AGENTS.md: Soubor, který rozhoduje, jestli vás AI agenti vůbec najdou (a nakoupí)

robots.txt agentům řekne, kam smí. llms.txt jim dá seznam odkazů. AGENTS.md jim řekne, jak se u vás mají chovat – a právě to dnes rozhoduje o tom, jestli objednávku dokončí, nebo odejdou ke konkurenci.

Ve čtvrtém čtvrtletí 2026 konvertuje návštěvnost, kterou přivádí AI asistenti, o 42 % lépe než běžná organická návštěvnost a jejího objemu meziročně přibylo 393 %. Google si toho všiml natolik, že do Analytics přidal úplně samostatný kanál jen pro AI asistenty. Otázka „jak se dostat na první pozici“ se tiše mění v otázku „rozumí mi agent, který za zákazníka nakupuje?“

Minule jsme psali o tom, proč je vaše HTML pro AI drahé a jak ho přes Markdown zlevnit. Dnes jdeme o krok dál – k souboru, který rozhoduje o něčem důležitějším než o ceně čtení. Rozhoduje o tom, jestli agent vaší firmě vůbec důvěřuje natolik, aby dokončil objednávku.

Jmenuje se AGENTS.md a v roce 2026 se z něj stal stejně základní kámen webu, jako je dnes robots.txt nebo sitemap.xml.

Nakupují boti, ne lidé

Nástroje jako Claude Code, Cursor, Windsurf, GitHub Copilot nebo Gemini CLI dnes nejsou jen chytré nápovědy. Samy si projdou web, porovnají konkurenci, prostudují dokumentaci a rovnou dokončí nákup – bez toho, aby se do toho člověk musel vůbec zapojit. Firmy dřív mluvily rovnou k zákazníkovi. Teď čím dál častěji mluví k jeho agentovi – tomu se říká B2A (Business-to-Agent). A platí u toho jednoduché pravidlo: pokud vás agent nedokáže najít, pochopit a bezpečně obsloužit, v roce 2026 pro něj v podstatě neexistujete.

Agent přitom pokaždé projde stejnými čtyřmi kroky:

• Najde vás – přes vyhledávání, nebo z toho, co už o vás ví z vlastního tréninku, pokud jste vůbec někde vidět.
• Prohlédne si vás – otevře vaše stránky a hledá jasnou, přehlednou strukturu. Spletité HTML mu akorát plete hlavu.
• Vybere si vás do užšího kola – tady rozhoduje, kolik konkrétních a použitelných instrukcí najde, a jestli máte AGENTS.md.
• Jedná – propojí se, nainstaluje, nakoupí. Podle pravidel, která jste mu předem dali.

Tři soubory, tři jazyky – a jenom jeden z nich mluví o chování

V týmech se teď nejčastěji plete dohromady trojice robots.txt, llms.txt a AGENTS.md. Nekonkurují si. Řeší tři úplně jiné problémy.

• robots.txt je vyhazovač u dveří. Řídí přístup – smí, nesmí crawlovat. Nic víc, žádný kontext k obsahu za dveřmi. Pokud tu AI bota zablokujete, pro daný agent neexistujete.
• llms.txt je rozcestník. Markdownový seznam nejdůležitějších stránek pro rychlou orientaci modelu. Zní to slibně, ale realita je jiná: Ahrefs analyzoval 137 000 webů s implementovaným llms.txt a u 97 % z nich AI crawler soubor za celý měsíc ani jednou nevyžádal. Google zástupci navíc potvrdili, že llms.txt není žádný rankingový signál pro AI Overviews.
• AGENTS.md neřídí přístup ani neposkytuje seznam odkazů. Říká agentovi, kdo jste, jakou terminologii má používat, kde je pravda a jak se má u vás chovat. Zatímco robots.txt řeší každý požadavek zvlášť, AGENTS.md agentovi nastaví jakousi dlouhodobou paměť, kterou si nese s sebou z jedné návštěvy do druhé.

Jinak řečeno: robots.txt kontroluje hranice, llms.txt dělá inventuru obsahu, AGENTS.md učí agenta chovat se u vás správně.

Robots.txt jako brána, llms.txt jako rozcestník, AGENTS.md jako vrstva, které agent skutečně věří.

Proč právě AGENTS.md rozhoduje o důvěře agenta

GEO optimalizace se dá rozdělit do sedmi úrovní. Prvních pár se stará o to, aby AI zvládla přečíst a pochopit jednu konkrétní stránku – rychlost načítání, přehledná struktura, správně vyplněná data. Pomůže vám to u jednoho konkrétního dotazu.

Ale je tu ještě jedna úroveň, která je jiná – systémová paměť. Je to obrázek, který si o vás AI postupně skládá z tisíců interakcí v čase. Většina firem se ho snaží ovlivnit oklikou: důsledně se všude jmenovat stejně, sbírat kvalitní zpětné odkazy, a doufat, že si to AI správně poskládá sama. Jenže domýšlení je ze své podstaty nepřesné – AI si snadno splete, jestli jste výrobce, nebo jen web, co o výrobcích píše.

AGENTS.md je jediný způsob, jak jí to neřešit oklikou, ale říct jí to rovnou. A funguje to hned – ne až za týdny, jako budování důvěryhodnosti postaru.

Co má dobrý AGENTS.md obsahovat

Standard nepředepisuje povinnou strukturu, ale GEO praxe 2026 se ustálila na šesti částech:

• Identita webu – kdo jste, ve třetí osobě, bez prostoru pro dvojí výklad.
• Přesná slova pro vaši firmu (odborně „kanonické definice entit“) – jaké názvy a termíny má agent používat, a jaké naopak ne, ať si nevymýšlí synonyma z toho, co se naučil odjinud.
• Mapa webu – kde jsou rozcestníky, kde detailní odpovědi, ať agent neprohledává web naslepo.
• Kde hledat co – z jaké části webu má agent čerpat pro který typ dotazu.
• Pokyny pro citování – přesné jméno, publikace, formát URL, aby vás agent citoval správně.
• Co je jisté a co ne – co je ověřené a co ne, aby AI pracovala s daty s odpovídající mírou jistoty.

U vývojářských repozitářů vypadá obsah jinak – příkazy pro spuštění prostředí, pravidla formátování kódu, testovací workflow. Princip je ale stejný: agentovi řeknete, jak se má chovat, ne co má umět navíc.

Past, do které spadla polovina trhu: víc instrukcí neznamená lepší výsledek

Tady přichází nejdůležitější a nejméně pohodlné zjištění roku 2026. Únorová studie týmu ETH Zürich zkoumala, jestli tyhle soubory agentům opravdu pomáhají, nebo je to jen dobrý pocit. Výsledek nikoho nepotěšil: když si firmy nechaly AGENTS.md plošně vygenerovat samotnou AI, úspěšnost agentů to v průměru spíš snížilo o 3 % – a provoz to prodražilo o víc než 20 %. Agenti se sice instrukcemi řídili poctivě, ale dlouhé přehledy je sváděly k tomu, aby se courali po adresářích, místo aby rovnou vyřešili to, kvůli čemu přišli.

Následná studie (Prakhar Khatri, 288 běhů napříč Claude Code a Codexem) zkusila tři přístupy – žádný soubor, soubor natvrdo v promptu, soubor jen na vyžádání. Na přesnost agenta to překvapivě moc nehrálo roli (rozdíly do 10–15 %). Chyby, které agenti dělali, totiž nepramenily z toho, že by jim v repozitáři chyběla informace, ale z toho, že model prostě někdy špatně uvažuje – a to mu žádný soubor nevyřeší.

Zato jiná studie – 124 úkolů napříč 10 repozitáři (Jai Lal Lulla a kol.) – ukázala jasný přínos v rychlosti: s dobře napsaným AGENTS.md agenti dokončili práci o 28,64 % rychleji a spotřebovali o 16,58 % méně tokenů, protože se nemuseli slepě prohrabávat strukturou projektu.

Závěr je jasný a měl by vám sloužit jako vodítko: AGENTS.md agenta nic nové neučí – jenom mu říká, jak se má u vás chovat. (Kdo se chce blýsknout odbornou hantýrkou: tomu prvnímu se říká capability injection, tomu druhému behavior steering – a funguje jen to druhé.) Krátký, lidmi napsaný soubor, který popisuje jen to, co je u vás nestandardní, funguje. Dlouhý, AI-generovaný výčet všeho možného spíš škodí – práci prodlužuje a prodražuje.

Shopify to vzalo vážně – a udělalo z AGENTS.md bránu k nákupu

V květnu 2026 Shopify docela potichu, bez velkého fanfáru, přepnulo celou svou síť obchodů na nativní podporu souboru /agents.md – dřív to řešilo jen provizorním přesměrováním na llms.txt. Staré /llms.txt a /llms-full.txt se teď samy přesměrují na ten nový soubor. Obchodníci si ho můžou upravit přes soubor templates/agents.md.liquid, který běží v omezeném prostředí a má k dispozici jen pár vybraných údajů – store_name, store_url, sitemap_url – a hlavně dvě proměnné, které mění úplně všechno:

• ucp_discovery_url – odkaz, kde si agent v jedné chvíli přečte, co váš obchod vůbec umí a co nabízí (přes protokol UCP – Universal Commerce Protocol).
• mcp_endpoint_url – odkaz, přes který agent (protokolem MCP – Model Context Protocol) rovnou hledá produkty a upravuje košík, bez toho, aby cokoli proklikával jako člověk.

K tomu se přidává ještě AP2 od Googlu, který agentům umožní bezpečně platit vaším jménem s jasně danými limity, a A2A, díky kterému si agenti od různých firem umí mezi sebou předat úkol. AGENTS.md tu tedy vůbec není o formátování – je to spíš rozcestník, který agenta pošle přesně tam, kde má jednat.

Bezpečnostní rub mince: instrukce, kterým věříte automaticky

Jenže to, co dělá AGENTS.md tak silný – že mu agent bezvýhradně věří – je zároveň jeho slabina. Bezpečnost se dřív starala hlavně o kód, který se dal spustit. Tady jde jen o obyčejná slova v přirozeném jazyce, u kterých model nepozná, jestli je napsal někdo od vás, nebo útočník.

Bezpečnostní týmy Backslash Security a NVIDIA AI Red Team popsaly, jak to v praxi vypadá na nástroji OpenAI Codex CLI v jeho nepřerušovaném režimu: útočník propašuje do repozitáře na první pohled nevinnou závislost. Ta si při instalaci potichu přepíše AGENTS.md – a agent se stane nástrojem útoku, aniž by o tom měl tušení. Součástí instrukcí bývá i to, aby o tom, co dělá, mlčel ve výstupu. Podobné díry se našly i v Claude Code (CVE-2025-59536, CVE-2026-21852).

Jak velký je to problém, ukázal únorový report Snyk s názvem ToxicSkills. Firma prošla 3 984 sdílených AI dovedností z veřejných registrů a zjistila:

• 36,82 % (1 467 případů) obsahovalo vážné bezpečnostní trhliny – hardkódované API klíče, nechráněnou autentizaci.
• 13,4 % (534 případů) dosahovalo kritického stupně závažnosti.
• 76 případů obsahovalo přímo integrovanou malwarovou nálož.

Nejhorší byla kampaň ClawHavoc na registru ClawHub, odkud si lidé stahují nástroje pro OpenClaw: 1 184 nakažených dovedností, a v nejhorší chvíli obsahovalo malware 5 ze 7 historicky nejstahovanějších skillů. Útočníci schovávali škodlivé pokyny do neviditelných znaků – člověk viděl neškodný popisek, agent uvnitř četl instrukci, ať mu pošle přístupové klíče.

Vzniklo tím i úplně nové riziko – říká se mu Stored Prompt Injection (SPI). Škodlivá instrukce se jednou uloží do trvalé paměti nebo přímo do AGENTS.md a pak se sama znovu spustí při každé další návštěvě.

Odpovědí na to je nová iniciativa OWASP Agentic Skills Top 10 (AST10) a podobná doporučení od Cloud Security Alliance. Dají se shrnout docela jednoduše: nemíchejte dohromady paměť pro věci s různou mírou důvěry. K AGENTS.md a stahovaným skillům přistupujte stejně podezřívavě jako k nezkompilovanému kódu z neznámého zdroje – ověřujte podpisy, držte se pevných verzí. Agenty pouštějte jen v izolovaném prostředí, bez práv správce a jen s povolenými cíli na síti. A nikdy nedovolte neomezený „exec“ režim bez toho, aby se vás napřed zeptal.

Co si z toho odnést

AGENTS.md není kosmetická položka vedle robots.txt a sitemapy. Je to vrstva, která rozhoduje, jestli vás agent najde, pochopí a bezpečně obslouží – a zároveň nová plocha, kterou je potřeba hlídat stejně přísně jako jakýkoli jiný kód, který pouštíte do produkce.

Než si soubor vytvoříte sami, mějte na paměti tři věci, které z dat jasně vyplývají: buďte struční a konkrétní, ne vyčerpávající – rozvláčný AI-generovaný soubor škodí víc, než pomáhá. Nezaměňujte ho s llms.txt – jde o chování, ne o seznam odkazů. A každou instrukci v něm i v importovaných skillech proveřte se stejnou nedůvěrou, jakou byste měli k neznámému balíčku z internetu.

V agentuře relev(ant) zařazujeme audit a nastavení AGENTS.md do našeho AI Infrastructure Auditu – změříme, jak vás agenti aktuálně vidí, navrhneme strukturu souboru na míru vašemu byznysu a prověříme, že nikde nezůstala díra, kterou by někdo zneužil.

Necháte agenty, ať si o vás domýšlejí, co chtějí? Nebo jim rovnou řeknete, kdo jste? Zní to jako hodně práce navíc? Nemusí být. Ozvěte se nám a probereme, kde váš web na téhle škále aktuálně stojí.

Chcete mít jistotu, že vás AI agenti vidí a chápou správně?

GEO, AGENTS.md, UCP, MCP, bezpečnost skillů – je to hodně nových zkratek najednou a všechny se navíc mění v řádu měsíců. Pokud si nejste jistí, kde váš web nebo e-shop v tomhle aktuálně stojí, nemusíte to zjišťovat sami. V agentuře relev(ant) se GEO a AI viditelnosti věnujeme naplno – od auditu toho, jak vás agenti aktuálně vidí, přes nastavení AGENTS.md a strukturovaných dat, až po bezpečnostní kontrolu importovaných skillů a integrací. Ozvěte se nám, probereme váš web a řekneme vám na rovinu, kde má smysl začít.

Kontaktujte relev(ant) →

Zdroje

• Khatri, P. – Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories, arXiv:2607.27250
• Evaluating AGENTS.md: Are Repository-Level Context Files Helpful for Coding Agents?, arXiv:2602.11988 (ETH Curych)
• Lulla, J. L. a kol. – On the Impact of AGENTS.md Files on the Efficiency of AI Coding Agents, arXiv:2601.20404
• Ahrefs – We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read
• Snyk – ToxicSkills: Malicious AI Agent Skills in the ClawHub Supply Chain
• Backslash Security – AGENTS.md Injection in OpenAI Codex CLI: Silent Credential Theft
• NVIDIA Developer Blog – Mitigating Indirect AGENTS.md Injection Attacks in Agentic Environments
• Check Point Research – Caught in the Hook: RCE and API Token Exfiltration Through Claude Code Project Files (CVE-2025-59536, CVE-2026-21852)
• OWASP Foundation – Agentic Skills Top 10 (AST10)
• Craftshift – Shopify quietly shipped native llms.txt, agents.md, UCP discovery, and an agentic sitemap to every store
• Digital Applied – AI Shoppers Now Convert 42% Better Than Google Traffic
• Yahoo Finance / Adobe Digital Insights – AI Traffic to US Retailers Jumps 393% in Q1 as Agentic Shoppers Outspend Humans
• TechWyse – Google Analytics Adds AI Assistant Channel to GA4