Разработка на 1С с AI-агентами [infostart] [Александр Свойкин, Александр Лещинский]

Этот курс — про системную работу с AI-агентом. Многие знают о возможностях ИИ и эпизодически им пользуются, но время по-прежнему уходит на типовой код, поиск ошибок, разбор чужой кодовой базы и рутинные доработки. Главное, что вы освоите: Постановку задач AI-агенту и передачу контекста проекта — через spec, AGENTS.md и собственные Skills Решение реальных задач 1С с агентом: расширения, HTTP-сервисы, интеграции, доработка форм Расширение возможностей агента через MCP и автоматическую проверку результата тестами YAxUnit Кому подойдет: Курс будет полезен опытным специалистам 1С, которые хотят получать практический результат от работы с агентами. Не 50 на 50, а так, чтобы все ТЗ трансформировались в код, написанный агентами. С языком 1С LLM обучена хуже, чем на остальных языках. Например, написать сложный отчет на СКД правильно с первого раза агентом почти невозможно. Да и написанный код не всегда будет подходить под стандарты фирмы 1С. Мы не будем говорить о базе работы языковых моделей — этой информации полно в интернете. Мы будем говорить о том, как дорабатывать это в 1С. Преимущества курса: Только живые вебинары Восемь занятий с авторами курса дважды в неделю: разработка идёт прямо на глазах, вопросы задаются сразу, а не в комментариях под записью. Собственные инструменты агента Skills, правила репозитория, MCP-сервер над 1С — вы не просто пользуетесь чужими инструментами, а делаете свои под свои задачи. Инженерный процесс, а не «магия ИИ» Задача, design, spec, план, реализация, review и проверка — вы научитесь принимать результат по проверке в 1С, а не по бодрому отчёту агента. Задачи из реальной работы Загрузка цен поставщиков, доработка сложной формы, обмен между УТ 11 и БУХ 3 через Kafka, HTTP-сервис в расширении — то, с чем вы сталкиваетесь каждый спринт. В результате прохождения вы сможете: Разрабатывать в 1С вместе с AI-агентом Научитесь ставить агенту задачи и передавать контекст проекта так, чтобы получать рабочий результат, а не бесконечно исправлять сгенерированный код Делегировать агенту полноценные задачи Не только генерация отдельных функций, но и разработка сервисов, интеграций и комплексных изменений существующих решений 1С Расширять возможности агента под свои задачи Создавать Skills, использовать AGENTS.md и подключать собственные инструменты через MCP для работы с вашей 1С Встраивать автоматическую проверку Использовать тесты в агентном цикле: агент пишет код, запускает проверки, анализирует ошибки и корректирует решение Автоматизировать работу с тестовыми данными Научить агента анализировать метаданные 1С, готовить связанные данные и проверять результат автоматическими тестами Создать собственную среду агентской разработки Соберёте правила, Skills и MCP-инструменты в переиспользуемый набор для следующих проектов и всей команды Какое ПО нужно и как с ним работать. Контраст Vibe-кодинга и SDD, минимальная обвязка, компактный SDD и грамотная работа с контекстом. По итогам урока вы напишете с помощью агента готовое расширение со стабильным результатом, которое можно использовать в работе. Урок 2. Как ставить задачи AI-агенту Погружаемся в особенности формирования спецификаций и проходим все этапы работы над задачей. Создаём собственные Skills и правила, редактируем уже созданные. На выходе — готовая рабочая конфигурация. Урок 3. HTTP-сервис в расширении 1С: разработка через Superpowers Подготовленный контекст: правила репозитория и skills. Superpowers как процесс: workflow выбирается до кода. Изоляция работы в feature-ветке, brainstorming на фактах выгрузки конфигурации, design, spec и план реализации. Вертикальные слайсы RED — GREEN — review, сквозная проверка внешним HTTP-клиентом и в Предприятии, merge и перенос процесса на следующую задачу. Урок 4. MCP-сервер над 1С: работа агента с базой из чата MCP SDK на TypeScript: минимальный сервер. Tools — те же ручки, снабжённые описанием для агента. Транспорт: stdio для локального сервера, Streamable HTTP для удалённого. Подключение сервера к клиенту через конфиг и демонстрация: агент создаёт заказ клиента из чата, без REST-клиентов и браузера. Модуль 2. Инженерная разработка с ИИ Урок 5. Доработка форм 1С с AI-агентом Работа с графическими артефактами и особенности работы с интерфейсами. Программисты часто работают с изображениями, а LLM не всегда обрабатывает их корректно — разберём, как выстроить работу так, чтобы получать нужный результат. Урок 6. Разработка интеграций в конфигурациях 1С Правильная структура проекта под задачи интеграции и паттерны для успешной кодогенерации. Формат сообщения и контракт данных: как описать схему документа для агента, чтобы он сам сопоставил реквизиты. Подключение шины данных к обмену на примере Kafka: выгрузка из УТ 11, загрузка в БУХ 3. Урок 7. Тестовые данные через MCP и проверка YAxUnit Почему подготовка тестовых данных — самая дорогая часть проверки. YAxUnit: что это за фреймворк и что он умеет. Агент раскручивает конфигурацию по выгрузке и сам находит цепочку объектов, наполняет базу из чата через MCP. Проведение как отдельная операция контракта: без движений нет данных. Запуск тестов инструментом MCP и разбор jUnit-отчёта. Урок 8. Создание собственного набора инструментов для агентной разработки в 1С Почему артефакты, накопленные в одной папке, не становятся капиталом команды. Что может нести плагин: правила, skills, MCP-серверы, команды и хуки. Открытый стандарт Agent Plugins и почему для команды важнее переносимость. Сборка плагина из наработок курса, публикация репозиторием и подключение у второго разработчика. Версии, обновления и то, что нельзя выкладывать: секреты и локальные пути. Итоги курса Подведём итоги обучения, разберём ключевые достижения и ответим на оставшиеся вопросы. Завершение курса — не конец, а начало вашей работы с агентами в реальных проектах.