AI potrafi dziś wygenerować formularz, proces czy fragment aplikacji w kilka minut. Prawdziwe wyzwanie zaczyna się jednak wtedy, gdy takie zmiany mają trafić do systemu, z którego każdego dnia korzystają użytkownicy. Jak wykorzystać potencjał agentów AI, jednocześnie zachowując pełną kontrolę nad zmianami, zapewniając bezpieczeństwo oraz możliwość ich wycofania?
Agent AI potrafi znacząco przyspieszyć tworzenie nowych funkcjonalności i rozwój aplikacji. Gdy jednak zaczyna pracować nad systemem produkcyjnym, z którego na co dzień korzystają użytkownicy, pojawia się zupełnie nowe wyzwanie – bezpieczeństwo zmian.
System obsługujący procesy biznesowe musi działać przewidywalnie i stabilnie. Niezależnie od tego, czy odpowiada za rozliczanie nadgodzin, kontrolę sprzedaży czy akceptację zamówień sprzętu, każda zmiana powinna być kontrolowana, możliwa do zweryfikowania i w pełni audytowalna.
Agenty kodujące świetnie radzą sobie z prototypowaniem, iteracyjnym rozwijaniem funkcjonalności i reagowaniem na kolejne uwagi użytkownika. W praktyce rzadko jednak wystarcza jeden prompt. Ostateczne rozwiązanie najczęściej powstaje w wyniku wielu iteracji pomiędzy użytkownikiem a modelem AI. Aby w pełni wykorzystać możliwości agenta, środowisko, w którym pracuje, musi być przygotowane właśnie na taki sposób tworzenia oprogramowania.
Skontaktuj się z nami, a my z przyjemnością zaprezentujemy Ci możliwości systemu.
Można powiedzieć, że w Productive24AI mieliśmy sporo szczęścia, choć było ono wynikiem świadomych decyzji architektonicznych. Jeszcze przed popularyzacją AI zdecydowaliśmy, że najlepszym podejściem do zarządzania konfiguracją naszego systemu będzie GitOps.
Git jest standardem kontroli wersji wykorzystywanym w tworzeniu oprogramowania. GitOps to metodyka, która wykorzystuje repozytorium Git jako źródło prawdy o stanie systemu. Pozwala śledzić historię zmian, pracować równolegle wielu osobom i zachować pełną kontrolę nad rozwojem aplikacji. To podejście ma jeszcze jedną zaletę. Git jest doskonale znany agentom kodującym. Nie trzeba uczyć Claude Code czy Codexa pracy z repozytorium – jest to dla nich naturalne środowisko działania. W przypadku konfiguracji Productive24AI Git zapewnia przede wszystkim bezpieczeństwo oraz pełną audytowalność zmian.
Proces wdrażania konfiguracji składa się z trzech etapów. Najpierw jednak warto wyjaśnić pojęcie gałęzi (branch). Jest to niezależna wersja repozytorium, tworzona na potrzeby nowych funkcjonalności lub zmian w istniejących rozwiązaniach. Dzięki temu można pracować nad konfiguracją bez wpływu na pozostałych użytkowników systemu. Rekomendujemy tworzenie osobnej gałęzi dla każdej funkcjonalności, ponieważ ułatwia to zarządzanie zmianami i ich późniejsze śledzenie.
Proces wdrażania konfiguracji w Productive24AI:
Praca na własnej gałęziKażda zmiana rozpoczyna się od utworzenia nowej gałęzi. Dobrą praktyką jest nadanie jej nazwy jasno opisującej zakres prowadzonych prac. Następnie użytkownik – samodzielnie lub z pomocą agenta AI – przygotowuje wszystkie niezbędne modyfikacje.
Scalanie z gałęzią mainPo zakończeniu prac wykonywany jest merge do gałęzi main, która pełni rolę środowiska testowego (QA). W tym miejscu zmiany przygotowane przez różnych użytkowników mogą zostać zweryfikowane razem, dzięki czemu łatwo wykryć ewentualne konflikty lub niepożądane zależności.
Wdrożenie na produkcjęOstatnim krokiem jest merge do gałęzi release, która odzwierciedla konfigurację środowiska produkcyjnego. Dopiero na tym etapie zaakceptowane i przetestowane zmiany trafiają do użytkowników końcowych.
Na każdym etapie możliwe jest uruchomienie konfiguracji w trybie testowym. Dzięki temu nowe funkcjonalności można sprawdzić bez wpływu na pozostałych użytkowników systemu. Dodatkowo wybrane zmiany mogą zostać oznaczone etykietami i udostępnione wyłącznie wskazanej grupie testerów.
Agent AI otrzymuje komplet narzędzi potrzebnych do pracy z systemem – od tworzenia i modyfikowania elementów konfiguracji, przez dostęp do dokumentacji, aż po nawigację i wyszukiwanie odpowiednich komponentów. Wszystkie operacje są dostępne od razu i jednocześnie dbają o zachowanie poprawnej struktury oraz spójności systemu.
Oprócz narzędzi udostępnianych za pomocą serwerów MCP umożliwiamy również bezpośrednią edycję plików w repozytorium. Agenty kodujące zostały stworzone do pracy z kodem, dlatego nie ograniczamy tej możliwości. Wskazujemy jedynie, kiedy lepiej skorzystać z narzędzi MCP, a kiedy z edycji plików, co pozwala efektywniej wykorzystywać tokeny. Możliwość bezpośredniej edycji nie obniża jednak poziomu bezpieczeństwa. Jako platforma low-code od początku rozwijaliśmy mechanizmy walidacji konfiguracji. Formularze, listy, wykresy i pozostałe elementy są automatycznie sprawdzane pod kątem poprawności.
Jeżeli agent popełni błąd lub utworzy niepoprawną konfigurację, system wykryje go przed wdrożeniem. Walidacja wykonywana jest na bieżąco oraz przed każdym etapem merge. Informacje o błędach trafiają zarówno do użytkownika, jak i – za pośrednictwem narzędzi MCP – do agenta AI, który może samodzielnie poprawić konfigurację. Dopiero po pomyślnej walidacji zmiany mogą zostać wdrożone do środowiska produkcyjnego.
Przy każdej operacji merge prezentujemy raport pokazujący wszystkie zmiany, które zostaną wprowadzone. Niezależnie od tego, czy zostały przygotowane przez agenta AI, czy przez użytkownika, przed wdrożeniem można dokładnie sprawdzić, które elementy zostaną dodane, zmodyfikowane lub usunięte.
Mimo zastosowanych zabezpieczeń zawsze może zdarzyć się sytuacja, w której wdrożone zmiany trzeba wycofać. Użytkownicy mogą nie być jeszcze gotowi na nową funkcjonalność lub po wdrożeniu mogą pojawić się nieprzewidziane problemy. Dzięki wykorzystaniu Git przywrócenie wcześniejszej wersji konfiguracji jest proste i odbywa się za pomocą operacji revert, co pozwala szybko wrócić do sprawdzonego stanu systemu.
Opisane mechanizmy nie są niczym nowym. Git od lat jest standardem kontroli wersji, środowiska testowe są nieodłącznym elementem procesu wytwarzania oprogramowania, a walidacja zmian odpowiada temu, co programista robi przed publikacją kodu. Naszym celem nie było tworzenie nowych zasad pracy z AI, ale wykorzystanie sprawdzonych praktyk software developmentu. Dzięki temu możemy bezpiecznie rozwijać istniejące aplikacje, wykorzystywać agentów AI i zachować pełną kontrolę nad każdą zmianą.
Architektura oparta na GitOps sprawiła, że integracja z Claude Code czy Codexem była naturalnym krokiem, a nie przebudową platformy. Dzięki temu mogliśmy skupić się na tym, co najważniejsze – nauczeniu agentów AI, jak skutecznie wspierać użytkowników w tworzeniu aplikacji.
Agenci AI znacząco przyspieszają rozwój aplikacji, ale ich wykorzystanie w systemach produkcyjnych wymaga odpowiednich mechanizmów kontroli. GitOps, walidacja zmian, środowiska testowe i pełna historia wersji pozwalają korzystać z AI bez rezygnowania z bezpieczeństwa i przewidywalności wdrożeń. To właśnie połączenie sprawdzonych praktyk software developmentu z możliwościami agentów AI pozwala rozwijać aplikacje szybciej i z pełną kontrolą nad każdą zmianą.
MVP w kilka dni!
Przetestuj możliwości Productive24AI w swoich procesach!
do naszego newslettera i bądź na bieżąco ze świeżymi artykułami ze świata produktywności.
Wypróbuj Productive24AI bez ryzyka
