Anthropic связывает модели с внешними источниками данных, Goose от Block организует рабочие процессы агентов, а AGENTS.md от OpenAI определяет правила для инструкций по кодированию. По данным Linux Foundation, AGENTS.md уже применяется в свыше 60 000 открытых проектов и поддерживается фреймворками вроде Cursor, Devin, GitHub Copilot и Gemini CLI.
Протестированная Vercel система навыков — это открытый стандарт от Anthropic, который применяется в продуктах Claude. В октябре 2025 года Anthropic внедрила навыки как модульную систему, позволяющую Claude самостоятельно подбирать нужные инструкции и ресурсы для задач.