Лекции

В этой лекции разбираем, как превратить разрозненные сообщения в наблюдаемую систему: вводим структурные JSON-логи, единый trace_id для сквозной корреляции (ChatGPT App → MCP → виджет → backend → вебхуки), минимальный “стандарт” полей ( service, env, flow, step), практику логирования инструментов и backend-прокси, а также правила безопасности (PII-scrub, секреты, ограничение DEBUG в продакшене).

В этой лекции разбираем базовую наблюдаемость для ChatGPT App на примере GiftGenius: почему вместо «кажется, работает» нужны измеримые SLI и цели SLO, как читать и использовать перцентили ( p50/ p95/ p99) вместо среднего, как считать error-rate и availability, почему вебхуки — отдельная зона риска для commerce, и как технически снимать метрики в TypeScript/Next.js через простой logMetric.

В этой лекции собираем «минимально жизнеспособную» пирамиду тестирования для ChatGPT App на примере GiftGenius: быстрые unit-тесты для чистых функций ( scoreGift, rankGifts), contract-тесты на Zod/JSON Schema для MCP-инструментов ( inputSchema/ outputSchema) и ACP/webhooks, «почти E2E» без chatgpt.com (React Testing Library + Playwright), и smoke-проверки в CI, чтобы гарантировать: Next.js стартует, MCP отвечает на базовые вызовы, а checkout-эндпоинты не падают на типовом JSON.

В этой лекции собираем практичный release‑процесс для ChatGPT App: вводим матрицу версий по слоям (код, tools‑схемы, промпты, данные), оформляем CHANGELOG и release notes, учимся безопасно мигрировать SDK/ spec, отделяем deploy от release через feature flags и строим понятный план rollback — включая «опасные» изменения манифеста и схем инструментов.

В этой лекции разбираем, как делать «лёгкие» нагрузочные прогоны для ChatGPT App и MCP/ACP‑бэкенда: почему важнее конкурентность, чем абстрактные RPS, как контролировать p95/ p99 латентности и error rate, и почему тестировать нужно напрямую свои endpoint’ы ( /api/mcp, /api/checkout/create), а не через UI ChatGPT. Затем переходим к качеству product feed: структурная валидация через Zod, бизнес‑правила и LLM‑дружественная нормализация данных. В конце — как встроить smoke‑load и проверку фида в release‑процесс и какие ошибки чаще всего допускают команды.