GitLab از قابلیت جدیدی به نام GitLab Orbit رونمایی کرده است؛ ابزاری که قرار است به ایجنتهای نرمافزاری و تیمهای مهندسی، context کاملتری از کد و چرخه توسعه نرمافزار بدهد. این قابلیت در حال حاضر بهصورت public beta برای مشتریان GitLab.com در پلنهای Premium و Ultimate در دسترس است.
به گفته GitLab، یکی از چالشهای اصلی ایجنتهای کدنویسی این است که معمولاً فقط با بخشی از مسئله روبهرو میشوند؛ مثلاً diff یک merge request یا چند فایل محدود. اما در پروژههای واقعی، فهم مسئله به ارتباط میان کد، pipelineها، deploymentها، work itemها، vulnerabilityها و تیمهای مالک هر بخش وابسته است.
GitLab Orbit چه کاری انجام میدهد؟
GitLab Orbit یک گراف زنده و قابل query از دادههای چرخه توسعه نرمافزار ایجاد میکند. این گراف میتواند اطلاعاتی مانند کد، merge requestها، pipelineها، deploymentها، آسیبپذیریها و ownership را همراه با ارتباط میان آنها در اختیار ایجنتها قرار دهد.
هدف GitLab این است که ایجنتها بهجای جستوجوی پراکنده در فایلها و ابزارهای مختلف، بتوانند از دادههای first-party داخل GitLab برای تصمیمگیری استفاده کنند. به این ترتیب، ایجنت میتواند سؤالهایی بپرسد که پاسخ آنها فقط در کد نیست، بلکه در رابطه میان کد، تستها، pipelineها، deploymentها و مالکیت تیمی قرار دارد.
ادعای GitLab درباره سرعت و مصرف توکن
GitLab اعلام کرده است که با استفاده از Orbit، ایجنتهای نرمافزاری میتوانند در برخی سناریوها تا ۱۱ برابر سریعتر عمل کنند، تا ۴.۵ برابر توکن کمتری مصرف کنند و hallucination کمتری تولید کنند. این اعداد بر اساس توضیح GitLab درباره سناریوهای استفاده از Orbit مطرح شدهاند و باید در عمل، بسته به اندازه پروژه، مدل هوش مصنوعی و نوع workflow ارزیابی شوند.
این بخش برای تیمهای فنی اهمیت زیادی دارد؛ چون هزینه توکن، زمان پاسخدهی و کیفیت context از عوامل تعیینکننده در استفاده عملی از ایجنتهای کدنویسی هستند. در پروژههای بزرگ، مخصوصاً monorepoها، بخش زیادی از زمان ایجنت صرف پیدا کردن فایلها، وابستگیها و مسیرهای مرتبط میشود.
کاربرد در code review و incident response
GitLab در معرفی Orbit به چند سناریوی کاربردی اشاره میکند. یکی از آنها اتصال ابزارهایی مانند Claude Code یا سایر coding agentها به Orbit از طریق Model Context Protocol یا MCP است. در این حالت، ایجنت میتواند بهجای crawl کردن طولانی فایلها، از گراف Orbit درباره محل کد، وابستگیها، تستهای مرتبط و pipelineهای پوششدهنده سؤال بپرسد.
سناریوی دیگر، استفاده از Orbit در GitLab Duo Agent Platform است. در این حالت، ایجنت میتواند پرسشهایی درباره failureهای pipeline، اثر یک vulnerability، وابستگی میان سرویسها، وضعیت deploymentها یا مالکیت بخشهای مختلف سیستم را با نگاه cross-system پاسخ دهد.
Orbit چگونه کار میکند؟
طبق توضیح GitLab، Orbit دادههای چرخه توسعه نرمافزار را از طریق change-data-capture دریافت میکند، آنها را در ClickHouse نگهداری میکند و کد را در ۱۲ زبان از جمله Ruby، Java، Kotlin، Python، TypeScript، JavaScript، Rust، Go، C#، C، C++ و PHP تحلیل میکند.
این دادهها سپس از طریق یک DSL شبیه Cypher، از طریق MCP، REST و GitLab CLI قابل استفاده هستند. GitLab همچنین اعلام کرده که query traffic مستقیماً به instance اصلی GitLab فشار وارد نمیکند و authorization نیز با مجوزهای GitLab هماهنگ است؛ یعنی ایجنت همان چیزهایی را میبیند که کاربر در رابط GitLab مجاز به دیدن آن است.
Data Explorer برای مهندسان
Orbit فقط برای ایجنتها طراحی نشده است. GitLab یک سطح کاربری به نام Data Explorer هم معرفی کرده که مهندسان میتوانند از آن برای query گرفتن از همان گراف استفاده کنند. این قابلیت میتواند برای بررسی incident، ردیابی dependencyها، تحلیل شکستهای CI یا پاسخ به پرسشهایی که معمولاً نیازمند جستوجو در چند ابزار مختلف هستند کاربرد داشته باشد.
چرا این خبر برای تیمهای فنی مهم است؟
معرفی Orbit نشان میدهد رقابت ابزارهای DevOps و AI فقط بر سر تولید کد نیست؛ بلکه بر سر کیفیت context و اتصال هوشمند دادههای مهندسی نرمافزار است. هرچه ایجنتها دسترسی دقیقتر و کنترلشدهتری به دادههای واقعی چرخه توسعه داشته باشند، احتمال خروجیهای قابل اعتمادتر بیشتر میشود.
برای تیمهایی که از GitLab، CI/CD، ابزارهای امنیت نرمافزار و جریانهای DevSecOps استفاده میکنند، Orbit میتواند نشانهای از مسیر آینده پلتفرمهای توسعه باشد؛ مسیری که در آن ایجنتها فقط کدنویس کمکی نیستند، بلکه میتوانند در تحلیل pipeline، incident response، بررسی امنیت و برنامهریزی تغییرات نیز نقش بگیرند.
با این حال، چون Orbit فعلاً در public beta است، تیمها باید آن را با احتیاط و در سناریوهای مشخص آزمایش کنند. ارزش واقعی چنین قابلیتی به کیفیت دادههای پروژه، سطح دسترسیها، اندازه codebase، اتصال درست به workflowها و میزان اعتمادپذیری پاسخهای ایجنت بستگی دارد.
منبع: GitLab Blog
نظرات کاربران