400-666-7732

AI Agent 如何与 TeamCity 协同工作:从自动配置到自主迭代

本文来源jetbrains.com,由JetBrains中国授权合作伙伴——龙智(DragonSoft)翻译整理;原文作者为Sergei Ugdyzhekov 。

当 AI Agent 的能力从“输出方案”跨越到“闭环执行”,CI/CD 配置的范式正迎来根本性转变。过去依赖开发者反复手动调试的反馈循环,正逐渐被 Agent 自主接管。

本文展示了AI Agent与TeamCity如何协同工作的全过程——从阅读文档、提出方案,到调用REST API配置构建链、观察结果并持续迭代修正,探索了CI/CD自动化的新解法。

不知不觉间,我们已经跨越了一个重要的技术门槛。如今,AI Agent 已经能够设置 TeamCity 的构建配置,甚至是完整的构建链,添加构建特性,并配置参数。

这之所以可行,是因为 TeamCity 的文档结构清晰,可通过 Context7 借助 MCP 进行访问,同时也因为 Agent 能够依赖 TeamCity CLI 等工具以及 teamcity-cli 技能包。

为了验证这在实践中究竟能走多远,JetBrains工程师 Sergei Ugdyzhekov 近期进行了一系列实验。

寻找解决方案

首先,Sergei让 ChatGPT 针对一个客户需求提出解决方案。

ChatGPT 通过 Context7 阅读了 TeamCity 文档,并提出了一个包含以下内容的方案:

  • 多个构建配置
  • 两个聚合构建
  • 两条将它们组合起来的构建链
  • 基于文件扩展名的触发器
  • 制品依赖与快照依赖

到目前为止,这完全符合我们对一个强大LLM的预期:一个相当扎实的设计方案。

随后,将这个方案交给 Codex,要求其在个人沙盒项目中的TeamCity 夜间环境中完成实际配置。

短短五分钟,便得到了一个可运行的 Demo。过程中出现了一些错误,但几分钟内就被修复了。Codex 使用 TeamCity REST API,并通过 teamcity api 命令逐步执行配置,实际上完美复现了最初描述中的所有配置。

这里有趣的地方,并不在于配置一次就对了——事实上并没有。

真正有趣的是,Agent 能够以多快的速度做到:

  • 应用配置
  • 观察哪些地方出了问题
  • 调整并重试

关键在于,从描述一条流水线到让它实际运行起来,这中间的差距已经变得非常小。Agent 不会止步于生成一个计划,而是会执行计划并不断迭代,直到结果可用。

到这一步,Agent 不再只是描述一个方案,而是在实施并持续优化它。

Go 项目

在第二个实验中,Sergei从 GitHub 克隆了一个小型 Go 项目,并要求 Codex 在 TeamCity 中为其搭建 CI。

它创建了一个包含“测试”和“构建”配置的简单流水线。

一个有趣的细节:它竟然从 gh 工具中复用了已有的 GitHub PAT(个人访问令牌)来创建 VCS Root。用“窃取”来形容不太准确,但确实让人忍俊不禁。

成功的条件很简单:构建应显示“绿色”(通过状态)。但结果并非如此。

经过几次尝试后,Agent 发现构建代理环境中缺少 Go。于是,它修改了构建步骤来规避这个问题,并不断重试,直到构建通过。

换言之,Agent 不仅仅是在配置 TeamCity,它是在朝着一个目标努力,并根据构建过程中的实际情况调整自己的行为。

在审查结果后,Sergei发现,Go 测试在 TeamCity 中没有被正确报告,并向 Agent 指出了这一点。Agent 随即更新了配置,添加了所需的构建特性,并在下次运行时正确报告了测试结果。

这些实验说明了什么

在两个实验中,Agent 都遵循了相似的模式:

  • 阅读文档
  • 提出方案
  • 通过 API 应用方案
  • 观察结果
  • 不断迭代直到目标达成

这种循环正是与早期 LLM 实验的主要区别。

Agent 不会止步于“你可以这样配置”,而是会继续操作,直到系统真正运行起来。这将 CI 配置转变为一个可以自主收敛的迭代过程,而非停留在预先编写的静态定义上。

结论

TeamCity 可以与 AI Agent 协同工作,而 AI Agent 也确实能够有效地帮助配置 TeamCity。但更有趣的发现是它们实现这一目标的方式。

在这两项实验中,都出现了相同的模式:Agent 并没有止步于生成配置,而是应用配置、观察运行情况,并不断调整直到流水线成功运行。这种反馈循环——通常需要开发者手动运行流水线、读取输出、修复问题、再次运行——现在正在系统内部自主完成。

不过,这些仍然是早期成果。Agent 需要明确的目标、完善的文档和可控的运行环境。过去需要多次手动迭代的配置任务,如今收敛速度大幅提升,其中大部分流程由 Agent 来处理。

龙智洞察与服务支持

AI Agent 与 TeamCity 的结合,展现了未来研发自动化的巨大潜力。然而,要将前沿技术真正转化为企业的核心生产力,离不开专业的工具链支持与可靠的本地化服务。

作为 JetBrains 授权代理商,龙智提供TeamCity 产品授权、咨询规划、实施部署、培训赋能及全天候技术支持服务。我们不仅交付工具,更致力于将 TeamCity 深度融入您的技术栈与研效体系,帮助团队实现从“手动配置”到“智能运维”的效能跃迁。

无论您的团队是在评估 TeamCity 的引入,还是在优化现有 CI/CD 流水线,龙智都能为您提供从选型到落地的全链路支持。

联系我们,获取 TeamCity 专属试用方案:

官网:www.shdsd.com

电话:400-666-7732

邮箱:marketing@shdsd.com

最新文章

相关产品

分享到:
关于龙智

龙智DevSecOps解决方案

龙智深耕DevSecOps相关领域近十年,集成DevOps、ITSM、Agile管理思路及该领域的优秀工具,提供软件研发生命周期管理解决方案,以及实施、培训、升级、数据迁移、定制开发、运维等服务。

龙智致力于帮助企业实现软件开发运营一体化,并确保安全防护融入软件研发的整个生命周期中。龙智提供从产品规划与需求管理、开发,到测试、部署以及运维全生命周期的解决方案与管理工具,帮助企业科学、高效、安全地管理软件开发,更快、更好地交付软件产品。

近年来,龙智团队潜心开发,先后帮助金融、通信、互联网、汽车、芯片、游戏、医疗等行业的1000多家企业促进开发安全运营的一体化的实践。 秉承着打造开放式DevSecOps的理念,龙智与国外其他多家DevOps工具顶级厂商如Atlassian、Perforce、Mend(原WhiteSource)、CloudBees、SmartBear等合作,将国际市场上先进的工具引入中国市场,帮助企业打造量身定制的DevSecOps解决方案、ITSM解决方案,助力企业高效开发与运维。

我们的自研产品包括Confluence水印插件,Timewise-Jira计划及实际工时管理插件,Jira服务台企业微信应用插件等;我们还与全球DevOps领域领先的企业建立了合作伙伴关系,我们是:

· Atlassian全球白金合作伙伴

· Perforce中国授权合作伙伴

· Mend (原WhiteSource)中国授权合作伙伴

· CloudBees中国授权合作伙伴

· SmartBear中国授权合作伙伴