Sanity изучила 1,46 млн операций агентов: что показывают данные

15 июня 2026 года Sanity опубликовала исследование 1,46 млн вызовов инструментов своего MCP-сервера. MCP, или Model Context Protocol, — протокол подключения инструментов к AI-агенту. Анализ охватывает период с сентября 2025 по апрель 2026 года. В отличие от опроса о намерениях, это данные о действиях, которые программы действительно отправляли в систему управления содержанием.

Но единица такого наблюдения — вызов инструмента. Она не равна пользователю, написанной статье или успешно завершённому проекту. Один агент может выполнить несколько запросов для одной задачи, повторить операцию после ошибки или использовать результаты чтения без изменения сайта.

В материале Sanity указаны 12,3 тыс. пользователей и 12,5 тыс. организаций за исследуемый период. Количественные данные дополнены интервью с 12 руководителями контентных команд из восьми отраслей. Среди наблюдаемых операций авторы обсуждают чтение, редактирование, публикацию, миграции и локализацию.

Авторы отдельно оговаривают границу: выборка состоит из команд, уже подключивших AI к структурированному контентному хранилищу. Она не представляет весь рынок CMS. Текст о намерении операции может формировать сама модель, поэтому его следует рассматривать как дополнительную телеметрию, а не независимое доказательство успеха задания.

Представим два редакционных процесса. В первом агент делает один точный запрос, готовит правильную правку и передаёт её человеку. Во втором многократно читает материалы, исправляет собственные ошибки и возвращает неполный результат. Второй процесс может дать больше вызовов инструмента, но не больше пользы редакции.

Поэтому для собственного проекта полезно связывать технические действия с результатом. Какое поручение выполнялось? Сколько материалов удалось подготовить? Какие изменения принял редактор? Сколько времени заняли исправления? Эти данные позволяют оценить работу агента ближе к задаче команды, чем общий счётчик обращений к API.

Сами журналы также важны для поддержки. Если материал изменился неожиданно, нужно восстановить последовательность действий и понять, какие условия видел исполнитель. Описание намерения может помочь найти соответствующее поручение. Но оно не заменяет проверяемые параметры операции, пользователя, время и сохранённую версию содержания.

Необязательно начинать с крупного аналитического хранилища. Достаточно выбрать один повторяемый сценарий — например, подготовку переводов карточек. Для каждого запуска зафиксировать объём задания, результат проверки, число возвращённых на доработку материалов и время согласования. Несколько недель таких наблюдений покажут, где агент помогает, а где требует слишком много внимания.

Следующий шаг — разделить обычную работу и исключения. Ошибки доступа, неверные источники, конфликты версий и неясные задания возникают по разным причинам. Если объединять их в общий процент отказов, будет трудно выбрать правильное улучшение. Полезнее описывать конкретный тип затруднения и проверять, что изменилось после исправления.

Собираемые сведения должны быть соразмерны задаче. В свободном описании намерения могут оказаться служебные факты или персональные данные. Команде стоит определить, что допустимо сохранять и кто читает журнал. Больше телеметрии не всегда означает лучшее понимание, особенно если она создаёт дополнительную ответственность.

Исследование Sanity полезно тем, что показывает один реально измеренный контур агентной работы с CMS и открыто обозначает его ограничения. Из него нельзя вывести универсальную производительность любой модели или долю автоматизации всех редакций. Зато оно помогает сформулировать вопросы к собственному пилоту.

Критерий полезной автоматизации — принятый результат и понятный процесс его получения. Смотрите также как люди и агенты работают с одним сайтом. Первичный материал проверен 9 октября 2026 года; примеры оценки в нашей статье — рекомендации для наблюдения, не результаты собственного исследования.