Google тестирует новую экспериментальную категорию «Agentic Browsing» в Lighthouse — своём инструменте аудита веб-сайтов. В числе проверок: наличие файла llms.txt и общая готовность сайта к взаимодействию с AI-агентами. Пока это эксперимент, но направление очевидно — агентная совместимость движется в сторону стандарта.
Контекст
Lighthouse — инструмент Google с многолетней историей, который аудирует производительность, доступность, SEO и соответствие best practices. Его оценки напрямую влияют на приоритеты разработчиков: если Lighthouse ставит красный флаг, команда его убирает. Именно поэтому появление новой категории — не просто эксперимент, а потенциальный рычаг для масштабных изменений в веб-экосистеме.
llms.txt — это текстовый файл, размещаемый в корне сайта (по аналогии с robots.txt и sitemap.xml), который помогает языковым моделям и AI-агентам понять структуру ресурса: что здесь есть, как организован контент, какие разделы приоритетны. Идея появилась в ответ на рост agentic-трафика: боты нового поколения не просто индексируют страницы, они выполняют задачи — бронируют, покупают, собирают данные, взаимодействуют с формами.
Google при этом — не единственный игрок, кто думает об агентной совместимости. OpenAI, Anthropic и десятки компаний строят агентов, которые уже сейчас ходят по сайтам вместо людей. Вопрос «как сайт ведёт себя с агентом» становится таким же релевантным, как «как сайт грузится на мобильном».
Аналитика
Появление «Agentic Browsing» в Lighthouse — это не техническая мелочь. Исторически каждая новая категория в инструменте фиксировала то, что Google считает важным для будущего веба: сначала производительность, потом PWA, потом Core Web Vitals. Если агентная совместимость закрепится в Lighthouse как постоянная категория, её показатели могут попасть в сигналы ранжирования — или хотя бы стать ориентиром для индустрии.
Практически это означает сдвиг в том, как мы думаем об аудитории сайта. Раньше аудитория = люди + поисковые боты. Сейчас добавляется третий класс — AI-агенты, которые действуют от имени людей, но ведут себя иначе: они читают структурированный текст, а не рендерят React-компоненты; им важен контекст, а не дизайн; они делают API-подобные запросы, а не листают страницы.
llms.txt в этой логике — минимальная инвестиция с потенциально высокой отдачей. Сайт, который внятно описывает себя для агентов, получает преимущество: агент лучше понимает, что искать, меньше делает лишних запросов и с большей вероятностью выполняет задачу пользователя именно на этом ресурсе. Это новая форма конкуренции за агентный трафик.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если ваш продукт уже интегрируется через API, добавить llms.txt — задача на час. Опишите в нём структуру документации, основные use cases, ссылки на developer portal. Агенты клиентов смогут самостоятельно находить нужные эндпоинты и примеры кода, снижая нагрузку на поддержку. Следующий шаг — отслеживать в логах agentic-трафик отдельно от человеческого.
Корпорация с legacy-инфраструктурой. Крупный портал с тысячами страниц — первый кандидат на аудит по «Agentic Browsing». Запустите Lighthouse на ключевых разделах, зафиксируйте провалы: скорее всего, проблема не только в отсутствии llms.txt, но и в JavaScript-heavy страницах, которые агент не может прочитать без рендеринга. Это повод пересмотреть архитектуру публичных страниц в пользу server-side rendering или статического HTML.
SMB и локальный бизнес в КР/СНГ. Для небольшого сайта добавить llms.txt — это буквально создать текстовый файл с описанием «чем занимается компания, какие услуги, как связаться». Когда пользователь попросит AI-агента найти поставщика или сравнить предложения, сайт с понятным llms.txt окажется в более выгодной позиции, чем конкурент без него.
Кейсы в личной жизни
Разработчик или технический фрилансер. Если у вас есть личный сайт или портфолио — добавьте llms.txt с описанием стека, доступных сервисов, примеров работ. Агенты рекрутеров и заказчиков уже сейчас умеют парсить портфолио; внятный файл делает вас «читаемым» для автоматизированных скринингов.
Контент-мейкер или блогер. Блог с тысячами статей выигрывает от llms.txt: опишите рубрики, целевую аудиторию, формат материалов. AI-агенты, которые ищут источники для дайджестов или ответов на вопросы, чаще будут «выбирать» структурированный ресурс. Это новый вектор органического трафика, пока большинство конкурентов его игнорирует.
Студент или начинающий специалист. Изучение llms.txt и agentic SEO сейчас — это ставка на навык, который через год-два будет в требованиях к веб-разработчикам так же, как mobile-first или Core Web Vitals. Запустить Lighthouse локально, посмотреть на новую категорию, поэкспериментировать с форматом файла — хорошая точка входа в тему агентного веба.
Как применить сегодня
- Установите или откройте Lighthouse (доступен в Chrome DevTools → вкладка Lighthouse) и запустите аудит своего сайта — проверьте, появилась ли категория «Agentic Browsing» в результатах.
- Создайте файл llms.txt в корне сайта: опишите в нём назначение ресурса, ключевые разделы, тип контента и целевую аудиторию — простой plain text, без специального синтаксиса.
- Проверьте, что основные страницы сайта доступны без JavaScript-рендеринга: откройте их через
curlили режим «без JS» в браузере и убедитесь, что ключевой контент присутствует в HTML. - Добавьте в robots.txt явное разрешение для известных AI-агентов (GPTBot, ClaudeBot, PerplexityBot) — или, наоборот, явный запрет, если это соответствует вашей стратегии.
- Следите за обновлениями Lighthouse на GitHub: экспериментальные категории часто документируются там раньше, чем в официальных анонсах.