Atlassian Corporation, dostawca oprogramowania do współpracy opartego na sztucznej inteligencji oraz narzędzi zwiększających produktywność zespołów, ogłosił Code Context — nową funkcję w ramach Atlassian Teamwork Graph, która zapewnia programistom, Rovo i agentom kodującym bezpieczny dostęp do kodu źródłowego w dużych, wielorepozytoryjnych bazach kodu. Posunięcie to pozycjonuje Atlassiana jako dostawcę kontekstu dla rosnącego ekosystemu narzędzi kodowania AI — w tym agentów zewnętrznych, takich jak Cursor, Claude Code i Codex — zamiast budować samodzielny asystent kodu, co odróżnia jego podejście od konkurentów skupionych przede wszystkim na generowaniu kodu w edytorze.

W miarę jak organizacje coraz powszechniej przyjmują agentów kodujących, skuteczność tych narzędzi zależy od czegoś więcej niż tylko inteligencji modelu. Opiera się na kontekście dostępnym dla nich, zanim podejmą działanie. Agenci kodujący potrafią pisać, refaktoryzować i przeglądać kod, jednak wygenerowanie wysokiej jakości wyników wymaga głębokiego zrozumienia systemu pracy otaczającego dane zadanie, a także dostępu uwzględniającego uprawnienia do kontekstu, który ono obejmuje. Wiedza organizacyjna — od decyzji architektonicznych i strategii produktowej po dyskusje nad implementacją, wcześniejsze kompromisy oraz rozmowy wyjaśniające, dlaczego systemy działają w określony sposób — ma w tym procesie krytyczne znaczenie. Luka pomiędzy możliwościami modelu a świadomością kontekstową stanowi powracające wyzwanie dla przedsiębiorstw wdrażających narzędzia kodowania AI na dużą skalę, gdzie bazy kodu obejmują setki lub tysiące repozytoriów.

Atlassian Teamwork Graph obejmuje teraz Code Context, tworząc ujednoliconą warstwę kontekstu, w której zrozumienie wielkoskalowych baz kodu i wiedza organizacyjna się spotykają. Dzięki temu agenci mogą efektywnie rozumować zarówno nad kodem, jak i nad zadaniami, generując precyzyjniejsze wyniki przy użyciu mniejszej liczby tokenów.

Od wyszukiwania kodu do zrozumienia bazy kodu

Code Context tworzy bezpieczną, odpytywalną reprezentację połączonych baz kodu i udostępnia tę wiedzę w ramach przepływów pracy deweloperskich — od środowisk IDE i terminali po aplikacje kodowania AI, Jirę, Rovo Chat oraz szerszy ekosystem Atlassiana. Programiści i agenci mogą korzystać z dokładnego wyszukiwania, zapytań w języku naturalnym oraz wyszukiwania semantycznego, aby lokalizować odpowiedni kod źródłowy w wielu repozytoriach.

Za pośrednictwem interfejsu CLI Teamwork Graph agenci kodujący tacy jak Cursor, Claude Code i Codex mogą oprzeć swoją pracę na odpowiednich informacjach przed planowaniem, generowaniem lub przeglądem kodu. Bez Code Context agenci są zazwyczaj ograniczeni do kodu dostępnego lokalnie na maszynie programisty, co może prowadzić do przeoczenia szczegółów implementacji, zależności lub wzorców użycia znajdujących się w innych miejscach. Stwarza to ryzyko, gdy zmiany nie uwzględniają systemu jako całości.

Code Context pozwala również agentom łączyć kod z powiązanymi sygnałami z elementów roboczych Jiry, stron Confluence, materiałów wideo Loom oraz źródeł zewnętrznych za pośrednictwem ponad 50 konektorów. We wewnętrznych testach porównawczych Atlassiana agenci wzbogaceni o Teamwork Graph osiągnęli o 44% dokładniejsze wyniki, zużywając o 48% mniej tokenów w porównaniu z agentami działającymi bez tego kontekstu.

Mark Walz, Chief Technology Officer w SpotOn, powiedział: „Kiedy agent zaczyna w złym miejscu, wszystko zwalnia i kosztuje więcej. Programiści muszą ostatecznie tłumaczyć, gdzie szukać, dlaczego kod działa tak a nie inaczej oraz co jeszcze on dotyka. Code Context stawia to wszystko przed agentem już na starcie, dzięki czemu może on skupić się na wykonaniu zadania."

Mechanizm kontekstu AI dla tworzenia oprogramowania

Code Context poszerza wizję Atlassiana dotyczącą natywnego dla AI cyklu życia tworzenia oprogramowania, w którym Jira stanowi fundament pracy, Confluence przechowuje wiedzę, pull requesty rejestrują historię implementacji, a Teamwork Graph łączy otaczający kontekst. Duże, złożone bazy kodu są teraz częścią tego połączonego systemu. Integracja ta wykorzystuje istniejącą obecność Atlassiana w zespołach programistycznych w przedsiębiorstwach — Jira i Confluence są już głęboko zakorzenione w przepływach pracy deweloperskich wielu organizacji — co daje Code Context naturalny kanał dystrybucji, którego mogą pozbawione być samodzielne narzędzia analizy kodu.

Teamwork Graph nieustannie krzyżuje odniesienia, łączy, wnioskuje, indeksuje i wstępnie oblicza relacje między miliardami obiektów, budując ujednoliconą mapę powiązań. Zapewnia to agentom ścieżkę od hipotezy do weryfikacji, wykorzystującą odpowiedni kontekst do sprawdzenia ich rozumowania przed podjęciem działania. Zamiast ręcznie analizować repozytoria lub polegać na nieformalnej wiedzy zespołu, programiści mogą zapytać Rovo, jak działa dany system, i otrzymać odpowiedzi oparte na połączonym kodzie źródłowym oraz kontekście organizacyjnym.

Dla zespołów inżynieryjnych wprowadzających agentów kodujących Code Context ogranicza czas poświęcany na ręczne składanie kontekstu. Agenci zyskują bardziej bezpośrednią ścieżkę do informacji, których potrzebują przed planowaniem, generowaniem lub przeglądem kodu. Programiści zachowują odpowiedzialność za zrozumienie zmian i decyzje o tym, co trafia do wdrożenia.

Sanchan Saxena, Senior Vice President i Head of Product for Teamwork Collection w Atlassian, powiedział: „Organizacje odnoszące największe sukcesy z AI to nie te, które wydają najwięcej; to te, które dostarczają jej najlepszy kontekst z odpowiednim dostępem. Pionierska inteligencja daje zespołom szybkość. Kontekst kieruje tę szybkość we właściwym, najbardziej przełomowym kierunku. Odkrywamy, że prawdziwe przyspieszenie w dostarczaniu oprogramowania wynika z połączenia obu tych elementów."

Code Context został zaprojektowany z myślą o bezpieczeństwie i ładzie korporacyjnym. Po włączeniu wyniki są ograniczone do tego, co każdy użytkownik lub uprawniony agent ma prawo zobaczyć. Celem nie jest przyznanie agentom nieograniczonego dostępu, lecz zapewnienie odpowiedniego poziomu dostępu w ramach bezpiecznego, regulowanego systemu, w którym programiści zachowują kontrolę. Nacisk na dostęp uwzględniający uprawnienia odpowiada na kluczową obawę przedsiębiorstw oceniających narzędzia kodowania AI, gdzie nieograniczone ujawnienie bazy kodu stanowiło barierę dla adopcji w branżach podlegających regulacjom.