Как monday.com интегрировала 2000 ИИ-агентов в продакшн без потери контроля

Интеграция автономных ИИ-агентов в разработку корпоративного программного обеспечения требует большего, чем просто автоматизация. В компании monday.com мы развернули более 2 000 агентов в продакшене, которые функционируют как полноценные цифровые члены команды. Атлас, наш первый агент, выбирает задачи из бэклога, открывает Pull Requests и проводит ревью кода наравне с людьми. Чтобы завоевать необходимое доверие, мы создали надежную инфраструктуру, решающую такие фундаментальные задачи, как верификация кода, персистентная память и строгие защитные механизмы.

Построение доверия через верификацию и память

При запуске агентов в системе, насчитывающей более 750 сервисов и 700 разработчиков, мы столкнулись с тем, что агенты повторяли ошибки или писали код, ломающийся на этапе тестирования. Мы внедрили циклы верификации и метрики оценки для каждого действия агента, отслеживая прохождение тестов CI и доставку кода в продакшн. Кроме того, предоставив агентам постоянную память на основе файлов, мы позволили им анализировать логи прошлых сессий между запусками, накапливая знания.

Защитные барьеры, MCP и модульные навыки

Чтобы избежать узких мест при код-ревью и сбоев в продакшене, мы внедрили жесткие стандарты проверки. Каждый Pull Request проверяется более чем по 100 инженерным критериям. Наш внутренний протокол MCP связывает агентов с актуальной средой продакшсна, автоматически блокируя ошибочные действия. Помимо этого, мы создали внутренний каталог из более чем 230 модульных навыков, четко определяющих границы возможностей каждого агента.

Реальность гибридной команды

ИИ-агенты берут на себя около 80% рутинных задач — багов, инцидентов и рутинных тикетов, при этом уровень отката изменений составляет всего около 1%. Сегодня 35% всех Pull Requests в monday.com создаются агентами. Работая в тех же досках задач и каналах связи, люди и агенты формируют единую гибридную команду, где человек задает стратегию, а ИИ берет на себя исполнение.