Atlassian Corporation, een aanbieder van door AI aangedreven samenwerkings- en teamproductiviteitssoftware, heeft Code Context aangekondigd, een nieuwe mogelijkheid binnen de Atlassian Teamwork Graph die ontwikkelaars, Rovo en coding agents veilige toegang biedt tot broncode in grote, multi-repository codebases. Deze stap positioneert Atlassian als een contextprovider voor het groeiende ecosysteem van AI-codingtools — waaronder externe agents zoals Cursor, Claude Code en Codex — in plaats van een zelfstandige code-assistent te bouwen, waarmee de aanpak zich onderscheidt van concurrenten die zich primair richten op codegeneratie binnen de editor.

Naarmate organisaties in toenemende mate coding agents adopteren, hangt de effectiviteit van deze tools af van meer dan alleen modelintelligentie. Het hangt af van de context die beschikbaar is voordat ze actie ondernemen. Coding agents kunnen code schrijven, refactoren en beoordelen, maar het produceren van kwaliteitsoutput vereist een diep begrip van het werksysteem rondom een bepaalde taak, samen met machtigingsbewuste toegang tot de context die het bevat. Organisatorische kennis — van architecturale beslissingen en productstrategie tot implementatiediscussies, eerdere afwegingen en de gesprekken die verklaren waarom systemen functioneren zoals ze doen — is hierbij cruciaal. Deze kloof tussen modelmogelijkheden en contextueel bewustzijn is een terugkerende uitdaging geweest voor bedrijven die AI-codingtools op schaal inzetten, waar codebases honderden of duizenden repositories beslaan.

De Atlassian Teamwork Graph bevat nu Code Context, wat een uniforme contextlaag creëert waarin grootschalig codebase-begrip en organisatorische kennis samenkomen. Dit stelt agents in staat om efficiënt te redeneren over zowel code als werk, waardoor ze preciezere output produceren met minder tokens.

Van codezoekopdracht naar codebase-begrip

Code Context genereert een veilige, bevraagbare weergave van verbonden codebases en maakt die kennis toegankelijk across ontwikkelingsworkflows — van IDE's en terminals tot AI-codingtoepassingen, Jira, Rovo Chat en het bredere Atlassian-ecosysteem. Ontwikkelaars en agents kunnen gebruikmaken van exacte zoekopdrachten, zoekvragen in natuurlijke taal en semantisch ophalen om relevante broncode te vinden across meerdere repositories.

Via de Teamwork Graph CLI kunnen coding agents zoals Cursor, Claude Code en Codex hun werk baseren op relevante informatie voordat ze code plannen, genereren of beoordelen. Zonder Code Context zijn agents doorgaans beperkt tot de code die lokaal beschikbaar is op de machine van een ontwikkelaar, waardoor ze mogelijk implementatiedetails, afhankelijkheden of gebruikspatronen missen die zich elders bevinden. Dit kan risico's creëren wanneer wijzigingen geen rekening houden met het systeem als geheel.

Code Context stelt agents ook in staat om code te combineren met gerelateerde signalen uit Jira-werkitems, Confluence-pagina's, Loom-video's en externe bronnen via meer dan 50 connectors. In de interne benchmarks van Atlassian leverden agents die werden verrijkt door de Teamwork Graph 44% nauwkeurigere resultaten met 48% minder tokens in vergelijking met agents die zonder die context opereerden.

Mark Walz, Chief Technology Officer van SpotOn, zei: "Wanneer een agent op de verkeerde plek begint, vertraagt alles en nemen de kosten toe. Ontwikkelaars moeten uitleggen waar ze moeten zoeken, waarom de code werkt zoals hij werkt en wat nog meer wordt beïnvloed. Code Context plaatst al dit voor de agent vanaf het begin, zodat deze zich kan concentreren op het voltooien van het werk."

De AI-contextengine voor softwareontwikkeling

Code Context breidt de visie van Atlassian uit voor een door AI aangedreven softwareontwikkelingslevenscyclus waarin Jira het werk verankert, Confluence de kennis bevat, pull requests de implementatiegeschiedenis vastleggen en de Teamwork Graph de omliggende context verbindt. Grootschalige, complexe codebases maken nu deel uit van dat verbonden systeem. Deze integratie benut de bestaande aanwezigheid van Atlassian bij zakelijke softwareteams — Jira en Confluence zijn al diep verweven in de ontwikkelingsworkflows van veel organisaties — wat Code Context een natuurlijk distributiekanaal geeft dat zelfstandige code-intelligencetools mogelijk missen.

De Teamwork Graph verwijst continu kruislings, koppelt, leidt af, indexeert en berekent vooraf relaties tussen miljarden objecten, waarbij een uniforme kaart wordt opgebouwd van hoe alles met elkaar samenhangt. Dit biedt agents een pad van hypothese naar verificatie, waarbij ze relevante context gebruiken om hun redenering te valideren voordat ze actie ondernemen. In plaats van handmatig repositories te onderzoeken of te leunen op tacit knowledge, kunnen ontwikkelaars aan Rovo vragen hoe een systeem werkt en antwoorden ontvangen die zijn gebaseerd op verbonden broncode en organisatorische context.

Voor engineeringteams die coding agents adopteren, vermindert Code Context de tijd die wordt besteed aan het handmatig samenstellen van context. Agents krijgen een directer pad naar de informatie die ze nodig hebben voordat ze code plannen, genereren of beoordelen. Ontwikkelaars behouden de verantwoordelijkheid voor het begrijpen van wijzigingen en het bepalen van wat wordt vrijgegeven.

Sanchan Saxena, Senior Vice President en Head of Product voor Teamwork Collection bij Atlassian, zei: "De organisaties die het meest succesvol zijn met AI zijn niet noodzakelijkerwijs degenen die het meest uitgeven; het zijn degenen die het de beste context geven met de juiste toegang. Grensverleggende intelligentie geeft teams snelheid. Context stuurt die snelheid in de juiste, meest impactvolle richting. We ontdekken dat echte versnelling in softwarelevering voortkomt uit het combineren van beide."

Code Context is ontworpen met beveiliging en governance als kern. Zodra het is ingeschakeld, worden resultaten beperkt tot wat elke gebruiker of geautoriseerde agent mag zien. Het doel is niet om agents onbeperkte toegang te geven, maar om het juiste toegangsniveau te bieden via een veilig, bestuurd systeem waarin ontwikkelaars de controle behouden. De nadruk op machtigingsbewuste toegang adresseert een belangrijke zorg voor bedrijven die AI-codingtools evalueren, waar onbeperkte blootstelling van codebases een belemmering vormt voor adoptie in gereguleerde sectoren.