Авито: LLM-агенты определяют владельцев прав доступа, 77% в нужном кластере

В админке бэкофиса Авито за годы накопилось 1171 право доступа (ACL). Про 754 из них компания не знала, кому они принадлежат и какие функции закрывают. Описания нужны для ревизии доступов: владельцы на регулярной основе решают, кому доступ ещё нужен, а у кого его лучше отозвать, чтобы снизить риск утечки. Кроме того, компания перестраивала ролевую модель, а для неё требовалось понять, какой юнит и кто в нём отвечает за каждое ACL. На входе были тексты об особенностях ACL, на выходе требовались описание и имя владельца.

Автор проекта собрал LLM-систему с супервизором и агентами. Code Analyzer ищет название ACL в Sourcegraph, получает 10 репозиториев и анализирует код, а также обращается к реестру микросервисов Atlas, чтобы связать код с оргструктурой. Wiki Analyzer ищет сведения во внутренней документации. Org Structure Validator сверяет найденного сотрудника с порталом Avito People и при увольнении разработчика ищет текущего руководителя юнита. Супервизор работает на модели o4-mini от OpenAI, агенты — на внутреннем LLM Gateway и открытой модели Qwen 2.5 на 32 млрд параметров. Супервизор получает только агрегированный ответ из пяти полей, поэтому OpenAI не видит код и статьи Confluence.

Для доступа к Sourcegraph, Confluence, Atlas и Avito People автор написал четыре MCP-сервера. Чтобы не передавать в модель код целиком, он использовал сниппетинг на библиотеке tree-sitter с запасным вариантом в виде ±5 строк вокруг найденной сущности. Запросы и ответы LLM отслеживались в MLflow. Качество проверено на 78 ACL, подробно размеченных вручную: описания получили около 65% по метрике LangChain labeled_score_string, владелец найден точно в юните в 17% случаев, юнит верный в 42%, кластер верный в 18%, в сумме 77% в нужном кластере. Статья опубликована 27 августа 2025 года.