Spotify: фоновый ИИ-агент для миграций кода экономит 60–90% времени

В Spotify платформа Fleet Management применяет программные преобразования кода ко всем репозиториям компании и автоматически открывает pull request: обновляет зависимости, конфигурации и выполняет простой рефакторинг. С середины 2024 года эта система автоматизирует около половины pull request в Spotify. Сложные изменения ей давались плохо: преобразования приходится описывать через синтаксическое дерево программы или регулярные выражения, что требует редкой экспертизы. Скрипт обновления зависимостей Maven, например, разросся до более чем 20 000 строк кода, и лишь немногие команды могли готовить сложные массовые изменения. Компания поставила задачу дать инженерам возможность описывать и запускать изменения во всём коде на естественном языке.

Детерминированные скрипты миграций заменил агент, который получает инструкцию в виде промпта. Остальная инфраструктура Fleet Management — выбор репозиториев, открытие pull request, ревью и слияние в продакшн — осталась прежней. Вместо готового агента «как есть» Spotify построила внутренний CLI: он передаёт промпт агенту, запускает форматирование и линтинг через локальный Model Context Protocol (MCP), оценивает изменения с помощью LLM в роли судьи, выгружает логи в Google Cloud Platform и сохраняет трассировки в MLflow. CLI позволяет переключаться между агентами и языковыми моделями. Через MCP сотрудники ставят агенту задачи из Slack и GitHub Enterprise: интерактивный агент уточняет задачу и формирует промпт, а агент для кода готовит pull request.

Исследование применения ИИ-агентов в Fleet Management Spotify начала в феврале 2025 года и развивала инструмент вместе с первыми командами-пользователями на их текущих миграциях. Компания начинает применять агента к нетривиальным изменениям: замену типов-значений Java на records, обновления с несовместимыми изменениями, например перевод конвейеров данных на новую версию Scio, переход на новую фронтенд-систему в Backstage, правку параметров в YAML и JSON с соблюдением схем. Агентом пользуются сотни разработчиков, в том числе для фиксации архитектурных решений из обсуждений в Slack; продакт-менеджеры предлагают простые изменения без локальной сборки репозиториев. Среди задач следующего этапа компания называет скорость и предсказуемость работы агентов, проверку качества, ограничения и изоляцию среды, а также стоимость вычислений.