Problém s „rozhrnutým" UI

Přiznejme si to – všichni jsme viděli, co dokáže AI vygenerovat za kód. Funguje to teď, ale za půl roku v tom nikdo nic nepozná. Proměnné jako zakleté, struktura jako špagety, a místo pomocníka máte časovanou bombu.

Co kdybychom to ale otočili? Co kdyby komponenty, které stavíte, dokázal číst a chápat AI agent – nejen je zobrazovat?

Přesně tohle zkouší ahu od fellwork a upřímně? Jedná se o jeden z nejzajímavějších konceptů, které teď krouží někde mezi webovým vývojem a AI nástroji.

Co dělá ahu jinak?

ahu není další JavaScript framework. Je to kompilátor – konkrétně napsaný v Rustu – který bere Single File Components a převádí je na standardní custom elements. Žádný virtuální DOM, žádný runtime overhead, jen čisté web platform API.

Tady ale přichází to zajímavé pro AI nadšence:

MCP (Model Context Protocol) je tu přímo integrovaný. Pro ty, kdo neví – MCP se rychle stává standardem pro komunikaci AI modelů s externími nástroji a zdroji dat. Když ho ahu integruje přímo do architektury komponent, tyto komponenty se stávají něčím, s čím může AI agent skutečně pracovat a dělat inteligentní rozhodnutí – ne jen zobrazovat výstup.

Uvědomte si, co to znamená pro vývojové workflow. Váš AI asistent může:

• Přečíst strukturu a účel vaší komponenty
• Pochopit její stav a chování
• Provádět chytrá rozhodnutí na základě tohoto pochopení
• Udržovat konzistenci napříč změnami

Druhou funkcí přívětivou pro AI je generování llms.txt. Tato vznikající konvence (podobná robots.txt, ale pro AI) umožňuje komponentám vystavit dokumentaci ve formátu, který AI modely dokáží systematicky parsovat a využívat.

Proč na tom záleží vývojovým týmům

Pro startupy a týmy, které už teď jedou na AI-assisted workflows, tohle představuje posun od „AI mi pomáhá psát kód" k „AI a já spolupracujeme na živých systémech."

Představte si scénář: Stavíte SaaS dashboard. Váš AI pair programmer nejen ví, co dělá vaše tlačítko, ale proč jste ho tak navrhli, jaké stavy spravuje a jak se napojuje na datovou vrstvu. Když se změní požadavky, dokáže provést úpravy, které zachovají architektonickou integritu – místo aby přidělával záplaty.

Volba Rust kompilátoru také není náhodná. Rust klade důraz na správnost a zero-cost abstractions, což znamená výstup, který je úhledný, rychlý a předvídatelný – přesný opak toho, co vídáme u AI generátorů kódu běžně.

Větší obrázek

Co fellwork dělá s ahu, se dotýká něčeho většího: web platforma sama se vyvíjí, aby vyhověla AI-nativním vývojovým vzorům. Custom elements jsou standardní, framework-agnostické a využívají nativní schopnosti prohlížeče. Stavbou na tomto základě ahu obchází debatu „ který framework si vybrat" úplně.

Ať už se ahu stane standardem, nebo jen inspiruje podobné přístupy, základní princip je správný: stavějte pro AI pochopení, ne jen pro lidskou spotřebu.

Budoucnost webového vývoje není o tom, že AI nahradí vývojáře – je o tom, že AI bude rozumět tomu, co jsme postavili, natolik dobře, aby se stala skutečným partnerem. Projekty jako tento dělají první kroky tímto směrem.

Co si o tom myslíte? Je to směr, kterým by se webový vývoj měl ubírat, nebo přehlížíme fundamentální výzvy? Napište mi vaše myšlenky – rád bych slyšel, jak přemýšlíte o AI a komponentové architektuře.

Chystáte projekt, který potřebuje hosting? Vibe Hosting od NameOcean má pro vás připravenou AI-powered infrastrukturu připravenou podpořit váš další velký nápad.