使用 ADO Coding Agent 套件，在 Pipeline 中讓 AI Agent 自動運行各種任務
前言
你可能有聽過 GitHub Copilot Coding Agent，它是一個可以搭配 GitHub Action，在背景自動執行 AI 任務的工具。甫一推出，就讓開發者們眼睛一亮，因為它讓 AI 能夠在 PR 或 CI/CD Pipeline 流程中，自動化地幫助我們完成許多重複性任務。 可惜的是，它目前只能在 GitHub Repo 上使用。
因此，我試著開發了 ADO Coding Agent 套件。
簡單來說，ADO Coding Agent 就像是 GitHub Copilot Coding Agent 的 Azure DevOps 版本 - 它可以在 Azure DevOps Pipeline 中自動執行你給 AI 的提示詞 (背後是 GitHub Copilot CLI)，將 AI 的強大能力與 CI/CD 工作流程無縫整合。
我之前也 Demo 過，如何在 Azure Pipeline 中運行 GitHub Copilot CLI，我對這議題一直很有興趣，因為這讓 AI 驅動的自動化開發變成可能。這意味著，我們未來可能不再需要手動執行重複性的程式碼修改工作，而是可以在每次程式碼提交、或 PR 被觸發時，透過 Pipeline 讓 AI 來執行這些自動化工作。
無論是自動化 Code Review、自動生成單元測試、自動撰寫文件、自動修復 Bugs、或是進行程式碼重構，ADO Coding Agent 都能夠在背景完成，並且把結果直接寫回 Repo 中，這已經不只是效率的提升，而是我一直期待的 24h 自動化 AI 開發團隊的逐漸成形。
具體使用方法:
-
在 Pipeline 中添加 ADO Coding Agent Task (套件安裝位置：https://marketplace.visualstudio.com/items?itemName=tw-developer.ado-coding-agent)。
-
在 GitHub 站台上申請一個具有 Copilot Requests 權限的 PAT (申請位置：https://github.com/settings/personal-access-tokens/new)，這是因為該 task 主要是在 Pipeline 中調用 GitHub Copilot CLI 來完成各種自動化任務，所以你必須先用一個具有 GitHub Copilot 使用權的帳號，建立出具有 Copilot Requests 權限的 PAT( Personal Access Token ) 。
-
配置 ADO Coding Agent Task，在 Task 配置參數中，除了輸入 PAT，最重要的就是給 AI 的提示詞，也就是要執行的具體任務，例如程式碼生成、bugs 整理，code review…等。
-
由於我們要讓 AI 對 Repo 作異動，所以需要設定 Repo 的權限，將 Repo 的 Contribute 權限設定給 Pipeline (也就是 Build Services)。
順帶一提，如果你想要在 PR 觸發的 Pipeline 中運行該 task，則需要一併提供 Contribute to pull requests 權限，這樣 task 才能讀寫 PR Comment。 -
同時，也需要勾取 Pipeline 的 OAuth 權限，讓 Pipeline 可以對 Repo 作存取操作。
-
儲存並運行 Pipeline，AI Agent 將會根據你在提示詞中指定的任務自動運行，並將結果寫回 repo 當中(如果你這麼跟AI要求的話)。
例如，上面就是運行完之後，AI 幫我們自動找到的 bugs 清單。
當然不只可以如此，也可以修改程式碼、建立文件、運行測試…等。
使用 ADO Coding Agent 時的注意事項：
-
Review AI 產生的程式碼 - 雖然 Copilot CLI 很強大，但仍然需要你進行Code Review以確保品質。此外，一般我們不會讓 AI 直接寫入 main 分支，應該要先寫到 feature 分支，經過 code review 後再合併到 main 分支。(後面找時間再介紹如何在 PR 中使用此 task 的方式)
-
PAT 的儲存 - 在正式環境中，PAT Token 應該要使用 Variable 中的 Secret 變數，或是使用 KeyVault 來安全的儲存，並且定期輪換，以確保安全。
-
清晰的提示詞 - 提示詞寫得愈清晰、詳細、具體(但不是囉嗦)，AI 生成的結果和品質就會愈好。
-
留意重複觸發的 Pipeline - 如果你要求 AI 修改程式碼或產生文件並寫入到特定的分支當中，而你又將 Pipeline 設定為 enable continuous integration ，有可能會讓 Pipeline 一直被重複觸發，請留意。
小結
對我來說，開發這個套件幫我完成了多年前的想像，我一直希望 AI 能夠在夜間自動執行重複性的工作，諸如更新說明文件、測試並建立測試報告，甚至尋找或修改程式碼中的bugs，當這些事情夜晚都能自動完成，那白天的開發人員就可以專注於更具有創造性的工作。
我在想，未來在 CI/CD Pipeline 中，AI 的介入應該會變成一個常態吧，成為軟體開發流程中的一部分。幾年後，這個世界的軟體開發，應該會跟現在大不相同了！
留言