Integración de IA con agente en el ciclo de vida de desarrollo de software de la empresa

Acerca de los agentes de IA en GitHub

Es posible que los desarrolladores de su empresa ya usen inteligencia artificial como herramienta de programación de par, recibiendo sugerencias de código de forma sincrónica durante el desarrollo.

Los agentes de inteligencia artificial son más parecidos a los programadores del mismo nivel. Pueden realizar las acciones siguientes:

• Realizar tareas asincrónicas, como ejecutar pruebas o corregir problemas en el trabajo pendiente, con menos necesidad de intervención humana.
• Contribuir a los flujos de trabajo más allá de la fase de desarrollo, como la ideación o la optimización después de una versión.

La colaboración con agentes puede dar a los empleados más tiempo para centrarse en otras prioridades, como la planificación general, y aportar las ventajas de la inteligencia artificial a los roles que no son de desarrollador al proporcionar más eficacia a los mensajes de lenguaje natural.

Las funciones agénticas de GitHub Copilot se integran en la plataforma de GitHub, lo que proporciona una experiencia más fluida y simplifica la concesión de licencias y la gobernanza en comparación con las herramientas de terceros.

Escenario de ejemplo

Eres el administrador de ingeniería en Mona's, un minorista de paraguas. Su equipo va a agregar un widget con tecnología de inteligencia artificial a la tienda en línea que recomienda paraguas en función de la ubicación del usuario y el tiempo local.

Para cumplir un plazo ajustado, quieres acelerar cada fase tanto para desarrolladores como para quienes no lo son, sin que el mantenimiento resulte inmanejable tras el lanzamiento.

1. Planear con Chat de Copiloto

1. Un administrador de productos comienza a planear con Chat de Copiloto en github.com/copilot.

Copilot Formulan preguntas de alto nivel para tener una idea del trabajo de desarrollo necesario para la nueva característica. Para conceder Copilot acceso al contexto importante sobre el proyecto, cargan archivos de diseño y enlazan al repositorio donde se almacena el código.

1. Cuando el PM ha trabajado con Copilot para obtener una visión general de las tareas necesarias, pide Copilot que cree problemas para cada parte del trabajo.

   El PM marca algunas de las incidencias como interesantes de conservar o de mantenimiento. Pueden ser buenos candidatos para agente en la nube de Copilot.

   

2. Para ayudar al desarrollador a empezar a trabajar rápidamente, el PM crea un espacio con Espacios de Copilot en github.com/copilot/spaces. El PM recopila recursos como diagramas y referencias a archivos de código, envía algunas preguntas de prueba y, a continuación, comparte el espacio con su organización.

   El desarrollador ahora puede hacer preguntas en ese espacio, con todo el contexto de la PM ya disponible.

2. Crear con CLI de Copilot

1. Después de formular algunas preguntas iniciales en el Copilot espacio, el desarrollador inicia una CLI de Copilot sesión en su terminal para empezar a examinar el código.

2. En el modo "plan", el desarrollador pide que recomiende Copilot varios modelos de IA para el trabajo y enumere los ventajas y desventajas de cada uno.

3. Después de escribir código, el desarrollador pide Copilot que refactorice el código en varias funciones diferentes y lo linte en función de los estándares de la organización. Invocan a uno de los agentes personalizados de la organización, que incluye instrucciones personalizadas para la organización.

Copilot puede actualizar varios archivos a la vez y, con la autorización del desarrollador, ejecutar comandos para acciones como instalar dependencias o ejecutar pruebas.

1. El desarrollador revisa la diferencia y elige qué código conservar.

3. Prueba con un servidor MCP

1. Una vez finalizado el código, el desarrollador ejecuta pruebas en su compilación local mediante Playwright.

   1. El desarrollador ha configurado el servidor del Protocolo de contexto de modelo (MCP) para Playwright, un servidor aprobado en el registro de MCP privado de la empresa.
   2. El desarrollador pide que describa escenarios Copilot de prueba en un .feature archivo y, a continuación, ejecute las pruebas en el explorador.
   3. Copilot pide al desarrollador que autorice sus acciones a medida que abre el explorador e interactúa con la interfaz de usuario. Identifica una prueba con errores y sugiere una corrección.

2. Cuando están satisfechos con las pruebas, el desarrollador pide al Copilot que abra una solicitud de extracción para el trabajo en GitHub. Con el GitHub servidor MCP, Copilot abre una solicitud de incorporación de cambios con el título y la descripción ya rellenados.

   Sugerencia

   Las interacciones con el GitHub servidor MCP están protegidas mediante protección de inserción, lo que impide que los secretos se incluyan en las respuestas generadas por IA y evita que usted exponga secretos mediante las acciones que realice con el servidor (solo repositorios públicos).

4. Revisión con revisión de código Copilot

1. El propietario de un repositorio ha configurado revisiones** automáticas **de código en Copilot el repositorio. Copilot proporciona una revisión inicial en la solicitud de incorporación de cambios, identificando errores y posibles problemas de rendimiento que el desarrollador puede corregir antes de que un revisor humano llegue a la solicitud de incorporación de cambios.
2. El compañero del desarrollador revisa y aprueba la solicitud de cambios. El trabajo está listo para combinarse.

5. Optimizar con agente en la nube de Copilot

1. Después del lanzamiento, el administrador de productos identifica una oportunidad para mejorar el widget cambiando a una API meteorológica más confiable. Crean una incidencia y la asignan a Copilot directamente desde GitHub.

2. agente en la nube de Copilot Funciona en segundo plano y abre una solicitud de arrastre, que el product manager marca como lista para revisión.

   

3. Un desarrollador revisa la solicitud de incorporación de cambios y deja comentarios, que incorpora Copilot. A continuación, el desarrollador fusiona la solicitud de extracción.

   Sugerencia

   agente en la nube de Copilot viene con límites de protección predeterminados. Por ejemplo, Copilot no puede combinar solicitudes de incorporación de cambios por sí mismo. Puedes definir protecciones adicionales para las ramas de destino mediante conjuntos de reglas de repositorio.

4. Más adelante, al trabajar en una característica independiente, el desarrollador observa un pequeño error en el código del widget de IA. Para evitar el cambio de contexto, el desarrollador delega el trabajo a agente en la nube de Copilot directamente desde su CLI de Copilot sesión.

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

6. Asegure con Autofijo de Copilot

1. Un administrador ha habilitado code scanning en el repositorio y una code scanning alerta sugiere una posible vulnerabilidad en el código.

2. Un administrador de seguridad solicita Autofijo de Copilot sugerir automáticamente una corrección para la vulnerabilidad, que un desarrollador revisa y aprueba.