· AI Engineer World's Fair 2026
Агентный SDLC в Uber: основы software factory Uber
Agentic SDLC at Uber - Building Blocks for Uber’s Software Factory
Uber строит software factory, в котором агенты, по словам авторов, пишут более 70% PR, а фичи проверяются до запуска CI.
- Модельный шлюз с контролем безопасности — один OpenAI- и Anthropic-совместимый эндпоинт пропускает запросы через идентификацию по SPIRE, редактирование PII (более 20 типов) и пять моделей безопасности. По словам авторов, всё это укладывается в 100 мс.
- MCP-шлюз вместо прямого подключения инструментов — OmniMCP находит и вызывает любой инструмент из шлюза, а проекция в CLI не засоряет контекст. По словам авторов, это дало экономию токенов по всему парку больше 40%.
- Context graph вместо поиска по 20–30 системам — граф из 150 типов узлов и связей с 40 млн записей даёт агентам контекст о сервисах, владельцах и зависимостях. По словам авторов, с графом меньше токенов, ходов и задержки.
- Проверка до CI — визуальные и интеграционные проверки переносятся во внутренний цикл агента, а в PR попадает таблица пройденных проверок. Так CI получает уже проверенный диф и не перегружается.
Кому полезно: тем, кто строит внутреннюю платформу для агентов в компании с большим монорепо и ограниченной мощностью CI.
Статья по теме
На какие вопросы отвечает доклад
Как не отправлять персональные данные во внешние LLM-провайдеры и при этом считать расходы по командам?
Весь трафик идёт через единый шлюз моделей: анонимайзер редактирует более 20 типов PII, пять моделей AI Guard проверяют безопасность за меньше 100 миллисекунд, запросы атрибутируются по проекту, пользователю и команде.
▶ 1:46Model Gateway: идентификация, защита персональных данных и безопасностьКак снизить расход токенов, когда агентам подключено сотни MCP-инструментов?
Шлюз MCP с единой точкой входа OmniMCP, проекция инструментов в CLI, чтобы ответы не засоряли контекст, и код-режим Skills для частых сценариев. По словам спикеров, расход снизился более чем на 40% по всему парку.
▶ 3:46MCP Gateway, OmniMCP и инструменты с эффективным использованием токеновКак устроить общий каталог Skills для агентов, чтобы убрать дубли и низкое качество в большой компании?
Управляемый маркетплейс с базовыми и доменными Skills, lint-проверками и автоматическим ревью; установка одной командой, часть Skills ставится автоматически по персоне. В каталоге 2500 Skills.
▶ 5:41Devpod, графы контекста и совместные рабочие процессы агентовКак агенту быстро находить владельцев сервисов, зависимости и паттерны в большом монорепо, где контекст разбросан по десяткам систем?
Единый граф контекста из 150 типов узлов и связей с 40 миллионами записей связывает мобильные приложения, бэкенд, дата-лейк, документы и инциденты. По словам спикеров, с графом меньше токенов, ходов и задержки.
▶ 5:41Devpod, графы контекста и совместные рабочие процессы агентовКак проверять изменения, которые сгенерировал агент, до запуска CI, чтобы не перегружать пайплайн?
Часть проверок переносится во внутренний цикл: статический анализ, скриншот из симулятора, сравниваемый с макетом Figma, и интеграция фронтенда с бэкендом на staging. В PR добавляется таблица пройденных проверок.
▶ 11:33Сквозная software factory и проверка до CIКак автоматизировать уборку устаревших feature flag агентами, не заваливая CI и инженеров лишними диффами?
Плановые циклы настраиваются через управляемую поверхность и запускаются в воскресенье, когда CI свободнее. Количество диффов на понедельник ограничивается, а комментарии и решения о слиянии идут в обучение Skills.
▶ 11:33Сквозная software factory и проверка до CI
Главы
Похожие доклады
Перестраиваем CI для потока коммитов в эпоху AI
AI Engineer NYC 2026 Online Talks
Близко по содержанию
Шлюзы — это всё, что вам нужно
AI Engineer Europe 2026
Близко по содержанию
Выпускайте production-ПО за минуты, а не месяцы
AI Engineer World's Fair 2025
Близко по содержанию
Как в Anthropic ежедневно мержат 30 000 изменений кода
Близко по содержанию


