Старт карьеры и инженерная база
Погружение в IT-индустрию, сложные системы и практики, которые помогают соединять технические решения с задачами бизнеса.
Владимир Ломтев
Опыт BigTech в безопасный доступ для AI-агентов Помогает командам внедрять AI-агентов так, чтобы права, секреты, контекст и аудит оставались под контролем.Опыт и путь в IT
CarPrice
Работа в технологичном автомобильном marketplace: операционные процессы, цифровые продажи и продуктовая связка между клиентским опытом и внутренними системами.
CM.Expert и рост продаж
Развитие регионального направления, управление существенной долей бизнеса и настройка процессов в быстро меняющейся технологической среде.
BigTech: Яндекс
Проектная работа, интеграция процессов, перезапуск продаж ML-продукта и обучение команд работе с новыми технологическими сценариями.
CODENIK
Создание продукта для AI-инфраструктуры: MCP, управляемый доступ, аудит действий агентов, безопасная работа с секретами и корпоративным контекстом.
Принципы работы
Только измеримая польза
AI-инструменты должны сокращать ручную работу, ускорять цикл разработки или открывать новый поток выручки. Хайп без результата не проходит.
Полный цикл реализации
От исследования и PRD до внедрения в рабочие процессы, мониторинга и понятной ответственности за результат.
Безопасность как часть продукта
Агентский доступ нельзя строить на локальных токенах и ручных исключениях. Нужны права, секреты, аудит и короткий контекст.
Экспертиза
MCP и слой доступа
Архитектура подключений между AI-агентами, репозиториями, таск-трекерами, базами знаний и внутренними инструментами.
- MCP
- permissions
- audit
AI-агенты для разработки
Сценарии, где агент получает задачу, контекст, ограничения и инструменты без копирования данных вручную.
- AI agents
- code review
- developer workflows
RAG, GraphRAG и контекст
Подбор релевантных знаний для модели без передачи всего архива документов и лишних данных.
- RAG
- GraphRAG
- knowledge base
Продуктовое внедрение
Перевод сложной технической идеи в понятный пилот, метрики успеха и рабочую интеграцию для команды.
- PRD
- pilot
- delivery
Частые вопросы
Как Владимир Ломтев связан с Codenik?
Владимир развивает Codenik как продукт для безопасного доступа AI-агентов к корпоративным системам: кодовым репозиториям, задачам, документам и внутренним инструментам.
Какой опыт помогает ему писать про AI-агентов и MCP?
С 2008 года Владимир работает в IT и продуктовых командах, включая опыт в Яндексе и запуск собственных технологических проектов. Этот путь помогает объяснять AI-инфраструктуру через реальные бизнес-процессы.
В чем главный принцип внедрения AI-агентов?
Агент должен работать через управляемый доступ: с ограниченными правами, защищенными секретами, понятным аудитом и контекстом только по задаче.
О чем Владимир пишет в блоге Codenik?
О MCP, безопасности агентского доступа, аудите действий, хранении секретов и практическом внедрении AI-инструментов в командах разработки.
Можно ли обсудить внедрение Codenik с Владимиром?
Да. Лучше всего начать с короткого описания текущего сценария: какие системы нужно подключить к агентам, где сейчас хранятся токены и какой аудит требуется команде.
Статьи автора
MCP Registry: как собрать распределённые MCP-серверы в управляемый реестр Без реестра MCP расползаются. Что хранит registry (6 полей), lifecycle из 5 этапов и защита от rogue registration через mTLS/OIDC. mTLS для MCP: когда взаимный TLS сильнее OAuth и как его внедрить mTLS выносит секрет из header в handshake: 4 шага, когда стоит и когда нет, ротация и сочетании с OAuth для multi-tenant MCP — по спекам 2025-11-25/2026-07-28. Песочница для AI-агентов: gVisor vs Firecracker vs Kata — как изолировать код Docker недостаточно для LLM-кода: 4 уровня изоляции (Docker, gVisor, Firecracker, Wasm), таблица boot/memory и Kubernetes agent-sandbox — как выбрать за 5 минут. SOC 2 для AI-агентов: как пройти аудит когда часть работы делают агенты SOC 2 не знает что такое агент, но спрашивает про контроли. 5 evidence для CC6.1/7.2/9.2, частые провалы и чеклист readiness. UEBA для AI-агентов: как ловить аномалии поведения, а не только события От UEBA к AEBA: baseline 24h/90d, peer-group, deviation score и 5 слоёв правил IETF AEBA — как научить SIEM видеть drift агента. A2A vs MCP: чем отличаются протоколы для AI-агентов и как их сочетать Разбираем A2A и MCP: один — агент к инструментам, второй — агент к агенту. Таблица по 6 критериям, архитектура вместе и чеклист когда что выбирать. Governance флота AI-агентов: политики, квоты и жизненный цикл в enterprise Как управлять флотом из сотен AI-агентов: инвентарь, владелец, policy as code, квоты и жизненный цикл create→review→revoke. Модель зрелости и RACI для enterprise. Non-human identity для AI-агентов: как выдавать, ограничивать и отзывать доступ Что такое NHI для AI-агентов и чем она отличается от human identity: масштаб 45:1, 4 провала жизненного цикла, кейс с утечкой OAuth-токенов и модель short-lived доступа. Безопасный RAG для AI-агентов: как не отдать лишнее на уровне чанка 5 точек утечки RAG с агентами: права до retrieval, минимизация контекста, шифрование векторов, защита от poisoning и аудит. Чеклист и архитектура по ФСТЭК 117 и 152-ФЗ. EU AI Act для AI-агентов: что требует закон в 2026–2028 Применяется ли EU AI Act к вашим агентам: 4 уровня риска, provider vs deployer, 6 блоков governance и сдвинутые дедлайны Omnibus до 2027–2028. JIT-доступ для AI-агентов: как убрать standing privilege Что такое Zero Standing Privilege для агентов: 4 паттерна JIT, 6 вопросов перед грантом и почему долгоживущие токены — главный риск флота. MCP-шлюз: зачем нужен gateway между AI-агентами и корпоративными инструментами Что такое MCP gateway и чем он отличается от API gateway: two-plane архитектура, 6 шагов запроса, filtered discovery и как собрать хаос MCP-серверов в один управляемый шлюз. Supply chain MCP-серверов: как проверять чужой MCP до подключения MCP как исполняемый supply chain: 3 класса атак через чужой сервер, почему сканеры пропускают и чеклист из 6 проверок до tools/list — с непрерывным мониторингом описаний. Ротация секретов для AI-агентов: как автоматизировать без даунтайма Key sprawl 60 ключей из 5 провайдеров: как убрать секреты из кода, централизовать в Vault и настроить 48-часовую overlap-ротацию с runbook отзыва. SIEM для AI-агентов: как связать аудит агентов с SOC Как завести аудит AI-агентов в SIEM: 5 полей обязательного лога, pipeline через OpenTelemetry, 3 детекции и ретеншен по Article 12 — без утопания в объеме. Контекст для AI-агента: почему длинный контекст «тупит» и как им управлять Context engineering: контекст-рот, подгрузка just-in-time, компрессия и агентная память. Как отдать агенту минимум высокосигнальных токенов и не утечь лишних данных. Доступ AI-агента к базе данных: как дать без риска DROP и утечки Как дать AI-агенту доступ к БД безопасно: read-only по умолчанию, узкие представления, маскирование PII до контекста, лимиты и аудит каждого запроса. Жизненный цикл AI-агента: от онбординга до отзыва доступа Как управлять жизненным циклом AI-агента как сотрудником: онбординг через каталог, ротация секретов, scope upgrade и офбординг без висячих токенов. Observability и аудит AI-агентов: как понять, что агент делает Audit и observability агентов — почему это разные уровни. Что логировать для безопасности (кто, что, какие данные) и что трейсить для производительности. Журнал вызовов как общее ядро. Централизованное хранение секретов для AI-агентов: Vault вместо конфигов на ноутбуках Как централизовать секреты для AI-агентов: Vault-шлюз, dynamic tokens, ротация и отзыв в одном месте. Агент вызывает систему без знания токена, секрет не попадает в контекст. AI-агент или API: когда задача вообще оправдывает агента Decision-фреймворк: workflow, API-интеграция и агент — чем отличаются и когда что выбирать. Как автономный агент меняет права и риски и когда его не стоит внедрять. AgentOps: как эксплуатировать AI-агентов в проде без сюрпризов AgentOps для AI-агентов в проде: SLO, трассировка и журнал, runbook, graceful degradation и incident response. Как сделать агента наблюдаемым и управляемым. 152-ФЗ для AI-агентов: как обрабатывать ПДн и не нарушить Как сделать AI-агентов совместимыми с 152-ФЗ: локализация ПДн в РФ, согласие и цели, минимизация данных и аудит как evidence. Что хранить и как доказать. Какие данные отдавать AI-агенту: классификация перед подключением Фреймворк классификации корпоративных данных для AI-агентов: что отдавать всегда, выборочно и никогда. Как из меток сделать исполнимые политики доступа без ручного согласования. DLP для AI-агентов: как не дать промпту унести данные Почему обычный DLP не видит утечки через AI и как AI DLP инспектирует промпты и ответы на HTTP-границе: allow, redact, route, block с аудитом по identity. Инцидент-респонс для AI-агентов: playbook от фиксации до предотвращения повтора Playbook инцидент-респонса для AI-агентов: как фиксировать trace_id, расследовать по журналу, отзывать scope и добавлять кейс в golden-набор. 5 шагов чтобы не повторить. Авторизация MCP: OAuth 2.1, PKCE и как не отдать чужой токен Как работает авторизация MCP по спеке 2026: OAuth 2.1 + PKCE, Protected Resource Metadata, Resource Indicators и audience. Почему token passthrough — главный антипаттерн. Каталог MCP-инструментов в компании: как не превратить 30 серверов в зоопарк Как построить внутренний каталог MCP-инструментов: что хранить в записи, как версионировать, защита от rug pull через hash описаний, владелец и аудит использования. Безопасность многоагентных AI-систем: один скомпрометированный агент не должен тянуть всех Multi-agent безопасность: изоляция контекста субагентов, разделение прав оркестратора, наименьшие привилегии и аудит. Как взлом одного агента не превратить во взлом всех. On-prem AI-агенты: когда облако не подходит и как не потерять управление Когда выбирать on-prem для AI-агентов: 152-ФЗ, data residency, air-gapped. Как сохранить права, аудит и DLP внутри периметра без выхода данных в облако. Теневой ИИ: как найти несанкционированные AI-инструменты и взять их под контроль Что такое shadow AI и как его обнаружить: 3.2x больше инструментов чем в реестре, 77% пастят в промпты. Почему запрет не работает и как закрыть дыру санкционированным путём. Сколько стоят AI-агенты: из чего складывается TCO и как считать ROI TCO AI-агента — не только токены: контекст, права, аудит, сопровождение. Разбор стоимости, где теряются деньги и как считать ROI внедрения без маркетинга. Как тестировать AI-агентов: eval-наборы, метрики и ловушки Практичный подход к тестированию AI-агентов: golden-наборы, метрики качества и стоимости, как отличить регрессию от шума и не пустить PII в прод. Eval как CI для агентов. Tool poisoning: как отравляют описания инструментов и как защититься Что такое tool poisoning в MCP: как вредоносное описание заставляет агента слить данные. Защита — каталог с hash описаний, валидация и DLP на tool-вызовах. Zero Trust для AI-агентов: никогда не доверяй агенту и его выводу Как применить Zero Trust к AI-агентам: identity на каждый вызов, проверка audience и scope, микросегментация и DLP на каждом шаге. Периметр не работает — работает шлюз. Human-in-the-loop для AI-агентов: что отдавать на подтверждение Какие действия AI-агента требуют подтверждения человека: матрица рисков, антипаттерны approval flow и подтверждение как часть контроля доступа. Как подключать сторонние MCP-серверы без риска для компании Практический чек-лист: tool poisoning и rug pull атаки на MCP-серверы, проверка перед подключением, реестр одобренных серверов и шлюз с аудит. Права доступа для AI-агентов: меньше, чем у сотрудника Как выдавать права AI-агентам: отдельная identity, on-behalf-of вызовы и минимальные привилегии по операциям вместо общего сервисного токена. Prompt injection у AI-агентов: почему фильтры не спасают Почему косвенная prompt-инъекция обходит фильтры и что реально ограничивает последствия: изоляция, узкие инструменты, права агента и аудит вызовов. Как внедрить AI-агентов в компании: план без хаоса Практический план внедрения AI-агентов: выбор первого сценария, identity и права агента, границы автономии, аудит и масштабирование через платформу доступа. Как автоматизировать протоколы встреч с помощью MCP и AI-агентов Практическая схема: запись и транскрибация встреч, проверка решений, задачи через MCP и AI-агентов — без ручного переноса между системами. Зачем ИИ-агентам слой доступа Как безопасно дать агентам доступ к коду, задачам и документам без личных токенов на ноутбуках. Что такое MCP и зачем он нужен Разбираем Model Context Protocol: как MCP подключает AI-агентов к данным, инструментам и корпоративным системам без хаоса интеграций. Новости LLM за неделю: Opus 5, Gemini 3.6 и агенты в продакшене Главные новости LLM 21–28 июля 2026 года: Claude Opus 5, новые Gemini, OpenAI Presence и уроки инцидента с AI-агентом. MCP или CLI для AI-агентов: плюсы, минусы и выбор Сравниваем MCP и CLI для AI-агентов: контекст, скорость, безопасность, права и аудит. Практическая матрица выбора для корпоративной инфраструктуры. Аудит действий агента Что нужно логировать, чтобы действия ИИ-агента были понятны команде безопасности и разработчикам. MCP без локальных секретов Почему MCP-инструменты удобнее подключать через управляемый шлюз, а не через токены в локальных конфигурациях.