Cloudflare ба Astro: AI агентын "Software Factory" ашиглан GitHub Issue-ийн тоог 85% буурууллаа

Уламжлалт SDLC-ийн төгсгөл ба AI эрин үеийн шинэ бэрхшээл

Сүүлийн жилүүдэд Cursor, Claude Code, GitHub Copilot зэрэг AI хэрэгслүүд асар хурдацтай хөгжиж, програм хөгжүүлэгчдийн код бичих хурдыг хэд дахин нэмэгдүүлсэн билээ. Гэвч энэхүү "кодын тэсрэлт" нь шинэ төрлийн саад бэрхшээлийг дагуулав. Инженерүүд болон AI агентууд асар их хэмжээний код, PR (Pull Request) болон Issue-ийг маш богино хугацаанд үүсгэх болсноор нээлттэй эхийн (Open Source) төслийн засагчид (maintainers) болон инженерүүд тэдгээрийг хянаж, шалгаж амжихгүй ачаалалд дарагдах явдал эрс ихэссэн юм.

Програм хангамжийн хөгжүүлэлтийн уламжлалт цикл болох SDLC (Software Development Lifecycle) нь код бичих болон түүнийг хянах хурд тэнцвэртэй байхад зориулагдсан бүтэцтэй. Гэвч AI агентууд кодын үйлдвэрлэлийг хэдэн зуу дахин хурдасгасан энэ үед уламжлалт SDLC-ийн шалгах, тестлэх, нэгтгэх шатууд хамгийн том "бөгжний амсар" (bottleneck) болж байна. Энэхүү асуудлыг шийдвэрлэхийн тулд Cloudflare болон Astro фрэймворкийн багийнхан хамтран AI агентуудад суурилсан автоматаар кодын алдааг оношлох, хуулбарлах, засах "Программ хангамжийн үйлдвэр" (Software Factory) дамжлагыг нэвтрүүлснээ танилцууллаа.

Cloudflare ба Astro-ийн "Software Factory" хэрхэн ажилладаг вэ?

Astro төсөл нь сүүлийн 5 жилийн турш хэдэн зуун нээлттэй Issue буюу алдааны мэдээлэлд дарагдаад байсан бөгөөд тэдгээрийг гараар шалгаж, тус бүрт нь орчин бэлтгэн хуулбарлах (reproduce) нь maintainer-уудын цагийг асар ихээр бардаг байв. Cloudflare-ийн инженерүүд энэхүү асуудлыг бүрэн автоматжуулахын тулд TypeScript дээр суурилсан Flue хэмээх AI агент фрэймворкийг хөгжүүлж, Astro-ийн GitHub репозитори дээр шууд холбожээ.

Энэхүү систем нь ирж буй алдааны мэдээлэл бүрийг дараах 4 үндсэн шатлалаар дамжуулан боловсруулдаг:

Automated Triage (Автомат ангилал): Шинээр үүссэн GitHub Issue-ийг 25 хүрэхгүй мөр декларатив кодоор бичигдсэн үндсэн AI агент угтан авч, агуулгад нь шинжилгээ хийн тохирох мэргэшсэн туслах агентууд руу шилжүүлнэ.
Isolated Reproduction (Тусгаарлагдсан орчинд хуулбарлах): AI агент нь хэрэглэгчийн бичсэн алдааны тайлангаас репродукцийн скрипт үүсгэдэг. Уг скриптийг Cloudflare Workers болон Code Mode ашиглан бүрэн тусгаарлагдсан (sandbox) орчинд ажиллуулж, алдаа үнэхээр гарч байгаа эсэхийг баталгаажуулна.
Diagnosis & Auto-Fix (Оношлогоо ба автомат засвар): Алдаа хуулбарлагдсан тохиолдолд агент эх кодод шинжилгээ хийж, алдааны үндсэн шалтгааныг оношлоод, засах кодын патчийг (patch) автоматаар бэлтгэдэг.
Preview Release & Verification (Урьдчилан шалгах хувилбар): Систем зассан кодоороо Preview Release автоматаар build хийж, Issue нээсэн хэрэглэгч рүү илгээнэ. Алдаа мэдээлсэн хэрэглэгч өөрөө уг засварыг шалгаж баталгаажуулсны дараа л хүн-maintainer PR-ийг хянаж, үндсэн код руу нэгтгэдэг (merge).

Энэхүү архитектур нь кодын баталгаажуулалт ба шалгалтын өндөр ачааллыг туршлагатай инженерүүдийн нуруунаас авч, асар хурдан ажиллах тооцоолох чадвар (compute) ба AI агентуудад шилжүүлснээрээ онцлог юм.

SDLC-ээс ADLC (Agent Development Lifecycle) руу шилжих нь

Cloudflare-ийн энэхүү нээлт нь зөвхөн нэг нээлттэй эхийн төслийг цэвэрлэсэн явдал биш юм. Cloudflare-ийн инженерүүдийн онцолж байгаагаар, бид програм хангамжийн хөгжүүлэлтийн циклийг үндсээр нь өөрчилж, SDLC-ийг ADLC (Agent Development Lifecycle) болгон хувиргах эрин үед ирээд байна.

Уламжлалт SDLC-д AI-ийг зөвхөн код бичих (Implement) шатанд туслах хэрэгсэл болгон ашиглаж байсан бол, ADLC архитектурт AI агентууд нь програм хангамжийн амьдралын бүхий л циклийг өөртөө авдаг:

Planning & Design: Хэрэглэгчийн шаардлага болон bug report-д шинжилгээ хийж, шийдлийг төлөвлөх.
Implementation & Testing: Кодыг тусгаарлагдсан sandbox орчинд бичих, тестийг автоматаар ажиллуулах.
Deployment & Maintenance: Preview орчинг автоматаар байгуулах, засалтуудыг шалгах, системын эрүүл мэндийг тасралтгүй монитор хийх.

Энэхүү процесст хүн-хөгжүүлэгчийн оролцоо заавал шаардлагатай микро-менежментээс холдож, агентуудын гаргасан архитектурын шийдвэр болон эцсийн PR-ийг баталгаажуулах "хянагч" (Supervisor/Reviewer) чанар руу шилжиж байна.

Нээлттэй эхийн Flue Framework-ийн давуу тал

Энэхүү "Software Factory"-ийн зүрх болж буй Flue фрэймворк нь TypeScript дээр бичигдсэн бөгөөд бүрэн нээлттэй эхтэй, платформаас хамааралгүй (platform-agnostic) шийдэл юм.

Flue фрэймворкийн гол давуу талууд:

Model Agnostic: Ямар ч LLM модель (Anthropic Claude, OpenAI GPT, DeepSeek эсвэл хэсэгчилсэн local загварууд)-тэй шууд холбогдон ажиллах боломжтой.
Durable Workflows: GitHub Actions болон Cloudflare Workflows зэрэг серверлесс дэд бүтэц дээр агентуудын процессыг найдвартай удирдах чадвартай.
Durable Sessions & Tracing: OpenTelemetry стандартыг дэмждэг тул агентуудын сэтгэх үйл явц, call trace, багаж хэрэгслийн ашиглалтыг нарийвчлан реплэй хийж (session replay) дебаг хийх боломжийг олгодог.

Бодит үр дүн ба хөгжүүлэгчдийн ирээдүй

Astro болон Cloudflare-ийн хамтарсан туршилтаар Astro репозиторийн нээлттэй Issue-ийн тоо ердөө хэдхэн хоногийн дотор 85%-иар буурсан ба ойрын хугацаанд төслийн 5 жилийн түүхэнд анх удаа 0 болох төлөвтэй байна.

Монголын хөгжүүлэгчид болон инженерүүдийн хувьд энэ мэдээ юуг харуулж байна вэ?

Код бичихээс Агент оркестраци руу: Кодын синтакс бичих нь AI-ийн хувьд асар хурдан үйлдэл болсон. Ирээдүйн хөгжүүлэгчдийн үнэ цэнэ нь олон тооны AI агентуудыг хэрхэн зөв зааварчилж, архитектурын шугамд холбох (Agent Orchestration) чадвараас хамаарна.
Алдаа засах (Triage) задалбарыг автоматжуулах: Өөрсдийн бүтээгдэхүүн, стартап эсвэл компани дээр ирдэг хэрэглэгчийн санал гомдол, алдааны мэдээллийг Flue зэрэг фрэймворк ашиглан автоматаар тусгаарлагдсан орчинд репродуци хийдэг болох боломжтой.
Кодын чанар ба тестийн чухал чанар: AI агентууд автоматаар засаж, тест хийхийн тулд төсөл өөрөө сайн бичигдсэн тест, тодорхой архитектуртай байх шаардлагатай. Сайн тестгүй кодод AI агент ажиллахад хүндрэлтэй.

Программ хангамжийн хөгжүүлэлт зөвхөн гараар код бичих эрин үеэс "агентуудын үйлдвэрлэл"-ийн шинэ эрин рүү шилжиж байна.

Эх сурвалж: Cloudflare Blog, Astro Build Official Release