25 сентября автор передал сканы семейных документов — свидетельства о рождении и браке, рукописную родословную и несколько фотографий — ИИ-агенту с просьбой разобраться, кто есть кто. Агент, а не обычный чат, был выбран потому, что генеалогия представляет собой цепочки поисков: в свидетельстве указана деревня, агент ищет её в справочнике населённых пунктов уезда, не находит, просматривает весь список на нужную букву и приходит к выводу, что такой деревни там нет. Затем он находит её в другой губернии с теми же фамилиями среди жителей и сразу проверяет по военным базам, где обнаруживаются люди из этой деревни с теми же фамилиями. Всё это произошло в первый же день.

К концу первой недели стало ясно, что модель хорошо справляется с тремя задачами: читает почерк и дореформенную орфографию в метрических книгах XIX века (неидеально, но быстрее человека), проходит тысячи страниц памятных книжек губерний, адрес-календарей, описей архивов и неиндексированных сканов на FamilySearch, а также связывает разрозненные данные — метрику, справочник кооперации и опубликованный дневник современницы — в биографию человека, о котором в семье знали одну строчку. Однако так же быстро выяснилось, где модель ошибается: первое прочтение отчества одного прапрадеда оказалось неверным, его исправили по трём другим метрикам. Однофамильцы соблазнительно ложатся в древо, и именно поэтому появились правила, которые позже ушли в движок и MCP. Самая длинная линия уходит на одиннадцать поколений вверх от дочерей автора — к крестьянину тульского села середины XVIII века. Самая ранняя дата в архиве — около 1705 года (возраст женщины в ревизской сказке 1745 года). По другим ветвям архив доходит до 1730-х (тульские деревни), 1770-х (Бессарабия) и середины XIX века (духовенство, кавказские и кубанские роды).

Техническая реализация проекта включает несколько ключевых решений. Глубже XIX века всё держится на ревизских сказках — переписях населения по дворам, которые не проиндексированы: это тысячи кадров рукописи XVIII века в каталоге FamilySearch, разложенные по уездам и годам. Агент находит нужную плёнку по описи, скачивает кадры целиком и листает их до нужного села, затем идёт от ревизии к ревизии (1858 → 1850 → 1834 → 1816 → 1811 → 1782 → 1745), сверяя имена, отчества и возраст. Человеку такая работа обошлась бы неделями в читальном зале, агенту — вечером, пока сервер не ответит ошибкой 429. Годы из ревизий — расчётные, по возрасту, и помечены как «около», а самые ранние звенья самой длинной линии до сих пор помечены как «вероятные»: в 1780-х семья переселилась в соседний выселок, и переход из одной ревизии в другую держится на совпадении имён и возрастов, а не на прямой записи. Агент не стал дорисовывать уверенность — и это то, чего добивался автор. Через три дня находок стало столько, что их нужно было где-то складывать и показывать родным, так 28 сентября появился открытый семейный сайт-архив. Сейчас в его репозитории около 590 коммитов, почти все сделаны агентами. Устройство намеренно простое: один файл данных family_tree.json, в котором лежат люди, семьи, документы, места, наводки, журнал поиска и журнал исправлений; нумерация вместо имён (люди I###, семьи F###, документы S###), где номер документа в тексте становится кнопкой, и у каждого факта видно, на чём он держится; проверки до сборки через validate.py, который ловит битые ссылки, ссылку на документ без самого документа, даты не в ISO/GEDCOM, и при ошибке сайт не собирается; статика и один маленький сервер, сборщик на Python делает страницы из JSON, сервер нужен только для комментариев, а выкладка отправляет только изменённые файлы и идёт около минуты.

Архив состоит из нескольких слоёв, и все они собираются из одного файла данных. Родные читают сайт как книгу, поэтому каждый слой — это прежде всего текст, а не таблица. Карточка человека содержит блоки с датами, местами и родными, а под ними — связный рассказ о жизни по порядку. Рассказ есть у 510 из 597 человек, вместе около 250 тысяч знаков. Правила для агента жёсткие: это история жизни, а не журнал работы (никакого «отчество уточнено 25.09»); не повторять то, что карточка уже показывает блоками (родителей, даты, место захоронения); у каждого факта с документом — кнопка на скан, семейное предание помечено словами «по рассказу…», «в семье говорили…»; сомнения — отдельно. Такой подход позволяет людям оживать: прапрадед, от которого осталась строчка «советский работник в городе на Волге», оказывается кудрявым молодым кооператором, которого летом 1916 года записала в дневник совершенно посторонняя современница: «лихач-кудрявич, очень милый, простой и серьёзный». И кудри видны на его юношеском снимке из фотоателье. Прадед — уже не дата на надгробии, а, скорее всего, рядовой пехотного полка, раненный осенью 1916-го. Его тесть круглый год жил на заработках в Москве, а родное село жены имело три названия, два из которых — по именам старых владельцев. Человек появляется не из одного документа, а из мест, событий и людей вокруг: крёстных, свидетелей на свадьбе, сослуживцев, соседей по деревне. Поэтому архив и устроен как сеть: из карточки — в место, из места — в главу «Истории», из главы — к документу.

Из этого опыта выросли два открытых проекта. Первый — движок для семейных сайтов gene-archive, который позволяет создавать подобные архивы. Второй — MCP-сервер genealogy-mcp, который учит любого ассистента искать предков, не выдумывая их. MCP (Model Context Protocol) — это открытый протокол, позволяющий подключать к языковым моделям внешние инструменты и источники данных. genealogy-mcp предоставляет агенту доступ к генеалогическим базам, справочникам и архивным описям, а также задаёт правила проверки фактов, чтобы модель не галлюцинировала. Эти проекты опубликованы в открытом доступе и могут быть использованы другими исследователями. В контексте российского рынка это особенно актуально, поскольку интерес к генеалогии в стране растёт: многие хотят узнать историю своей семьи, но сталкиваются с разрозненностью данных и сложностью архивного поиска. Появление таких инструментов может значительно упростить задачу. Кроме того, MCP-серверы набирают популярность как способ интеграции ИИ в различные предметные области — от медицины до юриспруденции. Генеалогия — лишь один из примеров. В сравнении с альтернативами, такими как традиционные генеалогические сервисы (MyHeritage, Ancestry), предлагаемые решения являются открытыми и настраиваемыми, хотя и требуют технических навыков для развёртывания. Они не заменяют коммерческие платформы, но дополняют их, позволяя работать с неиндексированными источниками и автоматизировать рутинные операции.

В перспективе автор планирует развивать оба проекта, добавлять новые источники данных и улучшать алгоритмы проверки. Открытыми остаются вопросы о масштабируемости подхода: насколько хорошо он будет работать для других семей, с другими архивами и языками. Также предстоит решить проблему ошибок OCR при чтении сложных рукописей и выработать стандарты представления генеалогических данных в MCP. Тем не менее, уже сейчас ясно, что ИИ-агенты способны взять на себя значительную часть рутинной работы историка-генеалога, оставляя человеку интерпретацию и верификацию. Этот кейс показывает, как личный проект может превратиться в полезный инструмент для сообщества. В условиях, когда интерес к семейной истории продолжает расти, такие инициативы могут найти отклик у широкой аудитории. Российские разработчики и исследователи могут адаптировать gene-archive и genealogy-mcp для работы с отечественными архивами, что откроет новые возможности для краеведения и генеалогии.