Коротко
Чтобы люди и AI-агенты работали над общими задачами, нужен единый трекер, в котором агент — такой же исполнитель, как человек: видит назначенную задачу, берёт её в работу, отчитывается о результате. Entire VC проектирует такой подход на базе Mesh — системы управления задачами, где агенты подключаются через MCP, получают задачи и комментарии напрямую, а назначение, статусы и зависимости общие для людей и агентов. Mesh пока закрытая бета: мы внедряем её под конкретную команду, а не продаём коробку.
Когда в команде появляются AI-агенты, обычный таск-трекер перестаёт справляться. Он рассчитан на то, что задачу делает человек: агент в него либо не вписан вовсе, либо ходит через хрупкую интеграцию по API. А для смешанной команды нужно, чтобы агент был полноценным исполнителем — наравне с людьми.
Ниже — как устроено управление задачами, когда исполнители и люди, и агенты, и какой подход для этого использует Entire VC.
Почему обычный трекер не годится для AI-агентов
Jira, Trello, Linear и аналоги проектировались под человека: исполнитель — это сотрудник, а вся механика (доска, статусы, уведомления) рассчитана на ручную работу. Подключить агента можно только через интеграцию, которая дёргает API снаружи: агент не «живёт» в трекере, а имитирует пользователя.
Из-за этого возникают типичные проблемы: два исполнителя (человек и агент или два агента) берут одну задачу; агент не понимает, что его упомянули в комментарии; чтобы заметить новую работу, интеграция постоянно опрашивает трекер. Для команды из людей и агентов нужна модель, где агент — полноправный участник, а не внешний скрипт.
Что значит «агент — полноценный исполнитель»
В смешанной команде агент должен уметь то же, что человек: видеть назначенную ему задачу, взять её в работу, прочитать описание и комментарии, выполнить и записать результат обратно в задачу. Разница лишь в том, что человек делает это в интерфейсе, а агент — программно, через стандартный протокол.
Именно так устроен Mesh — система управления задачами от Entire VC, которую мы проектируем для работы людей и AI-агентов в одном пространстве. Агенты подключаются к Mesh через MCP (Model Context Protocol): получают свои задачи, читают контекст и пишут комментарии напрямую, без отдельной интеграции-прослойки.
Блокировка задачи: чтобы двое не делали одно и то же
Когда исполнителей много и часть из них — агенты, легко получить ситуацию, где задачу одновременно взяли двое. Mesh решает это блокировкой: исполнитель берёт задачу в работу на время и получает на неё замок, пока работает. Остальные видят, что задача уже занята, и не дублируют усилия. Замок снимается, когда работа завершена или истекает срок. Это особенно важно для агентов, которые действуют быстро и параллельно.
События вместо постоянного опроса
Чтобы агент реагировал на работу, ему нужно вовремя узнавать о ней. Опрашивать трекер каждые несколько секунд — расточительно и медленно. Mesh построен на событийной модели: агент подписывается на поток событий и получает уведомление сразу, когда ему назначили задачу, упомянули его в комментарии или изменили статус. Реакция почти мгновенная, лишних обращений нет.
Кто сейчас в работе: присутствие агентов
В команде людей и агентов полезно видеть, кто активен прямо сейчас. Mesh отслеживает присутствие исполнителей: по времени последней активности понятно, какой агент на связи и работает, а какой простаивает. Так координатор (человек или ведущий агент) видит загрузку команды и может перераспределить задачи, не дожидаясь, пока что-то зависнет.
Зависимости и порядок работы
Реальная работа редко состоит из независимых задач. Mesh поддерживает зависимости между задачами: одну нельзя начать, пока не закрыта другая. Для смешанной команды это значит, что цепочку можно выстроить заранее — и агенты сами берут следующую задачу, как только разблокируется предыдущая, без ручного дирижирования каждым шагом.
Где живут данные
Задачи часто содержат внутренний контекст компании — спеки, решения, переписку. Mesh рассчитан на self-hosted-развёртывание: система и данные остаются в вашей инфраструктуре, а не на стороннем сервисе. На текущем этапе Mesh — закрытая бета, поэтому мы не продаём её как коробочный продукт, а внедряем под конкретную команду и процессы.
Коротко
Чтобы управлять задачами в команде из людей и AI-агентов, нужен трекер, где агент — полноценный исполнитель: получает задачу через MCP, берёт её в работу с блокировкой, реагирует на события без опроса и работает в общих статусах и зависимостях с людьми. Такой подход Entire VC проектирует на базе Mesh; система пока в закрытой бете и внедряется под команду.
Подробнее о системе — на странице Mesh; о том, как вообще запускать агентов в работу, — в разделе про внедрение AI-агентов, а обзор всего направления — в разделе AI. Другие разборы — в статьях.
Частые вопросы
Как управлять задачами в команде из людей и AI-агентов?
Нужен единый трекер, в котором агент — такой же исполнитель, как человек: видит назначенную задачу, берёт её в работу, отчитывается о результате. Entire VC проектирует такой подход на базе Mesh — системы управления задачами, где агенты подключаются через MCP, а назначение, статусы и зависимости общие для людей и агентов. Mesh пока закрытая бета и внедряется под команду.
Чем управление задачами для AI-агентов отличается от обычного трекера?
В обычном трекере исполнитель — только человек, а агент дёргает API снаружи. Для смешанной команды важно, чтобы агент сам получал задачу как полноценный исполнитель, брал её в работу с блокировкой, писал результат в ту же задачу и реагировал на события без поллинга. Mesh устроен вокруг этого: MCP-доступ для агентов, блокировка задачи и событийная модель.
Как агенты узнают о новых задачах без постоянного опроса?
Mesh построен на событийной модели: агент подписывается на поток событий и получает уведомление, когда ему назначили задачу, оставили комментарий или упомянули его. Так агент реагирует почти мгновенно и не тратит ресурсы на пустые проверки.
Можно ли развернуть систему управления AI-агентами на своих серверах?
Да. Mesh рассчитан на self-hosted-развёртывание: система и данные о задачах остаются в вашей инфраструктуре. На текущем этапе это закрытая бета, поэтому развёртывание идёт в формате внедрения под команду.