EVERYTHING
За даними Devops, Postman розширив свій набір інструментів і платформ, додавши AI Engineer — агента штучного інтелекту. Цей агент може автономно виконувати широкий спектр завдань: від створення документації та дослідження API до налаштування інтеграцій із середовищами CI/CD.
Автоматизація життєвого циклу API
CEO компанії Abhinav Asthana зазначив, що AI Engineer суттєво зменшує загальну вартість розробки та підтримки API. Агент спрощує інтеграцію тестування API у робочі процеси розробників. Він може бути запущений через pull request, Slack, Postman CLI або сам застосунок.
Коли агент активується, він створює захищене, ізольоване середовище (sandboxed environment), виконує необхідні завдання та повертає верифіковані артефакти. До цих артефактів належать збірки, результати тестів, специфікації, логи виконання, pull request та тимчасове хмарне робоче простору.
- Тестування у реальному часі: AI Engineer може запускати тести API та забезпечення якості (QA) при кожному pull request і відправляти результати назад до існуючих робочих процесів розробників.
- Аналіз проблем: Агент здатний виявляти проблеми в API, прискорювати аналіз кореневих причин, простежуючи залежності між сервісами та повертаючи дієві гіпотези із кроками для відтворення помилки.
Роль контексту у роботі AI
Ключовою перевагою Postman є використання існуючої бази даних Context Graph. Ця база фіксує, як API створювався, змінювався та керувався протягом часу. За словами Asthana, саме цей контекст дозволяє AI Engineer генерувати набагато надійніші результати порівняно з загальнопризначеним агентом ШІ.
Хоча ще не повністю зрозуміло, наскільки глибоко управління API інтегровано у DevOps-процеси, в епоху штучного інтелекту ці межі стають простішими для подолання. Asthana також зазначив, що AI Engineer від Postman може спілкуватися безпосередньо з агентами ШІ від інших постачальників платформ DevOps для виконання комплексних завдань.
Оркестрація та майбутнє
Кожна команда DevOps має визначити, які завдання призначати одному агенту, а які — іншому. Проте очевидно, що багато ручних операцій, які раніше виконували інженери DevOps, тепер будуть здійснюватися невеликою армією AI-агентів. Це ставить перед галуззю питання про створення правильної оркестраційної рамки для управління всіма цими агентами.
Asthana наголосив, що в умовах зростаючого занепокоєння компаній щодо витрат на ШІ, використання графа стає необхідним елементом для контролю цих витрат. Таким чином, питання вже не в тому, чи варто включати AI-агентів у робочі процеси DevOps, а в тому, до якого ступеня можна покладатися на їхню роботу.
Цей інструмент демонструє значний прогрес у автоматизації складних завдань розробки та забезпечення якості API, перетворюючи рутинні операції на керований процес, що оптимізує ресурси команд.