Разработчик представил плагин для таск-трекера YouGile, который позволяет ИИ-агентам (в частности, Codex и Claude Code) не просто выполнять задачи, но и самостоятельно управлять рабочим процессом. Интеграция позволяет агентам читать и изменять карточки, работать с комментариями, чек-листами, файлами и досками, создавая замкнутый цикл: от получения задачи до обновления её статуса после выполнения.
Сценарии использования: от исправления багов до планирования
Плагин автоматизирует рутинные операции, которые раньше требовали ручного вмешательства человека. Один из примеров — автоматическая обработка багов: агент может проверить колонку с найденными ошибками после тестирования, исправить их в репозитории и самостоятельно перенести карточки в соответствующий статус в YouGile.
Также инструмент подходит для анализа состояния проекта. С помощью текстовых команд можно попросить агента найти просроченные задачи, выявить карточки без исполнителей или разбить описание новой функциональности на конкретные подзадачи (backend, frontend, тестирование) с последующим созданием готовых карточек и чек-листов на доске.
Безопасность и борьба с ошибками API
При разработке основной упор был сделан на надежность выполнения операций. Чтобы избежать дублирования задач при сбоях сети (timeout), реализован принцип проверки состояния: перед повторным запросом на изменение (POST или PUT) агент выполняет GET-запрос, чтобы убедиться, не была ли операция уже выполнена. Кроме того, плагин не считает запрос успешным только по коду HTTP 2xx — после любого изменения проводится независимое чтение данных для подтверждения фактического результата.
Для защиты данных API-ключ не передается языковой модели, а хранится локально в системном хранилище (DPAPI в Windows или keyring в macOS/Linux). Чтобы избежать путаницы между проектами с одинаковыми названиями в разных компаниях, каждый план действий привязывается к конкретному профилю и компании, а перед применением проверяется контекст пользователя.
Архитектура: LLM как интерпретатор намерений
Автор разделяет функции нейросети и программного кода: LLM отвечает за понимание намерения пользователя и построение плана, а детерминированный код — за точные вызовы API и работу с ID объектов. Для защиты от подмены данных план действий фиксируется с помощью хеширования SHA-256, а пользователь подтверждает весь workflow целиком через предварительный просмотр (preview).
Текущая версия плагина (2.1.0) включает 29 Python-модулей и около 11,5 тысяч строк кода. Основной объем разработки занял не сам доступ к API, а создание механизмов, гарантирующих, что агент не совершит ошибочных мутаций и не потеряет контекст при работе с реальными рабочиками данными.