Želite pametnije uvide u vašu pristiglu poštu? Prijavite se za naše tjedne biltene kako biste dobili samo ono što je važno za vođe AI, podataka i sigurnosti. Pretplatite se sada
Programeri softvera provode većinu svog vremena ne Kod pisanja; nedavno istraživanje industrije otkrilo je da stvarni kodiranje čini samo malo kao 16% radnog vremena programeras ostatkom koji konzumiraju operativni i podržavajući zadaci. Kako se inženjerski timovi vrše pritisak da “rade više s manje”, a izvršni direktori se hvali koliko njihovih baza koda napiše AI, ostaje pitanje: Što je učinjeno za optimizaciju preostalih 84% zadataka na kojima inženjeri rade?
Sadržaj objave
Držite programere tamo gdje su najproduktivniji
Glavni krivac za produktivnost programera je prebacivanje konteksta: stalno skakanje između sve većeg niza alata i platformi potrebnih za izgradnju i isporuku softvera. Studija Harvard Business Review pokazala je da prosječni digitalni radnik prelazi između aplikacija i web stranica gotovo 1.200 puta dnevno. I svaki je prekid važan. Sveučilište u Kaliforniji otkrilo je da je potrebno oko 23 minute da povrati fokus nakon jednog prekida u potpunosti, a ponekad i gore, kao gotovo 30% Prekinuti zadaci se nikada ne nastavljaju. Prebacivanje konteksta zapravo je u središtu DORA -e, jednog od najpopularnijih okvira za razvoj softvera za performanse.
U doba u kojem tvrtke koje se temelje na AI pokušavaju osnažiti svoje zaposlenike da rade više s manje, osim „samo“ što im omogućuje pristup velikim jezičnim modelima (LLMS), pojavljuju se neki trendovi. Na primjer, Jarrod Ruhland, glavni inženjer u Brexu, hipoteze Da “programeri daju svoju najveću vrijednost kada su usredotočeni u njihovo integrirano razvojno okruženje (IDE)”. Imajući to na umu, odlučio je pronaći nove načine kako se to dogoditi, a novi protokol Anthropica možda je jedan od ključeva.
MCP: Protokol za donošenje konteksta IDES -u
Pomoćnici kodiranja, poput IDE-a na LLM-u, poput kursora, copilota i Windsurfa, su u središtu a renesansa programera. Njihova brzina usvajanja je neviđena. Kursor je postao najbrže rastući SaaS u povijesti, dosegnuvši 100 milijuna dolara u roku od 12 mjeseci od lansiranja, i 70% bogatstva 500 Tvrtke koriste Microsoft Copilot.
AI skaliranje pogađa svoje granice
Power ograničenja, rastući troškovi tokena i kašnjenja zaključivanja preoblikovaju Enterprise AI. Pridružite se našem ekskluzivnom salonu kako biste otkrili kako su vrhunski timovi:
- Pretvaranje energije u stratešku prednost
- Arhitekturiste učinkovite zaključke za stvarne propusne dobitke
- Otključavanje natjecateljskog ROI -a s održivim AI sustavima
Osigurajte svoje mjesto da ostanete naprijed:: https://bit.ly/4mwgngo
Ali ovi pomoćnici kodiranja bili su ograničeni samo na kontekst baze kodova, što bi moglo pomoći programerima da brže pišu kôd, ali nisu mogli pomoći u prebacivanju konteksta. Novi protokol se bavi ovim problemom: protokol konteksta modela (MCP). Objavljen u studenom 2024. godine od strane Anthropica, to je otvoreni standard razvijen za olakšavanje integracije između AI sustava, posebno alata temeljenih na LLM-u, te vanjskih alata i izvora podataka. Protokol je toliko popularan da je postojao 500% povećanje novih MCP poslužitelja u posljednjih 6 mjeseci, s procijenjenim 7 milijuna preuzimanja u lipnju,
Jedna od najutjecajnijih aplikacija MCP -a je njegova sposobnost povezivanja AI pomoćnika kodiranja izravno s alatima koji se programeri oslanjaju na svaki dan, pojednostavljujući tokove rada i dramatično smanjujući prebacivanje konteksta.
Uzmite razvoj značajki kao primjer. Tradicionalno, to uključuje odskakanje između nekoliko sustava: čitanje karte u praćenju projekta, gledajući razgovor sa suigračem radi pojašnjenja, pretraživanje dokumentacije za detalje API -ja i, na kraju, otvaranje IDE -a za početak kodiranja. Svaki korak živi na drugoj kartici, zahtijevajući mentalne pomake koji usporavaju programere.
S MCP -om i modernim AI pomoćnicima poput Anthropic -ove Claude, taj se cijeli postupak može dogoditi unutar urednika.
Na primjer, implementacija značajke sve unutar pomoćnika za kodiranje postaje:
Isti princip može se primijeniti i na mnoge druge inženjere, na primjer, odgovor na incident za SRES mogao bi izgledati:
Ništa novo pod suncem
Prije smo vidjeli ovaj obrazac. Tijekom proteklog desetljeća, Slack je transformirao produktivnost na radnom mjestu postajući središte za stotine aplikacija, omogućujući zaposlenicima da upravljaju širokim rasponom zadataka bez napuštanja prozora za chat. Slackova platforma smanjila je prebacivanje konteksta u svakodnevnim tijekovima rada.
Riot igre, na primjer, povezane su oko 1.000 Slack Apps, a inženjeri su vidjeli 27% smanjenje Tijekom vremena potrebno za testiranje i ponavljanje koda, 22% brže vrijeme za identificiranje novih grešaka i 24% povećanje stope lansiranja značajki; Svi su pripisani pojednostavljenju tijekova rada i smanjenju trenja prebacivanja alata.
Sada se slična transformacija događa u razvoju softvera, s AI pomoćnicima i njihovim MCP integracijama koje služe kao most za sve ove vanjske alate. U stvari, IDE bi mogao postati novi zapovjedni centar za inženjere, baš kao što je Slack bio za radnike općeg znanja.
MCP možda nije spreman za poduzeće
MCP je relativno početni standard, na primjer, sigurnosni Widem MCP nema ugrađeni model provjere autentičnosti ili dozvole, oslanjajući se na vanjske implementacije koje se i dalje razvijaju, također je dvosmislenost oko identiteta i revizije-protokol ne razlikuje je li korisnik ili sam AI, što je i sam kontrolu nad AI-om bez dodatnih prilagođenih rješenja. Lori Macvittie, ugledni inženjer i glavni evanđelist u uredu F5 Networks -a, kaže Taj MCP “razbija osnovne sigurnosne pretpostavke koje smo već dugo držali.”
Drugo praktično ograničenje nastaje kada se previše MCP alata ili poslužitelja koristi istovremeno, na primjer, unutar pomoćnika kodiranja. Svaki MCP poslužitelj oglašava popis alata, s opisima i parametrima, koje AI model mora razmotriti. Poplava modela s desecima dostupnih alata može nadvladati njegov kontekstni prozor. Performanse se primjetno degradira kako broj alata raste s nekim IDE integracijama nametnule su tvrdog ograničenja (oko 40 alata u Cursor IDE ili ~ 20 alata za OpenAi agent) kako bi se spriječilo da se ubrzanje nadima izvan onoga što model može podnijeti
Konačno, ne postoji sofisticiran način da se alati automatsko otkrivaju ili kontekstualno predlažu izvan njih, tako da ih programeri često moraju ručno prebaciti ili kurirati koji su alati aktivni kako bi stvari glatko radile. Pozivajući se na taj primjer Riot igara koje instaliraju 1.000 Slack Apps, možemo vidjeti kako bi to moglo biti nepodobna za korištenje poduzeća.
Manje okretna sjenica, više softvera
Proteklo desetljeće naučilo nas je vrijednost donošenja posla radniku, od slabih kanala koji se cijepaju u ažuriranjima do metodologija e -pošte „Inbox Zero“ i objedinjenih nadzornih ploča za inženjering platforme. Sada, s AI u našem alatu, imamo priliku osnažiti programere da budu produktivniji. Pretpostavimo da je Slack postao središte poslovne komunikacije.
U tom su slučaju pomoćnici za kodiranje dobro pozicionirani da postanu središte stvaranja softvera, ne samo tamo gdje je kod napisano, već gdje se sakupljaju svi kontekst i suradnici. Držeći programere u njihovom protoku, uklanjamo stalno mentalno mijenjanje zupčanika koji je mučio inženjersku produktivnost.
Za svaku organizaciju koja ovisi o isporuci softvera, pogledajte kako vaši programeri provode svoj dan; Možda ćete se iznenaditi onim što pronađete.
Sylvain Kalache vodi AI laboratorij na Korijen.
Web izvor