# Интеграция агентического ИИ в жизненный цикл разработки программного обеспечения предприятия

Узнайте, как агенты могут повысить производительность в вашей организации.

## О агентах ИИ на GitHub

Разработчики в вашем предприятии уже могут использовать ИИ как инструмент парного программирования, одновременно получая предложения кода в процессе разработки.

Агенты ИИ больше похожи на одноранговых программистов. Они могут выполнять следующие действия:

* Выполнение асинхронных задач, таких как выполнение тестов или устранение проблем в невыполненной работе, с меньшей потребностью в вмешательстве человека.
* Участие в рабочих процессах за пределами этапа разработки, таких как идея или оптимизация после выпуска.

Совместная работа с агентами может предоставить сотрудникам больше времени, чтобы сосредоточиться на других приоритетах, таких как планирование высокого уровня, и повысить преимущества ИИ для ролей, не являющихся разработчиками, предоставляя больше возможностей для запросов естественного языка.

GitHub CopilotАгентские функции интегрированы в GitHubплатформу , обеспечивая упрощённый опыт и упрощённое лицензирование и управление по сравнению с сторонними инструментами.

## Пример сценария

Вы являетесь менеджером по инженерии в Моне, бутик-магазин зонтиков. Ваша команда добавляет в онлайн-магазин виджет **на базе искусственного интеллекта** , который рекомендует зонты на основе местоположения пользователя и местной погоды.

Чтобы уложиться в сжатые сроки, нужно ускорить каждый этап как для разработчиков, так и для тех, кто не занимается разработчиками, при этом сохраняя управление после запуска.

> \[!NOTE]
> GitHub постоянно расширяет свою платформу на базе искусственного интеллекта. Некоторые функции, описанные в этой статье, находятся в Публичный предварительный просмотр, и по умолчанию могут быть не включены для предприятий. Ресурсы по каждой функции вы найдёте в разделе [Get started с агентным AI](#get-started-with-agentic-ai).

## 1. Планируйте с помощью Copilot Chat

1. Продакт-менеджер начинает планировать с **Copilot Chat**[github.com/copilot](https://github.com/copilot).

   Они задают Copilot вопросы на высоком уровне, чтобы понять, какая работа по разработке необходима для новой функции. Чтобы получить Copilot доступ к важному контексту проекта, они загружают макеты и ссылаются на репозиторий, где хранится кодовая база.

2. Когда менеджер проекта Copilot работает над обзором необходимых задач, он просит Copilot**создать задачи** для каждой части работы.

   Премьер-министр отмечает некоторые из проблем как хорошие и у вас есть или обслуживание. Это могут быть хорошие кандидаты для Copilot cloud agent.

   ![Скриншот Copilot Chat. Copilot спрашивает, хочет ли пользователь продолжить создание набора приоритетных задач.](/assets/images/help/copilot/sdlc-guide/issue-creation.png)

3. Чтобы помочь разработчику быстро начать, PM создаёт пространство с **Copilot Spaces**[github.com/copilot/spaces](https://github.com/copilot/spaces). PM собирает такие ресурсы, как схемы и ссылки на файлы кода, отправляет несколько тестовых вопросов, а затем делится пространством со своей организацией.

   Теперь разработчик может задавать вопросы в пространстве, имея доступ ко всему контексту PM.

## 2. Создайте с Copilot CLI

1. Задавая несколько первых вопросов в Copilot этой области, разработчик запускает Copilot CLI сессию в своём терминале, чтобы начать анализ кода.

2. В режиме «планирования» разработчик просит Copilot порекомендовать несколько моделей ИИ для работы и перечислить плюсы и минусы каждой.

3. После написания кода разработчик просит Copilot рефакторить его на несколько различных функций и подредить его в соответствии со стандартами организации. Они вызывают одного из кастомных агентов организации, который включает индивидуальные инструкции для организации.

Copilot может одновременно обновлять несколько файлов и, с разрешения разработчика, запускать команды для таких действий, как установка зависимостей или запуск тестов.

1. Перед открытием запроса на вытягивание разработчик запускается `/security-review` для выявления вероятных уязвимостей в активных локальных изменениях и применения исправлений.

2. Разработчик просматривает различие и выбирает, какой код сохранить.

## 3. Тестирование с помощью сервера MCP

1. После завершения кода разработчик запускает тесты на локальной сборке с помощью Playwright.

   1. Разработчик настроил **сервер Model Context Protocol (MCP** ) для Playwright — утверждённого сервера в частном реестре MCP предприятия.
   2. Разработчик просит Copilot оформить тестовые сценарии в `.feature` файле, а затем запустить тесты в браузере.
   3. Copilot просит разработчика авторизировать его действия при открытии браузера и взаимодействии с интерфейсом. Он выявляет провалившийся тест и предлагает решение.

2. Когда тесты удовлетворяются, разработчик просит Copilot открыть pull request на выполнение работы на GitHub. Используя **GitHub MCP-сервер**, Copilot открывается pull request с уже заполненным заголовком и описанием.

   > \[!TIP]
   > Взаимодействие с GitHub MCP-сервером защищено **push-защитой**, которая блокирует включение секретов в ответы, сгенерированные ИИ, и не даёт вам раскрывать секреты через любые действия на сервере (только в публичных репозиториях).

## 4. Повторение с Copilot code review

1. Владелец репозитория настроил автоматические **проверки**Copilot кода на репозитории.
   Copilot предоставляет первоначальный обзор pull request, выявляя баги и возможные проблемы с производительностью, которые разработчик может исправить до того, как человеческий рецензент доберётся до pull-запроса.
2. Коллега разработчика проверяет и утверждает запрос на вытягивание. Работа готова к слиянию.

## 5. Оптимизировать с помощью Copilot cloud agent

1. После релиза менеджер продукта выявляет возможность улучшить виджет, перейдя на более надёжный погодный API. Они создают проблему и **назначают Copilot** её напрямую на GitHub.

2. Copilot cloud agent работает в фоне и открывает pull request, который менеджер продукта отмечает как готовый к рассмотрению.

   ![Скриншот pull request, созданного Copilot cloud agent.](/assets/images/help/copilot/sdlc-guide/agent-pr.png)

3. Разработчик рассматривает pull request и оставляет отзыв, который Copilot включает в себя. Разработчик затем объединяет pull request.

   > \[!TIP]
   > Copilot cloud agent В комплекте стандартные ограждения. Например, Copilot нельзя объединять pull requests самостоятельно. Можно определить дополнительные средства защиты для целевых ветвей с помощью наборов правил репозитория.

4. Позже при работе с отдельной функцией разработчик заметил небольшую ошибку в коде мини-приложения ИИ. Чтобы избежать переключения контекста, разработчик делегирует работу Copilot cloud agent непосредственно из своей Copilot CLI сессии.

   `/delegate Create a PR for the widget function to correctly validate that the user's age is a positive integer.`

## 6. Обеспечьте безопасность Copilot Autofix

1. Администратор включил code scanning репозиторие, и оповещение code scanning указывает на потенциальную уязвимость в коде.
2. Менеджер по безопасности автоматически **Copilot Autofix** предлагает исправление уязвимости, которое разработчик рассматривает и одобряет.

   ![Скриншот уведомления о сканировании кода на GitHub.com. Кнопка с меткой "Создать исправление" описана оранжевым цветом.](/assets/images/help/copilot/sdlc-guide/autofix.png)