Как подготовить сайт к поиску в AI-агентах: llms.txt, WebMCP и Markdown Product
Совсем недавно сайт оптимизировали для двух типов посетителей: человека и поискового робота. Сегодня к нам присоединяется третий — AI-агент, который открывает сайты по поручению пользователя, ищет информацию, сравнивает товары, заполняет форму заказа или собирает данные для ответа.
Что бы ваш сайт был готов к подобному современному взаимодействию с ИИ агентами работающими по поручению пользователя есть несколько инструментов:
- llms.txt показывает агенту структуру сайта, Markdown даёт чистую версию страницы
- WebMCP описывает доступные действия
- ai-catalog.json помогает обнаружить подключённые AI-сервисы
Google Chrome развивает WebMCP, Lighthouse получил отдельную категорию Agentic Browsing, а PageSpeed Insights уже показывает её рядом с Performance, Accessibility, Best Practices и SEO. Давайте разберёмся, что это за инструменты и за что они отвечают.
llms.txt — карта сайта для AI-агентов
AI агент может открыть сайт так же, как человек: загрузить главную, пройти по меню, открыть каталог, найти доставку, возвраты и карточки товаров. На это уходит много запросов и контекста модели, токенов, хотя владельцу сайта уже известно, какие страницы действительно важны.
llms.txt собирает эти точки входа в одном простом файле. Агент начинает с него и сразу получает описание проекта, основные разделы и ссылки на полезный контент.
На проекте который мы недавно оптимизировали ИИ поиск maison plush есть каталог одежды, коллекции, страницы бренда, контакты, юридические документы и Instagram. Для человека всё это уже собрано в навигации сайта. Для AI ту же структуру можно описать отдельным текстовым файлом:
https://maison-plush.com/llms.txt
Его содержимое может выглядеть так:
# Maison Plush Paris fashion brand and online boutique. ## Shop - [Fashion](https://maison-plush.com/fashion) - [Collections](https://maison-plush.com/collections) ## Products - [Vinyl Jacket and Skirt](https://maison-plush.com/fashion/vinyl-jacket-and-skirt) - [Black Set](https://maison-plush.com/fashion/black-set) - [Khaki Set](https://maison-plush.com/fashion/khaki-set) - [Wool Set](https://maison-plush.com/fashion/wool-set) ## Maison Plush - [About](https://maison-plush.com/about) - [Contact](https://maison-plush.com/contact) ## Information - [Terms](https://maison-plush.com/terms) - [Privacy](https://maison-plush.com/privacy) - [Cookie Policy](https://maison-plush.com/cookie-policy) - [Disclaimer](https://maison-plush.com/disclaimer) ## Social - [Instagram](https://www.instagram.com/plush.maison)
Теперь агенту достаточно загрузить один небольшой Markdown-файл, чтобы понять: Maison Plush — fashion-магазин, товары находятся в /fashion, коллекции — в /collections, информация о бренде и правила покупки вынесены в отдельные страницы.
Сам llms.txt хранит карту, а подробные данные остаются на страницах сайта. Например, агент находит через него раздел Fashion, открывает нужный товар и уже там получает цену, размеры, наличие и описание.
Связь с llms.txt можно дополнительно указать на всех страницах сайта:
<link rel="describedby" href="/llms.txt">
Так браузерный агент, попав сразу на карточку товара из внешнего источника, получает адрес общей карты Maison Plush прямо из <head>.
Markdown product даёт агенту карточку товара
Markdown это по сути простой и лёгкий текстовый формат файла который не содержит лишнего форматирования. Такой файл легко читается как человеком так и ИИ агентами, может легко структурировать данные в простом виде.
Допустим, обычный URL выглядит так:
/products/wool-set
Рядом можно сделать его облегчённую карточку:
/products/wool-set.md
HTML-страница сообщает о наличии этой версии через <head>:
<link rel="alternate" type="text/markdown" href="/products/builder-gel-nude.md">
Этот механизм обнаружения Markdown появился в llms.txt v2 и считается стандартом.
Сама карточка может выглядеть так:
# Wool Set > Maison Plush Paris product information.  - Product URL: https://maison-plush.com/fashion/wool-set - Collection: Luna Code 26 - Purchase status: Available ## Pre-order This item is available for pre-order. A pre-order request can be submitted from the product page. ## Description A sculptural wool set shaped through precise construction and controlled volume. The silhouette is defined by tailored balloon sleeves with internal boning, allowing them to hold form while moving with measured fluidity.A silk underskirt introduces contrast - lightness against structure. A custom metal element, hand-sculpted in wax, cast in bronze using jewelry techniques, and finished with rhodium plating, adds a precise point of tension.The shape shifts with the body, expanding and narrowing with movement.
В HTML те же данные могут быть разбросаны между заголовком, выбором размера, кучей маркетинговой шелухи, JavaScript-компонентами итд. В Markdown все данные собраны в одном коротком документе.
Для интернет магазина такую версию лучше генерировать в реальном времени. Тогда цена, остаток и предзаказ меняются одновременно в HTML и Markdown.
Сам Markdown Product стоит понимать именно так: это особый формат фала Markdown в которое записана карточки товара в понятном для ИИ агента виде. На самой странице товара можно сообщить агенту через rel="alternate" о существовании этого файла.
Так же стоит сохранить и привычный Schema.org Product и Offer для классических поисковиков типа Google. ИИ агенты тоже умеют его читать, но у них свои предпочтения.
WebMCP позволяет описать действия на сайте
WebMCP сообщает агенту, какие действия сайт умеет выполнять через ИИ Агенты и другие автоматизированные, голосовые и прочие помошники.
Представим запрос:
Найди профессиональны гель для ламинирования ногтей до €20 и добавь две штуки в корзину.
Без специального интерфейса ИИ агент ищет поле поиска, вводит запрос, пытается разобратся есть ли на сайта фильтры, как они работают, затем открывает каждый товар, выбирает вариант и нажимает кнопку.
Через WebMCP интернет магазин может явно предоставить инструменты вроде:
searchProducts getProduct addToCart checkDelivery
У searchProducts можно описать параметры:
query category maxPrice availability
У addToCart:
productId variantId quantity
Агент получает функции через которые может найти нужный товар и даже оставить заявку на его покупку. В случае с сервисами - записать своего владельца на консультацию или забронировать отель. Google представил WebMCP именно как способ дать ИИ и браузерным агентам структурированные инструменты внутри обычного сайта.
С июня 2026 года WebMCP проходит Origin Trial в Chrome 149. Chrome уже умеет показывать и запускать такие инструменты на сайте через DevTools.
Для магазина разумно начинать с одного полезного действия — например, поиска товара. Корзину, расчёт доставки и оформление заказа можно добавлять позже, но тоже не будет лишним, онлайн площадки уже начинают активно внедрять эти удобства.
ai-catalog.json
Название легко вводит в заблуждение: ai-catalog.json предназначен для каталога AI-ресурсов, а не товаров магазина.
Файл можно разместить здесь:
/.well-known/ai-catalog.json
В нём сайт перечисляет доступные MCP-серверы устройство которых мы только что разобрали, A2A-агентов, AI skills, datasets и другие машинные сервисы. Спецификация AI Catalog сейчас имеет статус draft.
Например, компания открыла собственный MCP для работы с каталогом:
{
"specVersion": "1.0",
"entries": [
{
"identifier": "urn:air:example.com:mcp:shop",
"displayName": "Shop MCP",
"type": "application/mcp-server-card+json",
"url": "https://example.com/mcp/server-card"
}
]
}ИИ агент, который знает домен example.com, может проверить /.well-known/ai-catalog.json и обнаружить этот MCP автоматически. Спецификация также предлагает объявлять каталог через:
<link rel="ai-catalog" href="/.well-known/ai-catalog.json" type="application/ai-catalog+json">
Обычному интернет-магазину с HTML-каталогом товаров такой файл даст мало пользы. Он становится интересным после появления собственного MCP, агента или другого AI-интерфейса.
PageSpeed Insights уже учитывает эти новинки
В мае 2026 года Lighthouse добавил категорию Agentic Browsing. Она оценивает техническую готовность сайтов к работе с ИИ агентами.
В обычном PageSpeed Insights сейчас можно увидеть три основные проверки: корректное accessibility tree, стабильность интерфейса по CLS и llms.txt. WebMCP входит в более широкий набор Lighthouse-проверок и требует экспериментальных возможностей Chrome. Это пожалуй и является показателем зрелости самой технологии.
Выводы
Мы уже сейчас внедряем технологии которые помогают проще, лучше, более адресно находить сайты наших клиентов через новые инструмены ИИ поиска. Внедряя новые технологии в момент их появления вы получаете преимущество быть увиденным раньше ваших конкурентов, соответственно быстрее занять большую долю рынка и дальше инерция сама делает своё дело.
Mark Vi
Tech UI/UX Expert with over 15 years of experience
