Технический контекст
Я посмотрел, что GitLab называет Act 2, и это не просто очередной апдейт с чатиком сбоку. Они реально перестраивают платформу под сценарий, где AI automation живет внутри SDLC, а не висит поверх IDE как игрушка для генерации кода.
Суть простая: GitLab хочет, чтобы агенты не только писали куски кода, но и сами открывали merge request, гоняли пайплайны, разбирали security-находки, правили CI и работали параллельно. Для AI implementation в инженерных командах это уже ближе к платформенному слою, а не к разовым экспериментам.
В центре всего GitLab Duo Agent Platform. Там несколько специализированных агентов: разработка, security, research, CI. Плюс orchestration layer, чтобы они не спорили друг с другом хаотично, а шли по заданным flow.
Из интересного я бы выделил поддержку MCP, подключение внешних агентов вроде Claude Code и Codex, а также custom flows. То есть GitLab не замыкает все на одном встроенном агенте, а делает шину, где можно собрать свой процесс под конкретную команду или продукт.
Еще один важный момент: GitLab прямо говорит о machine-scale workflow. Это означает, что сама модель Git, пайплайнов и внутренних сервисов поджимается под поток коммитов и запусков, который уже создают не люди руками, а агенты 24/7. Вот здесь я и остановился: красивая презентация заканчивается, начинается тяжелая AI architecture.
По доступности картина тоже приземленная: beta заявлена для GitLab 18.2, нормальная доступность ожидается ближе к 18.8+, в основном для Premium и Ultimate. Бесплатный слой урезан, расход идет через GitLab Credits, а значит вопрос цены быстро станет не теоретическим, а очень бухгалтерским.
Что это меняет для бизнеса и автоматизации
Первый выигрыш очевиден: CI/CD перестает быть только проверкой после коммита и становится средой, где агенты сами чинят поломки, оптимизируют pipeline и переводят старые Jenkins-сценарии в GitLab CI/CD. Для DevOps-команд это экономия не на процентах, а на постоянной рутине.
Второй момент жестче: без правил, audit и ограничений это быстро превратится в дорогой хаос. Выиграют команды, у которых уже есть нормальная AI integration, понятные политики и наблюдаемость. Проиграют те, кто просто включит агентов всем подряд.
И третье: возрастает ценность архитектуры потоков, а не одной модели. Мы в Nahornyi AI Lab решаем для клиентов именно такие задачи: где агенту можно доверить действие, где нужен human-in-the-loop, и как собрать automation with AI без взрыва расходов и риска для продакшна.
Если у вас CI/CD уже упирается в ручные проверки, ночные фиксы и вечный разбор флапающих пайплайнов, это хороший момент пересобрать процесс. Можем вместе посмотреть, где в вашем случае создать AI agent или собрать аккуратную AI automation так, чтобы команда реально ускорилась, а не получила еще один модный источник шума.