Извршување на вештачка интелигенција: Крајот на 'ВИ како текст' за софтвер

Пејзажот на вештачката интелигенција во развојот на софтвер претрпува длабока трансформација. Во изминатите две години, доминантната парадигма за интеракција со ВИ вклучуваше едноставна размена: внесете текст, добијте текстуален излез, а потоа рачно одлучете го следниот чекор. Оваа ера на „ВИ како текст“, иако револуционерна, сега отстапува место на подинамичен и интегриран пристап. Влезете во GitHub Copilot SDK, навестувајќи ја новата ера каде што ВИ како извршување станува интерфејс.

Производствениот софтвер суштински се однесува на извршување – планирање чекори, повикување алатки, менување датотеки, опоравување од грешки и прилагодување кон ограничувања. Ова се сложени, повеќестепени операции кои само генерирањето текст не може целосно да ги опфати. GitHub Copilot SDK директно го решава овој јаз, правејќи го моќниот слој за извршување што е во основата на GitHub Copilot CLI достапен како програмска способност во која било софтверска апликација. Ова значи дека тимовите можат да вградат производствено тестирани мотори за планирање и извршување директно во нивните системи, фундаментално менувајќи го начинот на архитектирање и оперирање на апликациите напојувани со ВИ.

Од статични скрипти до адаптивни агентски работни текови

Традиционалниот развој на софтвер долго време се потпира на скрипти и помошен код за автоматизирање на повторливи задачи. Иако се ефективни за фиксни секвенци, овие решенија брзо стануваат кревки кога се соочуваат со контекстуални нијанси, промени за време на извршувањето или потреба од робусно опоравување од грешки. Програмерите честопати се наоѓаат во ситуација да кодираат конкретни случаи или да градат сопствени оркестрациски слоеви, што е одзема време и често е неодржлив напор.

GitHub Copilot SDK ги ослободува апликациите од овие ограничувања со тоа што им овозможува да делегираат намера наместо експлицитно да го кодираат секој поединечен чекор. Замислете апликација која треба да го „Подготви ова складиште за издавање“. Наместо ригидна скрипта, Copilot SDK овозможува агентот на ВИ да:

Истражува ја структурата и содржината на складиштето.
Планира ги потребните чекори, како што се ажурирање на документација, извршување тестови или зголемување на верзиските броеви.
Изменува датотеки по потреба.
Извршува команди во системското опкружување.
Адаптира динамично ако некој чекор не успее или ако се појават нови информации, сето тоа додека работи во рамките на претходно дефинирани граници и дозволи.

Оваа промена е клучна за модерните софтверски системи. Како што апликациите се скалираат и околините се развиваат, фиксните работни текови се подложни на неуспех. Агентското извршување, напојувано од Copilot SDK, му овозможува на софтверот да се прилагодува и самостојно да се коригира, одржувајќи видливост и ограничувања без постојаниот товар од повторно градење на комплексна оркестрација од нула. Ова ја прави ВИ активен, интелигентен учесник во развојниот циклус, движејќи се подалеку од основното довршување на кодот кон интелигентна автоматизација на задачите. За повеќе информации за тоа како се обезбедени овие сложени работни текови, истражете ја безбедносната архитектура на GitHub Agentic Workflows.

Структуриран контекст за доверлива ВИ: Model Context Protocol (MCP)

Честа замка во ерата на „ВИ како текст“ беше обидот да се вметне премногу системско однесување и податоци во барањата (prompts) на ВИ. Иако навидум е погодно, кодирањето логика во текст ги прави работните текови тешки за тестирање, размислување и развивање. Со текот на времето, овие елаборирани барања стануваат кревки замени за соодветна структурирана системска интеграција.

GitHub Copilot SDK ова го решава со структуриран и композибилен пристап кон контекстот, користејќи го Model Context Protocol (MCP). Со MCP, програмерите можат да:

Дефинираат алатки специфични за доменот или вештини на агентот кои ВИ може да ги повика.
Изложат овие алатки и вештини преку MCP.
Овозможат моторот за извршување динамично да презема контекст за време на извршувањето.

Ова значи дека критичните информации – како што се податоци за сопственост на услуги, API шеми, записи за историски одлуки, графикони на зависности или внатрешни API – повеќе не треба да се туркаат во барањата (prompts). Наместо тоа, агентите пристапуваат до овие системи директно за време на нивните фази на планирање и извршување. На пример, внатрешен агент задолжен за решавање проблем може автоматски да ги пребара податоците за сопственост на услуги, да ги повлече релевантните историски податоци, да ги провери графиконите на зависности за проценка на влијанието и да се повика на внатрешни API за да предложи решенија, сето тоа додека ги почитува дефинираните безбедносни ограничувања. Овој пристап остро се разликува од предизвиците на најдобри-практики-за-инженерство-на-барања-со-openai-api каде што инјектирањето контекст може да биде комплексно.

Зошто е ова важно: Сигурните работни текови на ВИ се изградени на заснован, дозволен и структуриран контекст. MCP ја обезбедува клучната основа, осигурувајќи дека агентското извршување работи на вистински алатки и вистински податоци, елиминирајќи ги претпоставките и кршливоста поврзани со текстуалното инженерство на барања.

ВИ како инфраструктура: Вградување извршување надвор од IDE

Историски гледано, голем дел од алатките за ВИ за програмерите беа ограничени на Интегрираното Развојно Окружување (IDE). Иако се непроценливи за кодирање, модерните софтверски екосистеми се протегаат далеку подалеку од еден уредувач. Тимовите бараат агентски способности во безброј околини: десктоп апликации, внатрешни оперативни алатки, позадински услуги, SaaS платформи и системи управувани од настани.

Copilot SDK ги руши овие граници, правејќи го извршувањето способност на слојот на апликацијата. Ова значи дека вашиот систем сега може да слуша настани – промена на датотека, активирање на распоредување, корисничко дејство – и програмски да го повика Copilot за да иницира агентски работен тек. Циклусот на планирање и извршување работи внатре во вашиот производ, а не како посебен интерфејс или алатка за програмери.

Функција	Ера на „ВИ како текст“	Ера на „ВИ како извршување“ (Copilot SDK)
Интеракција	Текстуален влез, текстуален излез	Програмабилни циклуси на извршување
Работен тек	Рачна одлука, кревки скрипти	Адаптивни, самокорегирачки агенти
Контекст	Често вграден во барања (кревко)	Структуриран преку MCP, преземање во реално време
Интеграција	Изолирани размени, IDE-центрични	Вграден насекаде (апликација, услуга, SaaS)
Улога на програмерот	Инженерство на барања, рачна оркестрација	Дефинирање на намера, ограничувања, алатки
Основен принцип	ВИ советува, човек извршува	ВИ планира и извршува, човек надгледува

Зошто е ова важно: Кога извршувањето на ВИ е вградено директно во вашата апликација, таа престанува да биде корисен помошник и станува фундаментална инфраструктура. Достапна е каде и да работи вашиот софтвер, проширувајќи ја моќта на ВИ до секој агол на вашите дигитални операции, поттикнувајќи навистина интелигентен и адаптивен софтверски пејзаж.

Архитектонската промена: Програмабилна ВИ и иднината

Преминот од „ВИ како текст“ во „ВИ како извршување“ претставува значајна архитектонска еволуција. Тоа означува парадигма каде што агентите на ВИ не само што генерираат фрагменти, туку се програмабилни циклуси на планирање и извршување способни да работат под дефинирани ограничувања, беспрекорно интегрирајќи се со реални системи и интелигентно прилагодувајќи се за време на извршувањето.

GitHub Copilot SDK е клучниот овозможувач на оваа иднина. Со тоа што ги прави овие софистицирани можности за извршување достапни како програмски слој, тој ги овластува развојните тимови да се фокусираат на повисокото ниво „што“ треба да постигне нивниот софтвер, наместо постојано да го обновуваат основното „како“ на оркестрацијата на ВИ. Оваа промена ја трансформира ВИ од нова алатка во основна, неопходна компонента на модерната софтверска архитектура, ветувајќи поотпорни, автономни и интелигентни апликации насекаде. Ако вашата апликација може да активира логика, таа сега може да активира и агентско извршување, најавувајќи нова ера на навистина паметен софтвер.

Оригинален извор

https://github.blog/ai-and-ml/github-copilot/the-era-of-ai-as-text-is-over-execution-is-the-new-interface/

Често поставувани прашања

What is the core shift from 'AI as text' to 'AI as execution' introduced by the GitHub Copilot SDK?

The fundamental shift signifies a move from AI systems that merely generate text output from text input, requiring manual human intervention for the next steps, to systems where AI can actively plan, execute, adapt, and recover from errors within a predefined set of constraints. This means AI transitions from a passive assistant to an active participant, capable of orchestrating complex, multi-step operations directly within software applications, making it a functional component rather than just a conversational interface. The Copilot SDK provides the tools to embed this execution layer into any application.

How does the GitHub Copilot SDK enable sophisticated agentic workflows within applications?

The GitHub Copilot SDK empowers applications by providing access to the same production-tested planning and execution engine that drives GitHub Copilot CLI. Instead of building complex orchestration stacks from scratch, developers can embed this SDK to delegate intent to AI agents. These agents can explore repositories, plan necessary steps, modify files, run commands, and adapt to unforeseen issues—all while respecting defined boundaries. This allows software to become more adaptive and resilient, moving beyond rigid, scripted workflows to dynamic, context-aware operations.

What is the Model Context Protocol (MCP) and why is it crucial for grounded AI execution?

The Model Context Protocol (MCP) is a vital component that enables structured and composable context for AI agents. Rather than embedding critical system logic and data within prompts—a practice that leads to brittle, hard-to-test workflows—MCP allows applications to define domain-specific tools and agent skills. The execution engine then uses MCP to retrieve relevant context directly at runtime, such as service ownership data, API schemas, or dependency rules. This ensures that AI agents operate on real, permissioned data and systems, preventing guesswork and making AI workflows more reliable and maintainable.

Beyond the Integrated Development Environment (IDE), where can the GitHub Copilot SDK embed AI execution?

The GitHub Copilot SDK liberates AI execution from being confined primarily to the IDE, allowing it to function as a pervasive application-layer capability. This means agentic capabilities can be seamlessly integrated into a wide array of environments, including desktop applications, internal operational tools, background services, SaaS platforms, and event-driven systems. By enabling applications to programmatically invoke Copilot upon specific events—like a file change, deployment trigger, or user action—the SDK transforms AI from a mere helper in a side window into core infrastructure that operates wherever the software runs.

What are the primary benefits of delegating multi-step tasks to AI agents using the Copilot SDK?

Delegating multi-step tasks to AI agents via the Copilot SDK offers significant advantages over traditional scripting. It allows software to handle workflows that are context-dependent, change dynamically mid-run, or require robust error recovery, which typically break down fixed scripts. By delegating 'intent' rather than explicit steps, agents can autonomously explore, plan, execute, and adapt within defined constraints. This leads to more scalable, adaptable, and observable systems, freeing developers from continually rebuilding bespoke orchestration layers for complex, evolving processes.

How does the Copilot SDK improve the reliability and adaptability of AI-powered systems?

The Copilot SDK enhances reliability and adaptability by providing a robust execution layer and integrating structured context. Its production-tested planning and execution engine ensures agents can plan complex operations, execute commands, modify files, and recover from errors, making systems more resilient. Furthermore, by utilizing the Model Context Protocol (MCP), agents access real-time, structured, and permissioned context—like API schemas or dependency graphs—rather than relying on potentially outdated or generalized prompt information. This grounding in real data ensures agents make informed decisions, reducing errors and increasing the system's ability to adapt to changing conditions and constraints.

Is the GitHub Copilot SDK primarily for professional developers, or can others benefit from its capabilities?

While the GitHub Copilot SDK is designed to empower professional developers by extending agentic AI capabilities into their applications and infrastructure, its benefits ripple outwards. By enabling AI to handle complex, multi-step tasks and integrate directly into various software systems, it streamlines workflows, reduces manual effort, and enhances the adaptability of applications. This ultimately benefits end-users and organizations by leading to more efficient, intelligent, and robust software, even if the direct interaction with the SDK is primarily on the developer's side. The SDK makes AI a fundamental infrastructure component across the software ecosystem.

Бидете информирани

Добивајте ги најновите AI вести на е-пошта.

Сподели