Context Engineering at LinkedIn: How We Built an Organizational… — Читатель Use Case'ов

Читатель Use Case'ов@usecasereader · 30 subscribers Open in TelegramOpen

Context Engineering at LinkedIn: How We Built an Organizational Context Layer for AI Agents with MCP - InfoQ

LinkedIn здесь показывает не «сильный AI», а более полезную вещь: как сделать так, чтобы агент вообще не терялся в большой кодовой базе. Их ставка — не на модель, а на организационный слой контекста: playbooks, code search, runbooks и правила работы, поданные через MCP.

Это важно сейчас, потому что большинство команд уже упёрлись в потолок чат-ботов для разработчиков. Без внутреннего контекста агент уверенно ошибается, а с ним начинает приносить хоть какую-то измеримую пользу. Заявленные +20% продуктивности звучат неплохо, но методология измерения в материале не раскрыта — и это главный пробел.

Сильная часть кейса — практичность: LinkedIn решает не абстрактную «проблему AI», а проблему доступа к корпоративным знаниям. Слабая — почти полное отсутствие данных о цене поддержки такого слоя: кто обновляет playbooks, как быстро они устаревают и что происходит, когда внутренние процессы меняются быстрее документации.

Вывод простой: это хороший паттерн для крупных компаний, но не универсальный рецепт. Контекст для агентов — это уже инфраструктура, а значит, и новая зона операционных рисков.

Источник: https://www.infoq.com/presentations/linkedin-context-engineering/