Готов ли ваш продукт к ИИ-агентам: проверка в Codex
У продукта появляется новый тип пользователя: ИИ-агент. Он не читает сайт как человек, не терпит лишние клики, не всегда понимает визуальные намеки и может ошибиться, если данные спрятаны в неудобной форме. Поэтому вопрос для бизнеса меняется: ваш продукт понятен только человеку или еще и агенту?
Кейс ВкусВилла хорошо показывает этот сдвиг. В статье на Хабре про MCP-сервер для заказа продуктов компания описывает экспериментальный путь, где агент получает не только страницу сайта, а инструменты: поиск товаров, детали продукта и создание ссылки на корзину. Это уже не "бот кликает как человек", а отдельный маршрут для агента.
Что здесь меняется
Если агенту приходится открывать сайт, читать карточки глазами, угадывать кнопки и собирать данные через длинный браузерный путь, он тратит время, токены и чаще ошибается. Если у продукта есть понятные данные, инструменты и ограничения, агент работает быстрее и надежнее.
Codex можно использовать как аудитора такой готовности. Дайте ему сайт, описание продукта, каталог, FAQ, API или MCP-документацию и попросите пройти путь агента: что он поймет, где застрянет, какие данные не найдёт, какое действие опасно выполнять без человека.
Главное:Продукт готов к ИИ-агентам не тогда, когда на сайте есть красивый текст, а когда агент может понять задачу, найти данные, выполнить допустимое действие и показать человеку проверяемый результат.
Рабочий запрос
| Что проверять | Вопрос для Codex | Что должен получить человек |
|---|---|---|
| описание продукта | понятно ли, что здесь можно сделать | краткую карту возможностей |
| каталог или база | можно ли найти нужный объект | список недостающих полей |
| путь действия | где агент тратит лишние шаги | карту узких мест |
| инструменты | какие операции лучше дать через API/MCP | список candidate tools |
| безопасность | где агент должен остановиться | красные действия и approvals |
Можно поставить Codex такую задачу:
Проверь продукт как ИИ-агент.
У тебя есть сайт, описание и материалы.
Собери отчет:
- какую задачу агент сможет выполнить;
- какие данные он найдет легко;
- какие данные спрятаны или неоднозначны;
- где нужен отдельный инструмент или MCP/API;
- какие действия нельзя выполнять без человека;
- какие 5 правок сделают продукт понятнее для агентов.В документации Model Context Protocol сервер описан как слой, который может предоставлять модели ресурсы, инструменты и подсказки. Для бизнеса это означает простую практику: если агентам нужен ваш продукт, подумайте, какие ресурсы и действия им нужны не через имитацию человека, а через ясный рабочий интерфейс.
Где нужен человек
Не каждое действие агента должно быть автоматическим. Найти варианты можно быстро. Собрать корзину или заявку можно под контролем. Оплатить, отправить договор, изменить доступ или публично пообещать срок должен человек или отдельный строгий gate.
В другой статье ВкусВилла про цифрового сотрудника на OpenClaw видно, что бизнес уже начинает смотреть не только на чат, а на агентов внутри процессов и метрик. Это важный сигнал для владельцев продуктов: скоро будет недостаточно быть понятным в поиске для человека. Нужно быть понятным для агента, который принимает решение от имени пользователя или помогает ему выбрать.
OpenAI Academy описывает Codex как агента, работающего с файлами, инструментами и повторяемыми задачами. Поэтому он хорошо подходит для первого аудита: не строить сразу MCP, а сначала увидеть, где продукт для агента читается, а где ломается.
Что вы тренируете: смотреть на продукт глазами ИИ-агента и заранее делать путь понятным, проверяемым и безопасным.