Ця сесія досліджує еволюцію від простих ланцюжків LLM до надійних когнітивних архітектур, зосереджуючись на розгортанні агентів зі станом у межах власної інфраструктури (On-Premise). Ми порівняємо сучасні фреймворки оркестрації, протиставляючи Google ADK (Agent Development Kit) для структурованого, незалежного від моделі проєктування агентів, LangGraph для детального контролю стану та CrewAI для багатoагентної взаємодії за ролями. Ключовим фокусом стане Model Context Protocol (MCP) — новий стандарт підключення агентів до внутрішніх даних і інструментів без прив’язки до конкретного постачальника. Ми продемонструємо, як побудувати гнучке середовище виконання за допомогою Vercel AI SDK Core (розгорнутого в Docker) для обслуговування таких агентів, забезпечуючи повну незалежність від хмарних провайдерів. На завершення ми розглянемо стек AgentOps, детально пояснивши, як реалізувати self-hosted спостережуваність (через Langfuse) та політики доступу для безпечного керування автономними системами у виробничому середовищі.

Ця доповідь - про реальний DevOps-проєкт, досвід якого виявився дуже схожим на сюжет книги «Проєкт Фенікс». Я розповім про повний шлях: побудову платформи, міграцію, роботу з командами розробки, комунікацію з бізнесом, життя системи під навантаженням і ті помилки, які стають видимими лише з часом. Це не переказ книги і не success story. Це розмова про системні рішення, відповідальність, навчання, підготовку до інцидентів і про те, як складні технічні системи формують поведінку людей усередині них. Доповідь сфокусована не на інструментах, а на висновках, які з’являються лише тоді, коли проєкт проживається цілком - від задуму до реальності продакшну.

Оновлення кор-залежностей часто відкладається роками через страх “зламати все”, і ризик зростає експоненційно. Андрій покаже workflow для стрибка через кілька версій: AI аналізує breaking changes та генерує правила трансформації, AST-інструменти виконують рутину, а технічний борг перетворюється на керований процес.

Low Latency в High-Load: шлях від Redis Pub/Sub до In-Memory Runtime — іграшка, яка зайшла надто далеко У доповіді розглянемо практичний досвід побудови low-latency системи для міжбіржових операцій, де географія не менш важлива, ніж алгоритми. Поговоримо про те, чому message brokers і класичні мікросервіси не є вдалим рішенням для HFT (High-Frequency Trading)-подібних сценаріїв, як in-memory state у поєднанні з регіональними runtime-вузлами забезпечує прогнозовану затримку, і де проходить межа між швидкістю та consistency.

Ріст команд і сервісів часто призводить до ситуації, коли кожне окреме рішення виглядає правильним, але система в цілому стає складною, непередбачуваною і важкою в підтримці. У доповіді Йожеф розповість, як вони з командою підійшли до стандартизації технологій, що саме вирішили уніфікувати, а що — залишити на розсуд команд, і чому observability стала не ціллю, а природним наслідком цього підходу.

Коли система складається з десятків незалежних репозиторіїв, класична monorepo не завжди підходить. Дмитро розповість, як meta-repo з git submodules та AI-інструментами дозволяє зберегти автономність сервісів, але працювати з ними як з єдиною екосистемою. Ви побачите реальні сценарії, де AI: • з’єднує код, контракти та документацію • допомагає з автотестами та інтеграціями • спрощує роботу для девелоперів, QA та продукту • пришвидшує прототипування та delivery

Знати SOLID та патерни GoF — це як знати правила дорожнього руху: можна здати іспит і все одно потрапити в аварію. Бо між «знаю, що існує Single Responsibility» і «розумію, навіщо він потрібен саме тут» — прірва. І в цій прірві живуть God-класи, незамінювані залежності та інтерфейси, які неможливо імплементувати. На прикладах реальних помилок великого проєкту поговоримо про різницю між знанням і розумінням, про те, як фреймворки можуть маскувати архітектурні проблеми, і чому єдиний спосіб писати підтримуваний код — це зрозуміти «навіщо», а не завчити «як».

Турбо-гайд по найгарячіших оновленнях Chrome DevTools за 2024-2025 роки, які кардинально змінюють підхід до фронтенд-розробки. Ми детально розглянемо інтеграцію штучного інтелекту Gemini, який тепер є вашим особистим супер-аналітиком у Performance Panel. Окрім AI, ми зануримося у посилений аналіз продуктивності, включаючи розширену підтримку Core Web Vitals та калібровані пресети обмеження ЦП, що дозволяють перетворити боротьбу зі "слизьким" LCP на чіткий детективний процес. Окрім хардкорного налагодження, ми охопимо нові можливості для стилізації та зручності, а саме scroll-driven animations та покращеної роботи з CSS Nesting, Autofill та багато інших плюшок. Детально подивимось на MCP, тому що хто не знає, що таке МСР, тому не заплатять в 2026 році.

Всі вже чули про вебдоступність, але її дотримання – це не лише хороший контраст чи наявність альтернативного тексту. Як зробити цифровий продукт дійсно доступним та не повторити поширених помилок, дізнайтесь на зустрічі.