18 сентября 2026 года GitHub в посте Should you read the code, is RAG dead, and did Skills kill MCP? разобрала пять горячих тезисов из свежего выпуска GitHub Podcast. Если у вас бот с MCP, markdown-skill или поиск по своей базе, это про то, что в одном контуре живёт вместе, а не про новый id модели в кабинете.
Автор – GPS, Senior Developer Experience Advocate. В выпуске пять фраз, которые хорошо залетают в ленту: читать ли код агента, возьмут ли на работу без ИИ, убили ли Skills протокол MCP, мёртв ли RAG, и надо ли дообучать модель под свой репозиторий. Пост – расшифровка позиции GitHub, не changelog Copilot и не карточка тарифа.
Пока не можете объяснить результат
Первый тезис: «код агента читать не нужно». Ответ в тексте прямой: нужно. Ответственность за код никуда не делась. Другое дело, что не каждая строка требует одного и того же внимания.
Рефактор продакшен-аутентификации и CSS-эксперимент – разный риск. Репозиторий, который вы ведёте десять лет, и чужой проект, открытый утром, тоже. Притворяться, что любой дифф одинаково опасен, в посте называют не строгостью, а плохим расходом времени.
Правило короткое: ревьюить, пока можете объяснить результат и за него ответить. Иногда работа начинается до того, как агент что-то написал: читаете текущую реализацию, зависимости, края, план. Когда появляется первый черновик, вы уже понимаете, куда он должен попасть и где обычно ломается. Иногда почти всё внимание уходит в сам сгенерированный код: ошибки, права, доступ к данным, скорость, доступность, тесты.
ИИ двигает усилия, а не отменяет работу. Навык – понять, где живёт риск. Для человека с сайтом или ботом это скучнее, чем «агент сам закоммитит», и ближе к тому, как код реально уезжает в прод.
Второй тезис про найм: «без ИИ вас не возьмут». В тексте спокойнее. Команды чаще спрашивают, как кандидат пользуется инструментами. Это уже часть разработки. Никто в посте не требует один и тот же воркфлоу, один и тот же набор и одинаковый восторг.
Сильный сигнал – суждение. Можете объяснить, когда зовёте модель и когда идёте руками. Как смотрите сгенерированный код. Как говорите про скорость, качество, безопасность и сопровождение. Как меняете процесс, когда меняются инструменты. Если компания строит ИИ-продукты или глубоко встроила агентов в инженерию, полный отказ от ИИ может быть плохой посадкой. Полная зависимость – тоже редко хороший ответ. Нужна ясная схема: чему вы доверяете инструмент, где оставляете себя в контуре. Такую беглость в посте называют частью ремесла.
Skills не убили MCP
Третий тезис – заголовок выпуска: Skills убили MCP. Нет. Решают разные задачи.
Model Context Protocol даёт агентам стандарт, как ходить в инструменты и данные. Стандарт нужен, когда системы должны стыковаться предсказуемо: вызвать tool, забрать контекст, сделать действие. Skills ближе к упакованной экспертизе. Скилл может объяснить, как работает команда, как менять проект, как пользоваться инструментом, какие соглашения нельзя ломать. Часто это Markdown, и его может прочитать человек. Читаемость в тексте названа частью ценности, не побочным эффектом.
Формула из поста: MCP даёт доступ, Skills объясняют, как этим доступом пользоваться хорошо. Победителя выбирать не нужно. Стандарт – на общие интерфейсы. Скиллы – на контекст, процесс и практики. Интереснее связка, чем спор «что кого убило».
Если у вас бот уже дергает почту, тикеты или CMS через MCP, а рядом лежит skill с правилами проекта, 18 сентября ничего из этого не отменили. Не выдёргивайте протокол из-за чужого треда. Не ждите, что один markdown-файл заменит схему tools. Это разные слои одного контура.
RAG не мёртв
Четвёртый тезис: RAG умер. В посте: не умер. Просто это уже не самая свежая фраза для ленты.
Retrieval-augmented generation подсовывает модели сведения вне её обучения: документацию, историю поддержки, карточки продукта, внутреннюю базу, контекст репозитория. Без нормального поиска модель опирается на то, что уже знает, или тратит ходы на блуждание. Это лишние токены, медленнее ответ, выше шанс дырявого ответа. Хороший retrieval ставит модель ближе к ответу: сужает пространство и опирает текст на то, что к задаче относится.
Агент, skill, MCP и RAG в одном воркфлоу уживаются. Агент может сходить в tool по MCP, прочитать skill с правилами проекта и подтянуть нужный кусок базы поиском. Они не дерутся. Спор «что победило» плохо описывает, как люди это собирают.
Пятый тезис: «если модель надо дообучать под ваш код, код плохой». В тексте есть оговорка: дообучение бывает нужно. Но современные модели уже видели кучу фреймворков, имён и архитектур. Если модель не может разобрать репозиторий, новый человек, скорее всего, тоже споткнётся.
ИИ здесь ещё один тест на сопровождаемость рядом с ревью, тестами, онбордингом и тем, кто будет чинить это через полгода. Ясная структура, устойчивые имена, читаемые тесты, живые абстракции, актуальная документация помогают агенту. Важнее, что они помогают человеку смотреть, чинить и наращивать код. Разработка с ИИ вознаграждает репозитории, где намерение видно сразу.
В конце поста два живых примера, не как доказательство всех споров, а как место, где видны компромиссы. Pollinations AI экспериментирует с платформой, где контрибьюторы зарабатывают кредиты pollen: issues, модели, квесты. Вопросы про стимулы, качество и то, как выглядит вклад, когда ИИ снижает порог входа. Avian Visitors – журнал сборки: микрофон, Raspberry Pi, e-ink, 3D-печать и картинки птиц с балкона. Это не ответ «MCP против Skills». Это артефакт, на котором видно, что реально собрали.
Сводка из текста спокойная. Читать код достаточно, чтобы владеть результатом. Уметь объяснить, как вы работаете с ИИ. MCP – когда нужен общий интерфейс. Skills – когда важны контекст и процесс. RAG – когда опора на свои данные делает систему лучше. Если код путает и людей, и модели, это задача на сопровождаемость, не повод немедленно fine-tune.
Для человека с сайтом, ботом или ключом 18 сентября нового тарифа, Linux-пакета и кнопки в админке не появилось. Появилась публичная позиция GitHub: не выбирайте «победителя стека» из чужого хот-тейка. Если MCP, skill и поиск по базе у вас уже стоят рядом, пост скорее подтверждает эту схему, чем ломает её. Подписка на выпуск – gh.io/podcast, страница шоу – GitHub Podcast.
