У світі, де штучний інтелект усе частіше виходить за межі чат-інтерфейсів, з’являються інструменти, які дають моделям «тіло» — простір, де вони можуть діяти, малювати, будувати інтерфейси й співпрацювати з людьми. Один із таких інструментів — tldraw, онлайн-дошка та SDK, що вже стала невидимим фундаментом для низки AI‑продуктів.
Засновник tldraw Стів Руїз, який розвиває стартап у Лондоні, показує, як проста безкоштовна візуальна дошка перетворилася на гнучкий canvas‑рушій, вбудований у Replit, Luba AI, Stitch та інші сервіси. І чому «хакований» canvas на React-компонентах виявився ідеальним середовищем для експериментів з агентами та новими інтерфейсами.
Від безкоштовної онлайн-дошки до лондонського продуктового стартапу
На поверхні tldraw виглядає як ще одна онлайн-дошка для заміток, схем і спільної роботи. Будь-хто може відкрити сайт, почати малювати, створювати діаграми чи робити скетчі інтерфейсів — сервіс безкоштовний і не вимагає складної реєстрації, щоб просто почати працювати.
Але за цією простою оболонкою стоїть повноцінний продуктовий стартап, що базується в Лондоні. Команда не лише підтримує публічну дошку, а й розвиває tldraw як платформу: ядро продукту — це не стільки сам веб‑додаток, скільки canvas‑SDK, який можна вбудовувати в інші сервіси.
Це важливий зсув фокусу. Замість того, щоб конкурувати лише як ще один інструмент для візуальної колаборації, tldraw позиціонує себе як інфраструктуру для будь-яких продуктів, де потрібен інтерактивний, нескінченний, керований кодом canvas. Особливо це виявилося актуальним у контексті AI‑інструментів, яким потрібен простір для візуальної роботи моделей — від генерації UI до складних агентних сценаріїв.
Canvas як продукт: SDK, який вбудовують інші
Ключ до впливу tldraw — це його SDK. По суті, компанія «упаковує» свою дошку як бібліотеку, яку можна інтегрувати в інші веб‑додатки. Розробники отримують не просто компонент для малювання, а повноцінний canvas‑рушій із підтримкою форм, шарів, взаємодій і стану, який можна глибоко налаштовувати.
Цей підхід уже дав помітні інтеграції в AI‑екосистемі.
Replit, один із найпомітніших гравців у сфері AI‑розробки, використовує canvas tldraw у своєму агентному інтерфейсі. Їхній «agent canvas» — це не власноруч написаний рушій, а вбудований tldraw. На цьому полотні агенти Replit можуть будувати структури, візуалізувати ідеї чи інтерфейси, а користувачі — взаємодіяти з ними в реальному часі. Для Replit це спосіб швидко отримати надійний, гнучкий візуальний шар, не витрачаючи роки на розробку власного.
Схожий шлях обрала Luba AI. Її новий canvas також побудований на tldraw. Для компаній, що працюють з AI‑інструментами, це означає можливість сфокусуватися на моделях, логіці агентів і бізнес‑логіці, делегувавши складну частину — інтерактивну графічну оболонку — спеціалізованому рушію.
Ці інтеграції показують, що tldraw фактично стає «операційною системою» для візуальних AI‑інтерфейсів: замість того, щоб кожен продукт винаходив власну дошку, вони використовують спільний, добре протестований canvas.
Вбудований у чужий UI: кейс Stitch та Angular‑додатків
Ще один показовий приклад — Stitch. На перший погляд, їхній новий canvas не має стосунку до tldraw. Але якщо перейти в режим анотацій, виявляється, що саме там «захований» canvas tldraw.
Це важливий нюанс: tldraw не нав’язує повний перехід на свій стек чи дизайн‑систему. Його можна вбудувати як окремий режим або інструмент усередині вже існуючого продукту. У випадку Stitch це зроблено всередині Angular‑додатку — тобто React‑орієнтований canvas‑рушій живе в екосистемі іншого фреймворку.
Такий сценарій демонструє, що tldraw — не лише про «зробіть свій продукт на нашій дошці», а й про точкову інтеграцію: наприклад, додати режим анотацій, де користувачі можуть виділяти, підписувати, малювати поверх контенту. Для AI‑сервісів це відкриває можливість створювати гібридні інтерфейси, де частина взаємодій відбувається в класичному UI, а частина — на гнучкому canvas.
Факт, що tldraw працює всередині Angular‑додатку, підкреслює його роль як незалежного canvas‑runtime, який можна «вмонтувати» практично в будь-який фронтенд‑стек.
Хакований runtime на React: чому це подобається AI‑інженерам
Технічна основа tldraw — це canvas‑runtime, побудований на React‑компонентах. Уся дошка — це, по суті, дерево компонентів: кожна форма, шар, інструмент — React‑компонент, який можна розширювати, перевизначати або підміняти.
Для розробників це означає кілька речей.
По-перше, canvas «хакований» у хорошому сенсі. Його можна глибоко налаштовувати: додавати власні типи об’єктів, змінювати поведінку інструментів, підключати власну логіку взаємодії. Це не закритий віджет із фіксованим набором можливостей, а платформа, яку можна перебудовувати під конкретний продукт.
По-друге, React‑архітектура добре поєднується з сучасними AI‑сценаріями. Моделі можуть генерувати структури, які безпосередньо відображаються в компонентному дереві: наприклад, створювати діаграми, інтерфейси чи схеми як набір об’єктів із координатами, стилями та зв’язками. Це набагато природніше для LLM, ніж, скажімо, малювати піксельні зображення.
По-третє, оскільки runtime має публічний API, до нього можна «писати кодом» — у тому числі й за допомогою самих AI‑моделей. І тут виникає цікава напруга: з одного боку, це відкриває величезні можливості для автоматизації й агентних сценаріїв; з іншого — ставить питання безпеки, адже «AI, який добре вміє писати код», отримує доступ до потужного, хакованого середовища.
Саме ця комбінація — React‑компоненти, відкритий runtime‑API й орієнтація на візуальну структуру, а не на пікселі — робить tldraw привабливим для AI‑інженерів, які будують нові інтерфейси поверх моделей.
Від Make Real до агентів: чому canvas став природним середовищем для AI
Щоб зрозуміти, чому tldraw так добре «зчепився» з AI‑екосистемою, варто подивитися на один із ранніх експериментів — застосунок Make Real.
Make Real з’явився у 2023 році, коли тільки виходили перші vision‑моделі. Ідея була простою, але на той момент радикальною: користувач малює на canvas приблизний макет інтерфейсу, надсилає його моделі — і отримує працюючий прототип.
Сьогодні, у 2026‑му, це може здаватися буденністю на тлі «vibe‑coding» та численних інструментів, що генерують UI з тексту чи ескізів. Але тоді Make Real став одним із перших проєктів, який дозволив нетехнічним людям створювати робоче програмне забезпечення без написання коду й навіть без перегляду коду.
Користувачі могли не лише отримати HTML‑прототип, а й анотувати його прямо поверх canvas: змінювати кольори, вказувати правки, фактично будуючи складний prompt на основі вже згенерованого інтерфейсу. Це був ранній приклад того, як візуальний canvas може стати мовою спілкування між людиною та моделлю.
Далі експерименти пішли ще глибше: замість того, щоб використовувати AI лише як «бекенд», tldraw почав розглядати його як повноцінного учасника роботи на дошці. Моделі отримали можливість не просто повертати зображення, а генерувати структурований текстовий опис об’єктів canvas — кола, прямокутники, діаграми, підписи.
Це дозволило AI працювати з тим самим набором інструментів, що й людина: малювати котів, діаграми, доповнювати слайди, завершувати графіки. На відміну від дифузійних моделей, які видають суцільне зображення, тут результат — це набір керованих об’єктів, які можна редагувати, переміщувати, стилізувати.
Такий підхід виявився особливо корисним там, де важлива структурованість: у діаграмах, графіках, формах, навчальних матеріалах. І саме він зробив canvas tldraw природним середовищем для AI‑агентів, які не просто «відповідають текстом», а діють у візуальному просторі.
Canvas як спільний простір для людей і агентів
Сьогодні tldraw — це вже не просто місце, де люди малюють, а середовище, де одночасно працюють люди й агенти. На одному й тому ж canvas можуть співіснувати ручні замітки, автоматично згенеровані діаграми, прототипи інтерфейсів і дії AI‑агентів, які видно й зрозумілі користувачеві.
Це важливо з кількох причин.
По-перше, прозорість. Коли агент працює на canvas, користувач бачить його дії: які об’єкти створюються, як змінюються, що саме відбувається з проєктом. Це протилежність «чорної скриньки», де модель повертає готовий результат без проміжних кроків.
По-друге, спільність контексту. Людина й агент працюють у спільному просторі, бачать одні й ті самі об’єкти, можуть реагувати на дії одне одного. Це набагато ближче до реальної колаборації, ніж класичний чат, де користувач описує словами те, що йому потрібно, а модель намагається це інтерпретувати.
По-третє, масштабованість. Оскільки canvas tldraw уже використовується в продуктах на кшталт Replit чи Luba AI, ці сервіси можуть будувати власні агентні сценарії поверх спільного рушія. Це створює ефект платформи: поліпшення в самому canvas (наприклад, у способах представлення об’єктів, керуванні станом чи інтеграції з моделями) автоматично відкривають нові можливості для всіх, хто його вбудував.
У підсумку tldraw перетворюється на щось більше, ніж просто інструмент для малювання. Це середовище, де AI‑агенти отримують «тіло» — можливість діяти в просторі, який бачить і розуміє людина, а розробники — гнучкий, хакований runtime, який можна вмонтувати в будь-який сучасний веб‑продукт.
Висновок: невидима інфраструктура для візуального AI
Історія tldraw показує, як відносно проста ідея — безкоштовна онлайн‑дошка — може еволюціонувати в ключову інфраструктуру для нової хвилі AI‑продуктів.
Лондонський стартап не обмежився створенням ще одного інструменту для спільної роботи, а перетворив свій canvas на SDK, який уже лежить в основі агентного інтерфейсу Replit, нового canvas Luba AI та режиму анотацій у Stitch, навіть усередині Angular‑додатка.
Хакований runtime на React‑компонентах робить дошку не просто візуальним віджетом, а платформою, де можуть працювати люди, моделі й агенти, які пишуть код проти відкритого API. У світі, де AI усе частіше виходить за межі текстових чатів, саме такі «невидимі» інфраструктурні шари визначатимуть, як виглядатимуть інтерфейси майбутнього.