CMS, созданная для ИИ-агентов

Вот тест, который стоит провести для любой CMS в 2026 году: дайте ИИ-агенту задачу вроде «обнови страницу с ценами на всех десяти языках» и посчитайте, сколько кастомных интеграций ему понадобится, прежде чем он сможет начать. Для большинства облачных систем ответом будет API-клиент, учетные данные, схема, которую он не видит, и песочница, которую он, как вы надеетесь, не сломает. Для репозитория, полного MDX-файлов, ответ — ноль. У агента уже есть все необходимое: чтение, grep, редактирование, diff.

Scribe делает на это ставку. Это CMS, вся поверхность которой состоит из вещей, в которых ИИ-агенты уже хороши.

Чтение: всё есть файл

Агенту, изучающему проект на Scribe, не нужна документация для ориентации. Типы контента представляют собой схемы Zod в одном конфигурационном файле, поэтому структура каждого документа читается как код. Документы — это MDX-файлы, где имя файла служит слагом. Переводы хранятся рядом в базе SQLite. За панелью администратора ничего не спрятано; репозиторий — это вся система целиком, и поиск через grep по директории content/ действительно ищет по всему.

Запись: ограждения вместо слепого доверия

Опасность с ИИ-агентами не в том, что они не умеют писать, а в том, что иногда они могут написать что-то слегка сломанное. Решение Scribe такое же, как и для людей, только применяется строже:

Схемы контролируют каждый документ. Раздел frontmatter должен успешно парситься по схеме Zod для данного типа контента. Выдуманное ИИ поле или пропущенное обязательное вызовет ошибку scribe validate, а не сбой в продакшене.
Тела документов должны компилироваться. Каждое тело MDX компилируется во время валидации, поэтому некорректный компонент или сломанный синтаксис отлавливаются до сборки.
Ссылки не могут незаметно устареть. Встроенные токены связей ссылаются на документы по типу и слагу, и валидатор выдает ошибку для любого токена, указывающего на несуществующий документ. Агент физически не сможет пропустить «мертвую» внутреннюю ссылку через валидатор.
Удаление планируется, а не импровизируется. Команда scribe delete сначала вычисляет полный каскад зависимостей, и блокеры останавливают операцию. Агент, удаляющий страницу, видит, что еще затронуто.

В результате фраза «позвольте агенту редактировать контент» перестает пугать. Последствие неудачного изменения — это красная строка в CLI, точно так же, как проваленный тест.

Проверка: интерфейс — это diff

Поскольку каждое изменение — это коммит, работа агента поступает так же, как ваша команда уже привыкла проверять работу: в виде pull request. Нет отдельного журнала аудита, который нужно проверять, и истории CMS, которую нужно синхронизировать с Git. Английские снепшоты фиксируют, из чего был сделан каждый перевод, поэтому даже контент, переведенный ИИ, имеет проверяемую историю происхождения: этот французский текст получился из того английского текста с помощью такой-то модели в такую-то дату.

Локальная студия замыкает цикл для людей. Просматривайте, что трогал агент, ищите по всем документам, предпросматривайте страницы с разрешенными ссылками и изображениями, а также мгновенно проверяйте охват переводов. Агенты редактируют файлы, люди проверяют их в студии.

Предоставление контента для ИИ, а не только с его помощью

Те же свойства, которые делают Scribe удобным для записи агентами, делают ваш сайт легким для чтения системами ИИ. Команда scribe export-static записывает простые MDX-версии каждой страницы для каждой локали в статическую директорию: чистый текст с минимумом разметки, с которым LLM-краулеры и поисковые системы справляются гораздо лучше, чем с отрендеренным HTML. Ваш контент читаем для ИИ на обоих концах пайплайна.

Это не теория

Этот сайт — рабочий пример. Консолидация журнала изменений, реструктуризация документации и бóльшая часть поддержки контента, который вы читаете, были выполнены ИИ-агентами, работающими в репозитории, проверены с помощью scribe validate и просмотрены человеком в виде diff-ов. Модель на базе Git была разработана для команд; оказалось, что это именно то, что нужно и агентам.

Если вы создаете сайт, который будут помогать поддерживать ИИ-агенты, начните с руководства по началу работы и дайте агенту задачу. Рабочий процесс покажется ему знакомым.