OpenIDE ищет партнера в сфере ИИ

ИИ-ассистенты прочно вошли в арсенал разработчиков, особенно в составе современных IDE. Они обещают ускорить написание кода и упростить решение задач. Мы в OpenIDE считаем это стратегическим направлением и обсуждаем партнерство с ведущими компаниями в области ИИ для внедрения более эффективных подходов к разработке. Напомним: OpenIDE это открытая российская среда разработки, создаваемая Haulmont совместно с Группой Астра и Axiom JDK.

Но действительно ли ИИ-ассистенты выполняют эти обещания? Похоже, не всегда. В статье разберемся, почему ожидания от ИИ-ассистентов часто не оправдываются — и что может сделать их действительно полезными.

Сложно отрицать, что последние несколько лет искусственный интеллект стал главным мировым трендом практически во всех направлениях: дизайн, музыка, поиск и, конечно же, разработка ПО. Согласно исследованию “Трендов Java в России” в 2024 году, 48% Java-разработчиков используют при разработке кода ИИ-инструменты. Уже сложнее найти компании, которые игнорируют ИИ, чем те, которые активно его используют. Наше же внимание привлекают ИИ-ассистенты для разработчиков, чья главная задача — ускорять процесс разработки.

Например, JetBrains AI Assistant обещает ускорение всего цикла разработки благодаря функциям на базе ИИ, интегрированным в IDE. GitHub Copilot позиционирует себя как помощник, помогающий писать код быстрее и легче, позволяя больше сил направить на решение задач и командное взаимодействие.

Однако, по данным недавнего исследования компании Uplevel, несмотря на удобство использования таких инструментов, показатели эффективности разработчиков не изменились. Более того, количество багов в проектах, где использовались ИИ-ассистенты, увеличилось на 41%.

Практика использования ИИ-ассистентов

Сегодня существует два основных способа взаимодействия разработчика с ИИ-ассистентом в IDE:

• Чат-поддержка. Чаще всего используется как альтернатива документации, Stack Overflow или общения с более опытными коллегами.

  

• Автодополнение и рекомендации во время написания кода. Разработчик пишет код, а ИИ предлагает варианты того, что, по его мнению, пользователь пытается реализовать.

Оба подхода удобны, особенно когда полученный результат полностью соответствует ожиданиям. Однако точность результата сильно зависит от того, насколько полным был контекст, переданный ИИ. Обычно разработчик вынужден самостоятельно формировать подробные запросы и детально объяснять задачу, чтобы получить качественный результат. Но такой подход делает использование ИИ не настолько эффективным, как ожидалось изначально.

Контекст как ключевая проблема взаимодействия

Главная причина появления неточностей и ошибок при использовании ИИ-ассистентов — нехватка контекста. Когда ассистенту недостаточно информации для решения задачи, он не просит дополнительных уточнений, а делает предположения самостоятельно. Это приводит к «галлюцинациям» и ошибкам в коде, увеличивая число багов.

По сути, ассистент ведёт себя как junior-разработчик, который стесняется задавать вопросы, предпочитая додумывать самостоятельно. И здесь нужна технология, которая позволит ИИ действовать иначе, — активно запрашивать нужный контекст, вместо того чтобы слепо угадывать.

MCP — решение проблемы нехватки контекста

Одним из перспективных решений проблемы передачи контекста является концепция MCP (Model Context Protocol). MCP — это подход, при котором ИИ-ассистент автоматически запрашивает необходимую информацию, когда её недостаточно для решения задачи. 

Идеальный сценарий взаимодействия ИИ с MCP выглядел бы примерно следующим образом – если ИИ сталкивается с неоднозначностью в коде или запросе, вместо того чтобы «додумывать», он прямо уточняет у разработчика: «Вы хотите реализовать обработку исключений здесь или оставить это на другом уровне?». Таким образом, взаимодействие становится диалогом, а не односторонней попыткой угадать мысли программиста.

Подробнее про MCP можно почитать в этой статье.

Перспективы интеграции MCP с IDE

Одна из ключевых целей — максимально освободить разработчика от необходимости вручную собирать и передавать контекст ИИ-ассистенту. Ведь разработчик обычно работает лишь с частью проекта, в то время как профессиональные инструменты — в первую очередь IDE — обладают полной картиной: они знают структуру проекта, историю изменений, связи между компонентами и могут ответить на множество вопросов, которые у человека заняли бы значительное время и усилия.

В этом контексте MCP (Model Context Protocol) открывает большие возможности для глубокой интеграции с IDE. Он позволяет автоматически формировать обогащённый контекст, передаваемый ИИ, тем самым устраняя рутинные действия со стороны разработчика.

На практике это уже реализуется частично: многие IDE-компоненты уточняют у пользователя параметры через диалоговые окна, запрашивают конкретные значения, схемы и настройки.

MCP способен сделать этот процесс невидимым — превратив IDE в активного собеседника ИИ, который сам знает, что и когда нужно спросить.

Кроме того, стоит отметить, что MCP (Model Context Protocol) — это не просто способ передачи контекста. Это универсальный механизм взаимодействия между ИИ и экосистемой разработчика. Он позволяет не только делиться знаниями об окружении, но и инициировать действия. Например, клонировать репозиторий с GitHub или выполнить определенные команды в IDE.

Идея интеграции подобных механизмов витает в профессиональном сообществе уже некоторое время. Так, ещё до появления MCP как стандарта, Александр Шустанов, продакт-менеджер Amplicode, демонстрировал подход, основанный на function calling — механизме, позволявшем ИИ обращаться к функциональности компонентов IDE. MCP во многом стал обобщением подобных подходов, предоставив формализованный и расширяемый способ интеграции ИИ с инструментами разработки.

При этом разработчики стремятся сохранить сильные стороны статической генерации:

• Экспертиза — результат точно отражает замысел. Генератор создаёт код так, как это задумал эксперт в предметной области.

• Воспроизводимость — при одинаковых входных данных результат всегда будет одинаковым.

• Контроль — генератор можно поправить, если в нем была допущена ошибка.

Современные IDE уже используют мощнейшие механизмы анализа кода, которые развиваются десятилетиями. Объединив этот опыт с гибкостью и адаптивностью ИИ, можно получить по-настоящему умную генерацию — точную, контекстную и при этом предсказуемую. 

ИИ-ассистент для OpenIDE

Сфера искусственного интеллекта развивается стремительно. То, что было актуально вчера, уже сегодня может устареть. MCP — это возможный ответ на часть современных вызовов, но развитие не стоит на месте. Вполне вероятно, что мы скоро увидим новые решения и подходы.

В любом случае, влияние ИИ на разработку ПО уже необратимо. В этой связи OpenIDE активно ищет партнёров среди лидеров индустрии. Уже в этом году мы рассчитываем предоставить разработчикам удобные ИИ-инструменты. Если ваша компания заинтересована стать партнером OpenIDE, напишите нам на почту info@openide.ru. Будем рады обсудить варианты взаимодействия и совместного развития!