에이전트 AI를 엔터프라이즈의 소프트웨어 개발 수명 주기에 통합

AI 에이전트에 관하여 GitHub

엔터프라이즈의 개발자는 이미 AI를 쌍 프로그래밍 도구로 사용하여 개발 중에 동기적으로 코드 제안을 받을 수 있습니다.

AI 에이전트는 동료 프로그래머와 더 유사합니다. 다음 작업을 수행할 수 있습니다.

• 비동기 작업(예, 테스트 실행 또는 백로그에서 이슈 해결 등)을 사람의 개입 없이 자동으로 수행합니다.
• 릴리스 후, 아이디어 구상 또는 최적화 등 개발 단계 이외 워크플로에도 기여합니다.

에이전트와 협업하면 직원들이 높은 수준의 계획과 같은 다른 우선 순위에 더 집중할 수 있으며, 자연어 프롬프트에 더 많은 기능을 제공함으로써 비개발자 역할에도 AI의 이점을 제공할 수 있습니다.

GitHub Copilot'의 에이전트 기능은 플랫폼에 GitHub통합되어 타사 도구에 비해 간소화된 환경과 간소화된 라이선스 및 거버넌스를 제공합니다.

예제 시나리오

Mona's라는 부티크 우산 소매업체의 엔지니어링 매니저가 되었다고 상상해 보세요. 팀은 사용자의 위치 및 현지 날씨에 따라 우산을 권장하는 AI 기반 위젯 을 온라인 스토어에 추가하고 있습니다.

촉박한 기한을 충족하기 위해 개발자와 비 개발자 모두의 각 단계를 가속화하고, 출시 후 유지 관리를 유지 관리하도록 합니다.

1. 공동 파일럿 채팅와 함께 계획하세요

1. 제품 관리자는 공동 파일럿 채팅github.com/copilot에서 계획을 시작합니다.

Copilot 새 기능에 필요한 개발 작업을 파악하기 위해 고차원적인 질문을 합니다. 프로젝트에 대한 중요한 컨텍스트에 대한 액세스 권한을 부여 Copilot 하기 위해 모의 파일을 업로드하고 코드베이스가 저장된 리포지토리에 연결합니다.

1. PM이 Copilot와 협력하여 필요한 작업에 대한 개요를 얻은 후, 작업의 각 부분에 대한 이슈를 생성하도록 Copilot에게 요청합니다.

   PM은 일부 이슈를 옵션 사항 또는 유지 보수 문제로 표시합니다. 이들은 Copilot 클라우드 에이전트에 대한 좋은 후보가 될 수 있습니다.

   

2. 개발자가 빠르게 시작할 수 있도록 PM은 github.com/copilot/spaces에서 Copilot 스페이스 공간을 만듭니다. PM은 다이어그램 및 코드 파일에 대한 참조 등의 리소스를 수집하고, 몇 가지 테스트 질문을 제출한 다음, 해당 조직과 공간을 공유합니다.

   이제 개발자는 PM이 가진 모든 맥락이 이미 갖춰진 스페이스에서 질문할 수 있습니다.

2. 코파일럿 CLI로 만들기

1. 공간에서 몇 가지 초기 질문을 Copilot 한 후 개발자는 터미널에서 세션을 시작하여 코파일럿 CLI 코드를 보기 시작합니다.

2. "계획" 모드에서 개발자는 작업에 여러 AI 모델을 추천하고 각 모델의 장단점을 나열하도록 요청 Copilot 합니다.

3. 일부 코드를 작성한 후, 개발자는 Copilot에게 코드를 여러 개의 서로 다른 함수로 리팩터링하고 조직의 코딩 표준에 따라 린트 검사를 수행해 달라고 요청합니다. 조직에 대한 사용자 지정 지침이 포함된 조직의 사용자 지정 에이전트 중 하나를 호출합니다.

Copilot 는 한 번에 여러 파일을 업데이트하고 개발자의 권한 부여를 사용하여 종속성 설치 또는 테스트 실행과 같은 작업에 대한 명령을 실행할 수 있습니다.

1. 개발자는 diff를 검토하고 유지할 코드를 선택합니다.

3. MCP 서버로 테스트하기

1. 코드가 완료되면 개발자는 Playwright를 사용하여 로컬 빌드에서 테스트를 실행합니다.

   1. 개발자는 엔터프라이즈의 프라이빗 MCP 레지스트리에서 승인된 서버인 Playwright용 MCP(모델 컨텍스트 프로토콜) 서버를 구성했습니다.
   2. 개발자는 Copilot에게 .feature 파일에 테스트 시나리오 개요를 작성한 다음 브라우저에서 테스트를 실행해 달라고 요청합니다.
   3. Copilot 는 브라우저를 열고 UI와 상호 작용할 때 개발자에게 해당 작업에 권한을 부여하도록 요청합니다. 실패한 테스트를 식별하고 수정을 제안합니다.

2. 테스트 결과에 만족하면 개발자는 Copilot에게 GitHub에서 한 작업에 대한 pull request를 열어 달라고 요청합니다. ** GitHub MCP 서버를**Copilot 사용하여 제목 및 설명이 이미 채워진 끌어오기 요청을 엽니다.

   팁

   MCP 서버와의 GitHub 상호 작용은 푸시 보호로 보호되며, 이는 비밀이 AI 생성 응답에 포함되지 않도록 차단하고 서버를 사용하여 수행하는 모든 작업을 통해 비밀을 노출하지 못하게 합니다(공용 리포지토리에만 해당).

4. Copilot 코드 검토로 검토하기

1. 리포지토리 소유자가 리포지토리에서 자동 코드 검토를Copilot 구성했습니다. Copilot 는 끌어오기 요청에 대한 초기 검토를 제공하여 사용자 검토자가 끌어오기 요청에 도착하기 전에 개발자가 해결할 수 있는 버그 및 잠재적 성능 문제를 식별합니다.
2. 개발자의 동료가 끌어오기 요청을 검토하고 승인합니다. 작업 병합 준비 완료.

5. Copilot 클라우드 에이전트로 최적화

1. 릴리스 후 제품 관리자는 보다 안정적인 날씨 API로 전환하여 위젯을 개선할 수 있는 기회를 식별합니다. Copilot에서 바로 문제를 만들고 GitHub에게 직접 할당합니다.

2. Copilot 클라우드 에이전트 는 백그라운드에서 작동하고 제품 관리자가 검토 준비가 완료되었다고 표시하는 끌어오기 요청을 엽니다.

   

3. 개발자가 풀 리퀘스트를 검토하고 피드백을 남기면, Copilot이 이를 반영합니다. 그런 다음 개발자는 끌어오기 요청을 병합합니다.

   팁

   Copilot 클라우드 에이전트 기본 가드 레일과 함께 제공됩니다. 예를 들어 Copilot 자체는 끌어오기 요청을 병합할 수 없습니다. 리포지토리 규칙 집합을 사용하여 대상 분기에 대한 추가 보호 기능을 정의할 수 있습니다.

4. 나중에 별도의 기능을 개발하는 동안 개발자는 AI 위젯의 코드에서 작은 버그를 발견합니다. 컨텍스트 전환을 방지하기 위해 개발자는 자신의 Copilot 클라우드 에이전트 세션에서 직접 코파일럿 CLI에 작업을 위임합니다.

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

6. 코파일럿 자동 수정로 보안 설정

1. 관리자가 리포지토리에서 code scanning를 사용하도록 설정했으며, code scanning 경고는 코드의 잠재적 취약성을 시사합니다.

2. 보안 관리자는 개발자가 코파일럿 자동 수정 검토하고 승인하는 취약성에 대한 수정 사항을 자동으로 제안하도록 요청합니다.