Запуск AI-агентов в реальном кодобазе — это не просто «попросить Claude написать фичу». Это решение трех критических проблем: планирования (чтобы агент не ушел в дебри), наблюдаемости (чтобы понимать, что идет не так) и оркестрации (чтобы агенты не затирали код друг друга).

Вадим, создатель сервиса nomadically.work, поделился стеком, который позволяет его AI-пайплайну работать стабильно. В основе лежат три «столпа»: BMAD v6, Langfuse и Claude Code Agent Teams.

Три столпа надежной разработки с AI

Если вы пропустите один из этих элементов, система посыпется:

• Без BMAD: Агенты теряют структуру и выдают код, не соответствующий требованиям.
• Без Langfuse: Вы работаете вслепую, не понимая точность промптов и причины ошибок.
• Без Agent Teams: Получаете конфликты слияния и перезаписанные файлы.

| Проблема | Инструмент | Механизм | | :--- | :--- | :--- | | Дрейф требований | BMAD v6 | Архитектура step-файлов и чек-листы | | Невидимость вывода LLM | Langfuse | Трейсинг, версионирование и скоринг | | Конфликты в файлах | Claude Code | Ролевая модель и разграничение прав |

Столб №1: BMAD v6 — Воркфлоу и гейты качества

Метод BMAD (BMAD Method) структурирует разработку через фазы, управляемые step-файлами. Это Markdown-документы, которые диктуют агенту, что делать, какое состояние передать дальше и какой файл загрузить следующим.

Ключевой инсайт версии v6: даже огромные контекстные окна страдают от эффекта «lost in the middle». Агенты забывают инструкции из начала диалога. BMAD решает это, разбивая задачу на атомарные шаги с жестким контролем.

Структура проекта выглядит так:

_bmad/
├── core/          ← базовые задачи (ревью и т.д.)
└── bmm/           ← модули метода: агенты и воркфлоу
    ├── config.yaml
    └── workflows/
        └── bmad-quick-flow/
            ├── quick-spec/
            └── quick-dev/

Столб №2: Langfuse — Наблюдаемость

Когда агент работает в фоне, вам нужно видеть каждый шаг. Langfuse используется для трейсинга и управления промптами. Важный нюанс для вайбкодеров: если вы деплоите на Edge (например, Vercel Edge Runtime), стандартный SDK может не подойти, поэтому интеграция требует внимания к совместимости.

С помощью Langfuse можно проводить A/B тесты промптов и выставлять оценки (scores) ответам агентов, формируя петлю обратной связи для улучшения системы.

Столб №3: Claude Code Agent Teams

Это надстройка над SDK от Anthropic (@anthropic-ai/claude-agent-sdk), которая позволяет нескольким инстансам Claude работать сообща.

В системе определяются роли (например, через директорию .claude/team-roles/). Каждый агент получает свой spawn prompt — описание личности, зоны ответственности и ограничений. Это предотвращает ситуацию, когда «фронтенд-агент» лезет править миграции базы данных.

Что это значит для вайбкодеров?

Эпоха «одного чата с Claude» проходит. Для создания серьезных продуктов на базе AI-агентов нам нужно переходить к архитектурному подходу.

Использование BMAD Method превращает хаотичный кодинг в предсказуемый конвейер. Если вы используете Cursor или Windsurf, внедрение принципов step-файлов из BMAD поможет вашим агентам не «тупить» на сложных задачах и четко следовать спецификациям.