Entendendo como os agentes de IA se encaixam nos fluxos de trabalho da sua empresa

Este tutorial ajuda proprietários de empresas, gerentes de IA e líderes de engenharia a planejar a implantação de um agente de IA. Você identificará quais recursos habilitar, quais controles examinar e quais equipes envolver antes da distribuição.

Sobre os agentes de IA em GitHub

Os desenvolvedores em sua empresa já podem usar a IA como uma ferramenta de programação de par, recebendo sugestões de código de forma síncrona durante o desenvolvimento.

Agentes de IA são mais semelhantes a programadores pares. Eles podem:

• Realizar tarefas assíncronas, como executar testes ou corrigir problemas em sua lista de pendências, com menos necessidade de intervenção humana.
• Contribuir para fluxos de trabalho além da fase de desenvolvimento, como ideação ou otimização após uma versão.

Colaborar com os agentes pode dar aos seus funcionários mais tempo para se dedicar a outras prioridades, como planejamento de alto nível, e trazer os benefícios da IA para funções que não são de desenvolvimento, dando mais poder aos prompts de linguagem natural.

Os recursos agênticos do GitHub Copilot são integrados à plataforma do GitHub, proporcionando uma experiência mais integrada e simplificando o licenciamento e a governança em comparação com ferramentas de terceiros. Os usuários podem iniciar sessões na nuvem de um cliente local e retomá-las em GitHub, com as mesmas ferramentas, permissões e modelos.

Cenário de exemplo

Você é gerente de engenharia na Mona's, uma boutique de guarda-chuvas. Sua equipe está adicionando um widget alimentado por IA à loja online que recomenda guarda-chuvas com base na localização do usuário e no clima local.

Para cumprir um prazo apertado, você deseja acelerar cada estágio para desenvolvedores e não desenvolvedores, mantendo a manutenção gerenciável após a inicialização. Você trabalha com os administradores da sua empresa para decidir quais recursos disponibilizar e como controlar seu uso.

1. Planeje com Copilot em GitHub

1. Um PM (gerente de produto) inicia uma sessão com Copilot em github.com/copilot, trabalhando no repositório que contém a base de código do projeto.

   Eles fazem Copilot perguntas de alto nível para ter uma noção do trabalho de desenvolvimento necessário para o novo recurso. Para dar Copilot acesso a um contexto importante sobre o projeto, eles carregam arquivos de simulação e vinculam ao repositório em que a base de código é armazenada.

2. O gerente de projeto fixa a sessão na nuvem para salvá-la na parte superior da lista de sessões. Posteriormente, em deslocamento para atender um cliente, eles retomarão a sessão em GitHub Mobile para continuar o planejamento.

   Dica

   Se a organização exigir SSO (logon único), o PM deverá autenticar-se com SSO para acessar a sessão a partir de outro cliente.

3. Depois que o PM trabalhou com Copilot para obter uma visão geral das tarefas necessárias, ele pede a Copilot para criar problemas para cada parte do trabalho.

   

4. Para ajudar o desenvolvedor a começar rapidamente, o PM cria um espaço com Copilot Spaces em github.com/copilot/spaces. O PM coleta recursos como diagramas e referências a arquivos de código, envia algumas perguntas de teste e compartilha o espaço com a organização.

   O desenvolvedor agora pode fazer perguntas no espaço com todo o contexto do PM já disponível.

2. Criar com Copilot CLI

1. Depois de fazer algumas perguntas iniciais no Copilot espaço, o desenvolvedor retoma a sessão em seu terminal para começar a examinar o código. Eles pedem Copilot para recomendar vários modelos de IA para o trabalho e listar os prós e contras de cada um.

2. Depois de escrever um código, o desenvolvedor pede ao Copilot refatorar o código em diversas funções diferentes e executar lint nele com base nos padrões da organização. Eles invocam um dos agentes personalizados da organização, que inclui instruções personalizadas para a organização.

Copilot pode atualizar vários arquivos de uma só vez e, com a autorização do desenvolvedor, executar comandos para ações como instalar dependências ou executar testes.

1. Antes de abrir um pull request, o desenvolvedor executa /security-review para identificar possíveis vulnerabilidades nas alterações locais atuais e aplicar remediações.
2. O desenvolvedor analisa a diferença e escolhe qual código manter.

3. Testar com um servidor MCP

1. Com o código concluído, o desenvolvedor executa testes em sua compilação local usando o Dramaturgo.

   1. O desenvolvedor configurou o servidor MCP (Model Context Protocol) para o Playwright, um servidor aprovado no registro MCP privado da empresa.
   2. O desenvolvedor pede que Copilot descreva cenários de teste em um arquivo .feature e, em seguida, execute os testes no navegador.
   3. Copilot solicita que o desenvolvedor autorize suas ações à medida que abre o navegador e interage com a interface do usuário. Ele identifica um teste com falha e sugere uma correção.

2. Quando estiver satisfeito com os testes, o desenvolvedor pede para Copilot abrir uma pull request para o trabalho em GitHub. Usando o GitHub servidor MCP, Copilot abre uma solicitação pull com o título e a descrição já preenchidos.

   Dica

   As interações com o GitHub servidor MCP são protegidas pela proteção por push, que impede que segredos sejam incluídos em respostas geradas por IA e impede que você exponha segredos por meio de todas as ações executadas usando o servidor (somente repositórios públicos).

4. Revisar com Copilot code review

1. Um proprietário do repositório configurou revisões de código automáticas por Copilot no repositório. Copilot fornece uma revisão inicial na solicitação de pull, identificando bugs e possíveis problemas de desempenho que o desenvolvedor pode corrigir antes que um revisor humano chegue à solicitação de pull.
2. O colega do desenvolvedor revisa e aprova a pull request. O trabalho está pronto para ser mesclado.

5. Atribuir trabalho de acompanhamento a Copilot

1. Após o lançamento, o gerente de produto identifica uma oportunidade de melhorar o widget alternando para uma API de clima mais confiável. Eles criam uma tarefa e a atribuem a Copilot diretamente no GitHub.

2. Copilot funciona em segundo plano e abre uma solicitação de pull, que o gerente de produto marca como pronta para revisão.

   

3. Um desenvolvedor revisa o pull request e deixa feedback, que Copilot incorpora. Em seguida, o desenvolvedor mescla a solicitação de pull.

   Dica

   Copilot vem com guardrails padrão. Por exemplo, ele não pode mesclar pull requests por si só. Você pode definir proteções adicionais para branches de destino usando conjuntos de regras do repositório.

4. Posteriormente, ao trabalhar em um recurso separado, o desenvolvedor observa um pequeno bug no código do widget de IA. Para evitar alternância de contexto, o desenvolvedor delega o trabalho a Copilot diretamente pela sessão Copilot CLI.

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

6. Proteja com Copilot Autofix

1. Um administrador habilitou code scanning no repositório, e um alerta code scanning sugere uma vulnerabilidade potencial no código.

2. Um gerenciador de segurança solicita Copilot Autofix a sugestão automática de uma correção para a vulnerabilidade, que um desenvolvedor analisa e aprova.

   

Planejando sua implementação

Use o exemplo acima para identificar onde os agentes de IA podem ajudar suas equipes. Trabalhe com os administradores da sua empresa para planejar:

• Equipes piloto e tarefas: escolha uma equipe e um fluxo de trabalho para tentar primeiro, como manutenção de backlog ou revisão de pull request.
• Requisitos de governança: identificar as políticas, os servidores MCP aprovados e as proteções de repositório necessárias para esse fluxo de trabalho.
• Responsabilidades de implantação: defina quem configurará políticas empresariais, preparará repositórios, treinará desenvolvedores e examinará os resultados do piloto.