Co je GitLab Duo Agent Platform a proč byste na ni měli v rámci SDLC přejít?

V posledních několika letech znamenala AI ve vývoji softwaru jediné: doplňování kódu. Bylo to užitečné, ale omezené. Nástroj sledoval, co píšete, a hádal, co přijde dál. Pomáhalo to, ale AI zůstávala tak trochu na vedlejší koleji.

Platforma GitLab Duo Agent Platform to mění. Posouvá AI z pasivní pomoci k aktivní účasti. Jde o tzv. „Agentic AI“, kde autonomní agenti dokážou promýšlet problémy, plánovat další kroky a vykonávat skutečnou práci v rámci celého životního cyklu vývoje softwaru (SDLC).

Agenti jen neodpovídají na otázky, ale přímo přikládají ruku k dílu. Agent dokáže sám roztřídit bezpečnostní problémy, vyčistit starý kód nebo zvládnout vícekrokové nasazení. Pracuje na pozadí a díky CI/CD automatizaci udržuje věci v pohybu.

Jako partner GitLabu úrovně Select a Professional Services vám přinášíme vše podstatné, co byste o GitLab Duo Agent Platform měli vědět.

Jádro architektury: Dva způsoby práce

Chcete-li z platformy vytěžit maximum, pomůže vám pochopit její dva režimy: Agenty (Agents) a Toky (Flows). Sdílejí stejný základ AI, ale v každodenním vývoji hrají velmi odlišné role.

Agenti jsou stvořeni pro živou spolupráci. Komunikujete s nimi přímo v rozhraní GitLab Duo Agentic Chat. Výměna informací je okamžitá a interaktivní. To skvěle funguje, když ladíte chybu, navrhujete systém nebo se snažíte pochopit složitý kus kódu.

Toky jsou o samotné exekuci. GitLab Duo Workflow je sada kroků, která běží na vlastních výpočetních prostředcích GitLabu bez nutnosti neustálých vstupů. Nečeká na zprávy v chatu — reaguje na události.

Tok může začít, když někdo v merge requestu použije určité klíčové slovo nebo když je k issue přiřazen recenzent. Jakmile se spustí, začne pracovat. Může zkontrolovat požadavky, aktualizovat několik souborů, spustit testy a dokonce otevřít merge request. To vše probíhá, aniž by na něj musel někdo dohlížet.

Agenti a Toky společně proměňují AI ve skutečného spoluhráče — v někoho, s kým se můžete poradit, když potřebujete pomoc, a kdo se chopí práce, když zrovna nemáte čas.

Interaktivní vrstva: GitLab Duo Agentic Chat

GitLab Duo Agentic Chat je místem, kde většina práce s platformou začíná. Je k dispozici jako panel ve webovém rozhraní GitLabu a v oblíbených IDE, jako jsou VS Code, JetBrains a Visual Studio. Nejde o obyčejné chatovací okno. Chat si pamatuje minulé konverzace a rozumí struktuře projektu, na kterém pracujete.

Díky znalosti kontextu funguje chat spíše jako řídicí centrum než jen pole pro prompty. Můžete navázat tam, kde jste skončili, odkazovat na stávající kód a řešit problémy přímo, aniž byste museli vše znovu vysvětlovat.

Jednou z nejužitečnějších funkcí je výběr modelu. Různé jazykové modely se hodí na různé úkoly a GitLab vám umožňuje mezi nimi přepínat. Pro plánování architektury si můžete vybrat model se silným logickým uvažováním, zatímco pro psaní nebo revizi velkého množství kódu přepnete na model rychlejší.

Týmy mohou o fungování rozhodovat samy. Administrátoři mohou nastavit model pevně pro celou skupinu, nebo nechat každého vývojáře vybrat to, co nejlépe vyhovuje jeho workflow.

V rámci chatu spolupracujete se základními agenty (Foundational Agents). Jsou to vestavěné AI role spravované GitLabem, z nichž každá se zaměřuje na specifickou část vývojového procesu:

• GitLab Duo (výchozí) — univerzální partner pro kódování. Vysvětluje kód, pomáhá ladit chyby a podporuje refaktorování.
• Planner Agent — zaměřuje se na produktové plánování. Dokáže rozložit velké epiky na jasné uživatelské příběhy a úkoly. Můžete ho požádat o odhad složitosti nebo rozdělení úkolů.
• Security Analyst Agent — specialista na zranitelnosti. Pomáhá týmům odlišit skutečná rizika od šumu, řadit problémy podle dopadu a dokonce otevírat merge requesty pro opravu konkrétních chyb.
• Data Analyst Agent — usnadňuje přístup k datům platformy. Můžete mu klást otázky v přirozeném jazyce (např. kolik merge requestů bylo otevřeno v minulém čtvrtletí) a on je převede na přesné dotazy v jazyce GitLab Query Language.

Vrstva CI/CD automatizace: Orchestrace toků

Zatímco agenti řeší diskuzi, toky (Flows) mají na starosti exekuci — neboli orchestraci více agentů najednou.

Platforma podporuje dva druhy GitLab Duo Workflows: Základní toky (Foundational Flows) a Vlastní toky (Custom Flows).

Základní toky jsou okamžitě připraveny k použití v rámci CI/CD automatizace. Příkladem je tok Fix CI/CD Pipeline. Když úloha selže, vývojář ji může spustit přímo z logů. Tok prověří chybu, najde příčinu a navrhne opravu.

Dalším příkladem je Convert Jenkins to GitLab CI/CD. Tento tok vezme existující Jenkinsfile a promění ho v pipeline GitLabu. To, co bývalo piplavou manuální migrací, se stává záležitostí jednoho kliknutí.

Vlastní toky jdou ještě dál. Týmy si mohou definovat vlastní GitLab Duo Workflows pomocí YAML souborů. Díky tomu lze navrhnout vícekrokové procesy, které přesně odpovídají tomu, jak váš tým skutečně pracuje.

Vlastní tok se skládá ze tří částí:

1. Komponenty (Components) definují zapojené autonomní agenty nebo kroky.
2. Routery rozhodují o tom, co se stane dál.
3. Prompty řídí chování každého agenta.

Představte si, že váš tým nastaví Compliance Flow. Ten se automaticky spustí při otevření merge requestu. Nejprve kód putuje k Security Agentovi ke kontrole citlivých dat. Pokud projde, tok pošle změny Documentation Agentovi, aby potvrdil, že README obsahuje veškeré aktualizace API.

Nakonec Summary Agent shromáždí výsledky a vloží zprávu přímo do merge requestu. Nikdo nemusí proces hlídat — tok běží na pozadí přesně podle vaší YAML konfigurace.

Centrální rozbočovač: AI Catalog a Dashboard Automate

S rostoucím počtem autonomních agentů a toků je klíčové udržet v této orchestraci pořádek. K tomu slouží AI Catalog. Je to sdílený domov pro vše, co váš tým vytvoří — interní knihovna, kde vývojáři mohou hledat, vytvářet a znovu používat AI nástroje.

Katalog je navržen s ohledem na spolupráci. Když někdo vytvoří nového agenta, vybere, kdo ho uvidí. Soukromý (Private) agent zůstává omezen na projekt, což je ideální pro testování. Jakmile je hotov, může být publikován jako Veřejný (Public), čímž se zpřístupní celé organizaci.

Tento přístup podporuje znovupoužitelnost. Místo toho, aby několik týmů vyvíjelo vlastní verzi téhož agenta pro revizi kódu, mohou sdílet jedno osvědčené řešení.

Spolehlivost je zajištěna sémantickým verzováním. Při každé aktualizaci agenta nebo toku mu GitLab přiřadí nové číslo verze (např. posun z 1.0.0 na 1.1.0). Každá verze je fixní. Pokud projekt využívá verzi 1.0.0, bude ji používat i nadále — i kdyby mezitím vyšla verze 2.0.0.

Nic se nezmění, dokud maintainer nerozhodne o upgradu. To udržuje produkční workflow stabilní a eliminuje nečekané změny v chování AI.

Součástí platformy je také dashboard Automate. Je to řídicí místnost všeho, co běží, rozdělená do čtyř sekcí: Agenti, Toky, Triggery a Relace (Sessions).

Triggery (spouštěče) jsou obzvláště silné. Umožňují propojit události s akcemi. GitLab Duo Workflow může začít, když někdo v komentáři zmíní bota (např. @refactor-bot). Může se také spustit, když je agent přiřazen k issue nebo merge requestu. Jakmile se spouštěč aktivuje, zbytek proběhne automaticky.

Pro účely auditu a řešení potíží nabízí zobrazení Sessions plnou transparentnost. Každá interakce s agentem i každý běh toku vytváří detailní log. Vidíte konečný výsledek, logické kroky, nástroje, které AI použila, i surový výstup z exekuce.

Konec izolovaných sil: Model Context Protocol (MCP)

Tradiční AI nástroje často fungují izolovaně — vidí jen to, co mají přímo před sebou. GitLab Duo Agent Platform toto omezení odstraňuje pomocí protokolu Model Context Protocol (MCP).

Zjednodušeně řečeno, MCP je otevřený standard, který umožňuje AI modelům bezpečně se připojit k externím systémům. GitLab jej podporuje obousměrně — jako klient i jako server.

Když GitLab funguje jako MCP klient, mohou Duo agenti sahat i mimo repozitář. Týmy mohou připojit MCP servery k prostředí jako Jira, Slack nebo Google Cloud Platform, a tím dále rozšířit svou orchestraci.

Představte si výpadek plateb v pondělí ráno. Vývojář požádá GitLab Duo o prošetření. Agent vytáhne tikety z Jiry, projde diskuze na Slacku a zkontroluje monitorovací nástroje na výskyt chyb. Výsledkem je ucelený pohled na situaci postavený na datech z více zdrojů.

Když GitLab funguje jako MCP server, funguje to opačně. Externí AI nástroje mohou přistupovat k datům v GitLabu přímo. Pokud vývojář dává přednost editorům jako Cursor nebo Claude Desktop, může je připojit k MCP serveru GitLabu.

Díky tomu mohou tyto nástroje číst issue, kontrolovat diffy v merge requestech a sledovat stav pipeline. Vývojáři získají plný přístup ke kontextu svého SDLC bez ohledu na to, jakého asistenta používají.

Hloubkové přizpůsobení: Platforma na míru vašemu týmu

To, co platformu skutečně odlišuje, je míra její přizpůsobitelnosti. GitLab ji navrhl tak, aby chování AI mohlo odrážet reálné fungování vaší organizace.

Základem jsou systémové prompty. Ty definují, jak si vlastní agent myslí, jak odpovídá a jak se chová. Prompt je v podstatě „nastavení mysli“ agenta. Tyto prompty se stávají základním vodítkem pro jakéhokoli vlastního agenta vytvořeného v AI Catalogu. Agent pro řešení potíží může mít například pokyn vždy žádat o kroky k reprodukci chyby, prioritně kontrolovat logy a odpovídat technicky.

Pro širší konzistenci podporuje platforma soubor chat-rules.md. Ten může existovat na úrovni uživatele nebo pracovního prostoru a definuje sdílené preference — například používání TypeScriptu v příkladech, preferování funkcionálních vzorů nebo stručnost odpovědí. To pomáhá AI přizpůsobit se tónu, stylu a očekáváním konkrétního týmu — nebo dokonce individuálního vývojáře.

Standardizace jde ještě dál se souborem AGENTS.md. Ten se řídí oborovým standardem a zajišťuje, že všichni autonomní agenti a toky, které pracují s repozitářem (včetně nástrojů třetích stran), dodržují stanovená pravidla — od architektonických pokynů až po bezpečnostní požadavky (např. nikdy nenavrhovat hardcoded hesla). To pokrývá vše od architektonických pokynů až po bezpečnostní požadavky, jako je zákaz navrhování hardcoded citlivých údajů (secrets). Protože je AGENTS.md založen na otevřeném standardu, může jakýkoli kompatibilní AI nástroj následovat stejné instrukce. To znamená konzistentní chování bez ohledu na to, který asistent je právě používán.

Pro týmy, které chtějí precizní kontrolu nad automatizovanými recenzemi, je tu mr-review-instructions.yaml. Tento soubor ladí chování základního toku Code Review. Pomocí vzorů (glob patterns) mohou týmy aplikovat různé kontroly na různé typy souborů. U souborů v Ruby lze například vyžadovat kontrolu pokrytí testy v RSpec, zatímco u Vue komponentů zase kontrolu přístupnosti. Každá recenze se tak soustředí přesně na ten kód, který se skutečně změnil.

Proč na tom záleží právě teď: Business Case

Přechod od základních AI asistentů k orchestraci více agentů přináší reálné výhody:

1. Od rychlejšího psaní k rychlejšímu dodávání. Tradiční asistenti čekají na vstup. Duo agenti ne. Vývojář může spustit GitLab Duo Workflow pro refaktorování starého kódu a věnovat se jiné práci. AI běží paralelně a šetří lidskou pozornost.
2. Boření informačních bariér díky MCP. Ve velkých organizacích jsou data roztroušena v nástrojích jako Jira, Slack nebo GCP. Vývojáři tráví hodiny přepínáním mezi nimi. S MCP dokáže agent okamžitě propojit log chyby se souvisejícím tiketem a diskuzí v týmu — vše v rámci jednoho IDE.
3. Vestavěná správa a shoda (Governance & Compliance). Ruční škálování pravidel je těžké. Soubory jako AGENTS.md a chat-rules.md přímo říkají AI, jaké jsou standardy. Místo spoléhání se na to, že recenzent chybu zachytí, autonomní agenti vaše pravidla dodržují automaticky.
4. Omezení rutinní práce a technického dluhu. Zkušení inženýři často tráví čas repetitivní prací s nízkým dopadem. Migrace pipeline nebo třídění bezpečnostních nálezů lze automatizovat pomocí Foundational Flows. Týmům se tak uvolní ruce pro tvorbu nových funkcí a dlouhodobou hodnotu.

Pokud chcete prozkoumat, jak by to mohlo vypadat ve vaší firmě ve spolupráci se společností Cloudfresh — certifikovaným poskytovatelem služeb implementace GitLabu — neváhejte vyplnit krátký formulář níže.