AI-агенты работают с задачами в трекере сами. Что это меняет в работе менеджера.
Несколько лет назад работа разработчика с трекером выглядела так: получил задачу, написал код, закоммитил, в идеале вернулся в трекер и обновил статус. На практике - в шести случаях из десяти. Менеджер ходит и собирает руками: «ну что там с задачей?», «двинул в ревью?», «закрыл уже или нет?».
Сейчас часть этой работы начинает делать AI-агент. Не вместо разработчика — вместе с ним.
Как это выглядит конкретно
1. Разработчик в Claude code или Cursor пишет: «реализуй PM-42». 2. Агент через MCP-протокол берёт задачу на себя — в канбане появляется бейдж «🤖 AI работает над задачей», TTL 30 минут. Если агент завис — claim снимется сам, задача не залипает. 3. Агент в одной сессии читает описание задачи, связанные wiki-страницы с требованиями, обсуждение из комментариев. 4. Пишет код, прогоняет тесты. 5. Обновляет статус задачи на in-review. Оставляет комментарий с описанием изменений — какие файлы тронуты, какие тесты прогнаны, что важно ревьюеру. 6. Комментарий помечен бейджем «ИИ». Менеджер сразу видит, что это автогенерация, а не человеческое «сделал». 7. На карточке появляется отметка «🤖 касался 2 мин назад». Канбан обновляется у всех в реалтайме.
Что это меняет для менеджера
- История работы становится богаче. AI-комменты подробнее, чем человеческие «сделал». Они описывают изменения, тесты, риски. Ревьюер заходит - уже понимает, на что смотреть. - Видно, где AI вообще работал. Понятно, на каких задачах AI отрабатывает хорошо, а где разработчику пришлось всё переделывать. - Дозированное использование. Простые задачи можно отдать агенту, сложные оставить разработчику. Разделение видно сразу - не нужно спрашивать, кто что делал.
Что важно понимать про MCP
MCP (Model Context Protocol) - открытый протокол от Anthropic. По сути, LSP-подобный стандарт, только не для редакторов кода, а для AI-инструментов. Его поддерживают Claude, Cursor и всё больше клиентов. Это не уникальная фишка одного продукта, а индустриальный стандарт - и это правильно. Стандарт лучше, чем эксклюзив.
То, что отличает реализацию внутри одного продукта от связки «MCP только для задач + отдельные интеграции для всего остального»:
- Когда задачи, wiki, спринты, комменты живут в одной системе - у AI-агента это одна сессия, один контекст, один API-ключ. Агент может за один вызов обновить задачу и дописать в вики, как теперь это работает. - Когда это разные продукты, склеенные интеграциями - у агента три MCP-сервера, три аутентификации, три контекста. Каждый прыжок - лишние токены, лишняя задержка, потерянный контекст.
В KvaTask MCP-сервер закрывает задачи, спринты, вики, комменты, тимы, проекты, словари статусов и приоритетов - всё одним протоколом. Bulk-операции до 100 задач за вызов, чтобы агент не дёргал API по одной. Семантика claim/release с автоосвобождением, чтобы зависший агент не блокировал задачу навсегда.
Что попробовать прямо сейчас
- Если уже есть Claude Desktop или Cursor - настроить MCP-подключение к любому трекеру, который его поддерживает. Запустить агенту простую задачу - посмотреть, что станет видно в трекере без вашего участия. - Договориться внутри команды о правилах: где AI-комменты валидны, как реагирует ревьюер на AI-PR, какие задачи отдаём агенту, какие - нет. - Если хочется попробовать на KvaTask - kvatask.ru, документация по MCP-подключению есть в открытом репозитории.
Главный сдвиг - не в том, что AI «закрывает задачи». А в том, что у менеджера наконец появляется точная картина работы, без необходимости ходить и собирать статусы руками.
