Atlassian Corporation, поставщик программного обеспечения для совместной работы и повышения продуктивности команд на базе ИИ, объявил о запуске Code Context — новой функции в Atlassian Teamwork Graph, которая предоставляет разработчикам, Rovo и кодовым агентам безопасный доступ к исходному коду в крупных мультирепозиторных базах кода. Этот шаг позиционирует Atlassian как поставщика контекста для растущей экосистемы инструментов ИИ-кодирования, включая сторонних агентов, таких как Cursor, Claude Code и Codex, вместо создания автономного помощника по коду, что отличает ее подход от конкурентов, сосредоточенных преимущественно на генерации кода в редакторе.

По мере того как организации все чаще внедряют кодовых агентов, эффективность этих инструментов зависит не только от интеллектуальных возможностей моделей. Она опирается на контекст, доступный им до того, как они начнут действовать. Кодовые агенты могут писать, рефакторить и проверять код, но для получения качественного результата требуется глубокое понимание системы работы, окружающей любую конкретную задачу, а также доступ к контексту с учетом прав доступа. Организационные знания — от архитектурных решений и стратегии продукта до обсуждения реализации, прошлых компромиссов и разговоров, объясняющих, почему системы работают именно так — имеют решающее значение для этого процесса. Этот разрыв между возможностями модели и пониманием контекста был повторяющейся проблемой для предприятий, развертывающих инструменты ИИ-кодирования в масштабе, где базы кода охватывают сотни или тысячи репозиториев.

Atlassian Teamwork Graph теперь включает Code Context, создавая единый контекстный слой, на котором сходятся понимание крупномасштабных баз кода и организационные знания. Это позволяет агентам рассуждать как в рамках кода, так и в рамках работы, эффективно создавая более точный результат с использованием меньшего количества токенов.

От поиска кода к пониманию базы кода

Code Context генерирует безопасное, запрашиваемое представление подключенных баз кода и делает эти знания доступными в рабочих процессах разработки — от IDE и терминалов до приложений ИИ-кодирования, Jira, Rovo Chat и более широкой экосистемы Atlassian. Разработчики и агенты могут использовать точный поиск, запросы на естественном языке и семантический поиск для поиска релевантного исходного кода в нескольких репозиториях.

Через CLI Teamwork Graph кодовые агенты, такие как Cursor, Claude Code и Codex, могут основывать свою работу на релевантной информации перед планированием, генерацией или проверкой кода. Без Code Context агенты обычно ограничены кодом, доступным локально на машине разработчика, что потенциально ведет к упущению деталей реализации, зависимостей или шаблонов использования, находящихся в другом месте. Это может создавать риски, когда изменения не учитывают систему в целом.

Code Context также позволяет агентам объединять код со связанными сигналами из рабочих элементов Jira, страниц Confluence, видео Loom и сторонних источников через более чем 50 коннекторов. По результатам внутренних тестов Atlassian, агенты, обогащенные Teamwork Graph, показали на 44% более точные результаты, используя на 48% меньше токенов по сравнению с агентами, работающими без этого контекста.

Марк Вальц (Mark Walz), технический директор SpotOn, сказал: «Когда агент начинает не с того места, все замедляется и стоит дороже. Разработчикам приходится объяснять, куда смотреть, почему код работает именно так и на что еще он влияет. Code Context предоставляет агенту всю эту информацию с самого начала, чтобы он мог сосредоточиться на выполнении работы».

Контекстный движок ИИ для разработки программного обеспечения

Code Context расширяет видение Atlassian жизненного цикла разработки ПО на базе ИИ, в котором Jira служит основой для работы, Confluence хранит знания, pull-запросы фиксируют историю реализации, а Teamwork Graph объединяет окружающий контекст. Крупномасштабные, сложные базы кода теперь являются частью этой связанной системы. Эта интеграция использует существующее присутствие Atlassian в корпоративных командах разработчиков — Jira и Confluence уже глубоко встроены в рабочие процессы разработки многих организаций — что дает Code Context естественный канал распределения, которого может не хватать автономным инструментам интеллектуального анализа кода.

Teamwork Graph постоянно перекрестно ссылается, взаимосвязывает, выводит, индексирует и предварительно вычисляет отношения между миллиардами объектов, создавая единую карту того, как все связано. Это предоставляет агентам путь от гипотезы до проверки, используя релевантный контекст для подтверждения своих рассуждений перед действием. Вместо ручного изучения репозиториев или полагаясь на внутренние знания, разработчики могут спросить Rovo о том, как работает система, и получить ответы, основанные на связанном исходном коде и организационном контексте.

Для инженерных команд, внедряющих кодовых агентов, Code Context сокращает время, затрачиваемое на ручную сборку контекста. Агенты получают более прямой путь к информации, необходимой им перед планированием, генерацией или проверкой кода. Разработчики сохраняют ответственность за понимание изменений и определение того, что отправляется в релиз.

Санчан Саксена (Sanchan Saxena), старший вице-президент и глава отдела продуктов Teamwork Collection в Atlassian, сказал: «Организации, добивающиеся наибольшего успеха с ИИ, не просто тратят больше всех; они те, кто предоставляет ему лучший контекст с правильным доступом. Передовой интеллект дает командам скорость. Контекст направляет эту скорость в правильном, наиболее эффективном направлении. Мы обнаруживаем, что реальное ускорение доставки программного обеспечения происходит от объединения обоих факторов».

Code Context разработан с учетом безопасности и управления. После включения результаты ограничиваются тем, что разрешено видеть каждому пользователю или авторизованному агенту. Цель состоит не в том, чтобы предоставить агентам неограниченный доступ, а в том, чтобы обеспечить правильный уровень доступа через безопасную, управляемую систему, в которой разработчики сохраняют контроль. Акцент на доступ с учетом разрешений решает ключевую проблему для предприятий, оценивающих инструменты ИИ-кодирования, где неограниченный доступ к базе кода был барьером для внедрения в регулируемых отраслях.