SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

GitLab 19.2 wysyła agenty tam, gdzie zrobiło się wąskie gardło: do przeglądu i bezpieczeństwa

GitLab 19.2, wydany 16 lipca, przyjmuje diagnozę Manava Khurany, że agenty kodujące przesunęły wąskie gardło z pisania kodu na przegląd i bezpieczeństwo, i odpowiada na to kolejnymi agentami. Dependency Scanning Auto-Remediation sam otwiera merge requesta z poprawką podatnej zależności i iteruje, aż kompilacja przestanie się psuć, a Security Review Flow rozumuje o błędach w logice, których skanery wzorców nie wychwycą. Ostatnie słowo ma człowiek, tyle że im więcej pracy wpada do jego kolejki, tym łatwiej klika odruchowo „zatwierdź" i sam staje się nowym wąskim gardłem.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  4 min  · 

GitLab 19.2 wysyła agenty tam, gdzie zrobiło się wąskie gardło: do przeglądu i bezpieczeństwa
Ilustrację przygotowała AI.

Agenty do pisania kodu zadziałały aż za dobrze. Manav Khurana, szef produktu i marketingu w GitLabie, mówi w komunikacie o wydaniu 19.2 z 16 lipca coś, czego od dostawcy narzędzi nie słyszy się często: "Agenty kodujące pozwoliły wygenerować znacznie więcej kodu i przesunęły wąskie gardło w dół, na przegląd i bezpieczeństwo". Innymi słowy, kod przestał być tym, czego brakuje. Brakuje rąk do jego sprawdzenia. GitLab 19.2 odpowiada na to w sposób, który brzmi zarazem logicznie i niepokojąco: skoro agenty wygenerowały zator, do jego rozładowania firma wysyła kolejne agenty. Diagnoza jest trafna. Pytanie, które zostaje otwarte, brzmi tak: czy człowiek zatwierdzający to, co trafia na produkcję, jest tu realną kontrolą, czy pieczątką w kształcie wąskiego gardła.

Najkonkretniej widać to na funkcji Dependency Scanning Auto-Remediation, na razie w becie publicznej. Kiedy skan wykryje podatną paczkę wśród zależności, GitLab sam otwiera merge requesta z gotową poprawką. Jeśli podniesienie wersji psuje kompilację, agent iteruje i poprawia dalej w tym samym merge requeście, aż uszkodzenie zniknie. To jest dokładnie ta robota, której nikt nie lubi. Według przywołanego w komunikacie badania ekosystemu Mavena podatność wciągnięta przez zależność przechodnią, czyli taką, której nikt świadomie nie dodał, dociera do mniej więcej 63% najnowszych wydań, a mniej więcej co ósma aktualizacja zależności wprowadza zmianę niekompatybilną wstecz. Ktoś to musi przeklikać ręcznie, zwykle pod presją terminów zgodności w rodzaju PCI DSS. Tu ten ktoś dostaje gotowca do zatwierdzenia, a każda zmiana i tak zatrzymuje się na istniejących bramkach akceptacji i zostawia pełny zapis w dzienniku.

Druga funkcja, Security Review Flow, również w becie publicznej, celuje w to, czego klasyczne skanery zrobić nie potrafią. Skaner oparty na wzorcach wychwyci lukę, która pasuje do znanego szablonu, ale jest ślepy na błędy w samej logice aplikacji: zepsutą autoryzację, przez którą użytkownik sięga po cudze dane, brak sprawdzenia uprawnień przy operacji zmieniającej stan, czy race condition, gdy o wynik walczą dwie równoległe operacje. GitLab twierdzi, że nowy przepływ rozumuje o tym, co kod ma robić, zamiast tylko dopasowywać wzorce, i przy każdym merge requeście podpowiada, co jest nie tak i jak to naprawić. Sam niczego nie akceptuje. Ostatnie słowo zawsze należy do człowieka, co GitLab powtarza przy każdej z tych funkcji jak mantrę.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Wąskie gardło przesunęło się z pisania kodu na jego wypuszczanie
Premiera / Narzędzie

Wąskie gardło przesunęło się z pisania kodu na jego wypuszczanie

5 min

Gdy agent generuje kod szybciej, niż recenzenci zdążą go sprawdzić, wąskie gardło przenosi się z pisania na recenzję, testy i samo wydanie. AWS odpowiada podglądem nowych funkcji w DevOps Agent: przegląd gotowości prześwietla każdą zmianę przed scaleniem, uruchamia kod w izolowanym środowisku i wydaje jedną z trzech ocen, od zablokowania po bezpieczne wydanie. Druga funkcja sama układa testy skrojone pod konkretną zmianę, a integracja z edytorem Kiro przez protokół MCP pozwala przejść od alarmu do gotowej poprawki bez wychodzenia z edytora. To jednak dopiero podgląd w regionie US East.

Agent zamknął tysiące zgłoszeń, a w logach był tylko Joe
Bezpieczeństwo

Agent zamknął tysiące zgłoszeń, a w logach był tylko Joe

4 min

Agent działający w tle zamknął tysiące zgłoszeń podpisanych nazwiskiem pracownika, bo firmowe logi nie odróżniały człowieka od jego agenta. Cloudflare odpowiedział na to WriteGuardem, warstwą, która staje przed każdym wywołaniem narzędzia MCP i na podstawie przypisanego ryzyka albo je przepuszcza, albo dokleja ślad, kto naprawdę działał, albo blokuje akcję. Scalanie gałęzi na GitLabie jest wyłączone na sztywno, bo odpala wdrożenie na produkcję. Firma sprawdziła to na 27 własnych serwerach, ale całość stoi na założeniu, że ktoś ręcznie i poprawnie oceni ryzyko każdego narzędzia.

Kod przechodzi linter i testy, a i tak bywa błędny
Bezpieczeństwo

Kod przechodzi linter i testy, a i tak bywa błędny

4 min

Agent od kodu w jedno popołudnie otwiera kilkadziesiąt pull requestów, ale liczy się dla niego skończenie zadania, a nie to, żeby wyszło bezpiecznie. AWS proponuje na to trójwarstwową ramę: twarde automaty jak linter i skanery, model w roli sędziego oceniający intencję zmiany, oraz człowieka rezerwowanego tylko do kodu wrażliwego albo nowej logiki. Największy problem to kod, który przechodzi wszystkie automaty, a mimo to jest funkcjonalnie błędny. Rama zostaje mapą, nie dowodem, bo brakuje w niej choćby jednej liczby na to, że realnie zbija liczbę wpadek.