Инженер Microsoft: «С ручным набором кода покончено». Copilot уже работает как агент

«Typing code is absolutely over» — так 3 сентября написал Distinguished Engineer Microsoft Дэвид Фаулер, руководящий работой над Aspire. Формулировка нарочито резкая, но за ней уже есть вполне практический контекст: GitHub Copilot умеет не только дописывать строки, а брать задачу, менять репозиторий, запускать тесты и возвращать pull request на проверку разработчику.

Из этой фразы не следует, что программисты становятся ненужными. Скорее речь о смещении самой работы: AI может забирать всё больше рутинного написания и исправления кода, тогда как человеку остаются требования, архитектура, зависимости, безопасность и решение о том, можно ли вообще принимать результат агента.

GitHub Copilot coding agent работает асинхронно в отдельном окружении разработки на базе GitHub Actions. Для проектов под Windows GitHub добавила Windows-окружения: агент может собрать приложение, прогнать автоматические тесты и линтеры, а затем подготовить изменения для ревью. Есть и существенное ограничение: встроенный сетевой экран coding agent несовместим с Windows, поэтому GitHub рекомендует использовать self-hosted runners или более крупные runners с Azure Private Networking, если нужен собственный сетевой контроль.

Параллельно расширяется работа Copilot с Linux-инструментами на Windows. В конце августа приложение GitHub Copilot получило экспериментальную поддержку Windows Subsystem for Linux. Это не то же самое, что Windows-окружение coding agent: речь о возможности работать с Linux-средой внутри WSL, что полезно для проектов, где Windows и Linux используются одновременно.

Похожую логику Microsoft развивает в Aspire — инструментальной среде для распределённых приложений. Aspire описывает сервисы, контейнеры, базы данных и другие ресурсы в общей модели приложения, благодаря чему AI-агент может видеть больше, чем отдельный файл с кодом. В Aspire 13.1 уже появилась интеграция с Model Context Protocol и команда aspire agent init, которая настраивает поддерживаемых AI-помощников.

В Aspire 13.2 агентную интеграцию расширили: прежнюю команду aspire mcp переименовали в aspire agent, а в репозитории можно добавлять инструкции для агентов через SKILL.md. Через MCP агент также способен запрашивать состояние ресурсов, смотреть логи и трассировки работающего приложения. То есть задача постепенно смещается от «напиши этот метод» к «запусти систему, найди, почему она сломалась, исправь и проверь ещё раз».

AI-агентов Microsoft применяет и в безопасности. В мае компания представила MDASH — многоагентную систему для поиска и проверки уязвимостей. По данным самой Microsoft, с её помощью исследователи нашли 16 новых уязвимостей в сетевом стеке и механизмах аутентификации Windows. Система рассчитана на анализ крупных закрытых кодовых баз, включая Windows, Hyper-V и Azure, где простой поиск знакомых шаблонов ошибок работает далеко не всегда.

Меняется и инструментарий для нативных Windows-приложений. Microsoft рекомендует WinUI 3 для новой разработки под Windows, а исходный код фреймворка опубликован на GitHub под лицензией MIT. При этом открытие проекта ещё не завершено: в репозитории прямо указано, что команда пока не готова принимать внешние изменения в код WinUI. Microsoft также опубликовала руководства, в которых GitHub Copilot используется для создания WinUI-приложений, работы с контекстом проекта и проверки сгенерированного кода.

Аппаратную сторону этой стратегии дополняет Project Zenith, представленный Microsoft 4 сентября. Это преднастроенная версия Windows 11 для компьютеров разработчиков с 64 ГБ или более объединённой памяти и пропускной способностью памяти от 250 ГБ/с. Сначала такие системы появятся на базе AMD Ryzen AI Halo, а заявленная конфигурация рассчитана в том числе на локальный запуск моделей с более чем 30 млрд параметров.

Локальные модели могут уменьшить зависимость от оплачиваемых облачных токенов и оставить больше кода и рабочих данных на машине разработчика. Но набор этих инструментов пока скорее подтверждает более узкую версию тезиса Фаулера, чем буквальный «конец ручного кода»: AI всё лучше справляется с набором, изменениями и первичной проверкой, а архитектура, ревью, безопасность и ответственность за работающий продукт никуда не исчезли.

Источник: TechSpot.