મેં એક મહિના માટે મારા CI/CD પાઇપલાઇનને AI-સંચાલિત એજન્ટ ચલાવવા દીધો. ટ્રાયલના અંત સુધીમાં, તે નિષ્ફળ જતી બિલ્ડ્સને ઠીક કરી રહ્યો હતો, પુલ રિક્વેસ્ટ્સ (pull requests) ખોલી રહ્યો હતો અને જોબ્સ ફરીથી ટ્રિગર કરી રહ્યો હતો, જેનાથી માત્ર એક માનવીય મંજૂરીનો સ્ટેપ બાકી રહ્યો હતો. આ પ્રયોગ દર્શાવે છે કે “એજન્ટિક” (agentic) DevOps રૂટિન ટ્રાયજ (triage) ને બેક-ઓફિસમાંથી બદલીને એક ઓટોમેટેડ મગજમાં ખસેડી શકે છે, પરંતુ તે એવા ગાર્ડરેલ્સ (guardrails) ને પણ ખુલ્લા પાડે છે જે એક સ્વાયત્ત સિસ્ટમને જોખમનું નવું સ્ત્રોત બનતા અટકાવે છે.
આ પ્રયોગ શા માટે મહત્વપૂર્ણ હતો
મોટાભાગની સોફ્ટવેર ટીમો હજુ પણ AI ને માત્ર એક આધુનિક ઓટોકમ્પ્લીટ (autocomplete) તરીકે જુએ છે—એક એવું સાધન જે કોડની લાઇન સૂચવે છે અથવા એરર મેસેજ સમજાવે છે. 2025 માં ઉદ્યોગ “AI જે તમને ટાઇપ કરવામાં મદદ કરે છે” થી બદલાઈને “AI જે કાર્ય કરે છે” તરફ આગળ વધી રહ્યો છે. એક કાર્યરત એજન્ટ લોગ્સ વાંચી શકે છે, સુધારાનો નિર્ણય લઈ શકે છે, તેને લાગુ કરી શકે છે અને પરિણામમાંથી શીખી શકે છે—તે પણ ડેવલપર દ્વારા એક પણ કમાન્ડ ટાઇપ કર્યા વગર.
મૂળ વિચાર: એક એજન્ટિક પાઇપલાઇન
એક એજન્ટિક પાઇપલાઇન એ પ્રોડક્શનમાં અનિયંત્રિત એક્સેસ ધરાવતું કોઈ એક મોનોલિથિક મોડેલ નથી. તે એક સાંકડો ઓર્કેસ્ટ્રેટર (orchestrator) છે જે વિશિષ્ટ સાધનોનું સંકલન કરે છે, સંદર્ભ (context) જાળવી રાખે છે અને કડક ગાર્ડરેલ્સ હેઠળ કામ કરે છે. તેનું મુખ્ય લૂપ માનવીની ટ્રબલશૂટિંગ પ્રક્રિયાનું અનુકરણ કરે છે:
- Perceive (સમજવું) – લોગ્સ, ટેસ્ટ આઉટપુટ અને મેટ્રિક્સ મેળવવા.
- Reason (તર્ક કરવો) – નિષ્ફળતાનું વિશ્લેષણ કરવું, સૌથી સુરક્ષિત સુધારાનું આયોજન કરવું.
- Act (કાર્ય કરવું) – પેચ લાગુ કરવા, ડિપેન્ડન્સી અપગ્રેડ કરવા અથવા જોબ ફરીથી ચલાવવા માટે સ્કોપ્ડ ટૂલનો ઉપયોગ કરવો.
- Learn (શીખવું) – પરિણામની નોંધ લેવી જેથી આગામી નિર્ણય વધુ સચોટ રીતે લઈ શકાય.
જે આર્કિટેક્ચરે પ્રયોગને સુરક્ષિત રાખ્યો તે આ મુજબ હતો:
- CI/CD પ્લેટફોર્મ – જોબ્સ શેડ્યૂલ કરે છે અને ચલાવે છે.
- Orchestrator – “મગજ” જે ડેટા મેળવે છે, કંટ્રોલ લૂપ ચલાવે છે અને શું કરવું તે નક્કી કરે છે.
- Tools – એ “હાથ” જે ચોક્કસ કાર્યો કરે છે (દા.ત., PR ખોલવું, વર્ઝન અપડેટ કરવું).
- Context store – તાજેતરની નિષ્ફળતાઓ અને સુધારાઓની હળવી મેમરી.
- Guardrails – કડક મર્યાદાઓ જે એજન્ટને સીધા પ્રોડક્શનને સ્પર્શ કરતા અથવા માનવીય મંજૂરી વિના ફેરફારો કરતા અટકાવે છે.
લાર્જ લેંગ્વેજ મોડેલ (LLM) ને સીધા પ્રોડક્શન રાઈટ્સથી દૂર રાખીને, સિસ્ટમે એટેક સરફેસ (attack surface) ઘટાડી દીધી, છતાં મોડેલને સમસ્યા વિશે તર્ક કરવાની છૂટ આપી.
એજન્ટના જીવનનો એક મહિનો
અઠવાડિયું 1 – રીડ-ઓન્લી અવલોકન
એજન્ટ “માત્ર સમજાવવા માટેના” (explain-only) મોડમાં ચાલ્યો. દરેક નિષ્ફળ બિલ્ડે એક Slack મેસેજ જનરેટ કર્યો જેણે એરરનો સારાંશ આપ્યો અને સંભવિત કારણો સૂચવ્યા. કોઈ કોડ બદલાયો નહીં. આ તબક્કાએ સાબિત કર્યું કે પરસેપ્શન અને રીઝનિંગ સ્ટેપ્સ વાસ્તવિક લોગ્સ પર કામ કરે છે અને ટીમને વિશ્વાસ અપાવ્યો કે એજન્ટ કોડબેઝને સમજે છે.
અઠવાડિયું 2 – સુધારા સૂચવવા
આગામી સાત દિવસ માટે ઓર્કેસ્ટ્રેટરે લિન્ટિંગ નિષ્ફળતાઓ અથવા જૂની ડિપેન્ડન્સીઝ જેવી ઓછી જોખમી સમસ્યાઓ માટે પુલ રિક્વેસ્ટ્સ (pull requests) ખોલી. એન્જિનિયરોએ મર્જ કરતા પહેલા PRs ની સમીક્ષા કરી.
અઠવાડિયું 3 – નિયંત્રિત કાર્ય
મંજૂરી વર્કફ્લો અમલમાં હોવાથી, એજન્ટને નોન-પ્રોડક્શન એન્વાયરમેન્ટમાં જોબ્સ ફરીથી ચલાવવાની પરવાનગી મળી. જ્યારે બિલ્ડ નિષ્ફળ જાય, ત્યારે ઓર્કેસ્ટ્રેટર આપમેળે બ્રોકન ડિપેન્ડન્સીનું સાચું વર્ઝન પિન કરે છે, PR ખોલે છે અને PR મર્જ થયા પછી, પાઇપલાઇનને ફરીથી ટ્રિગર કરે છે.
અઠવાડિયું 4 – પ્રભાવનું માપન
છેલ્લો અઠવાડિયું પરિણામો માપવા પર કેન્દ્રિત હતો, એજન્ટે કેટલી નિષ્ફળતાઓનું નિરાકરણ લાવ્યું તેનો ટ્રેક રાખ્યો.
ફાયદો: કંટાળાજનક કામ દૂર કરવું
પ્રયોગે દર્શાવ્યું કે AI એજન્ટ CI/CD ના પુનરાવર્તિત ભાગો સંભાળી શકે છે: લોગ્સ વાંચવા, જાણીતા પેટર્નને ઓળખવા, વર્ઝન અપડેટ કરવા અને જોબ્સ ફરીથી ચલાવવા. એન્જિનિયરોએ ફક્ત અંતિમ ફેરફારોને મંજૂરી આપવાની અને એજન્ટ જે થોડી એજ-કેસ (edge-case) નિષ્ફળતાઓનું નિરાકરણ લાવી શક્યું નથી તેની તપાસ કરવાની હતી. વ્યવહારમાં તેનો અર્થ હતો મધ્યરાત્રિએ મળતા ઓછા એલર્ટ્સ, ઓછું કોન્ટેક્સ્ટ-સ્વિચિંગ અને ડેવલપર્સ માટે વધુ સચોટ ફીડબેક લૂપ.
જોખમો અને તેને કેવી રીતે ઘટાડવા
- આત્મવિશ્વાસ સાથે ખોટા સુધારા – એજન્ટ ક્યારેક લક્ષણ-સ્તરનો પેચ (symptom-level patch) લાગુ કરે છે જે ઊંડા બગને છુપાવી દે છે. પ્રોડક્શન કોડને સ્પર્શ કરતા કોઈપણ ફેરફાર માટે માનવીય મંજૂરી જરૂરી બનાવતા ગાર્ડરેલ્સ આ જોખમને નિયંત્રણમાં રાખે છે.
- નોઈઝ ઓવરલોડ – અનફિલ્ટર્ડ નોટિફિકેશન્સ વાસ્તવિક એલર્ટ્સને દબાવી શકે છે.
- સ્કોપ ક્રીપ – મોડેલને અનિયંત્રિત એક્સેસ આપવાથી ઝડપથી અનિચ્છનીય આડઅસરો થઈ શકે છે. LLM (તર્ક) અને ટૂલ્સ (કાર્ય) વચ્ચેના આર્કિટેક્ચરના કડક વિભાજનથી એજન્ટને મનસ્વી ફેરફારો કરતા અટકાવવામાં મદદ મળી.
અન્ય ટીમો માટે સ્ટેપ-બાય-સ્ટેપ રોલઆઉટ પ્લાન
જો તમારી સંસ્થા એજન્ટિક પાઇપલાઇન અજમાવવા માંગતી હોય, તો આ ક્રમિક માર્ગ અનુસરો:
- Set up the orchestrator – a lightweight service that can call the LLM, store context and invoke CI/CD APIs.
- Define guardrails – whitelist the CI/CD jobs the agent may trigger, require PR approval, and block any direct production writes.
- Week 1: Observation mode – feed logs to the orchestrator and let it post diagnostic summaries to a chat channel.
- Week 2: Suggestion mode – allow the agent to open PRs for non-critical fixes; keep human review mandatory.
- Week 3: Controlled action – grant permission to re-run jobs in staging or test environments after a PR merges.
- Week 4: Metrics and tuning – track triaged failures, false positives, and time saved; adjust alert thresholds and guardrails accordingly.
- Iterate – expand the tool set (e.g., automated rollbacks, security scans) only after each new capability passes the same safety checks.
The counter-argument
Skeptics point out that agents can be confidently wrong. The experiment did not eliminate this concern; it merely showed that disciplined guardrails let you reap the benefits while keeping risk manageable.
Takeaway
An AI agent that runs the CI/CD control loop can turn a reactive, manual triage process into an almost self-healing pipeline, provided you isolate the model, enforce strict approval steps, and start with a low-risk, observation-first approach. The real value lies not in replacing engineers but in offloading the tedious, repetitive chores that keep pipelines green and developers focused on building.