Как Amazon Bedrock AgentCore помогает поддерживать техническую документацию в актуальном состоянии

Техническая документация часто не успевает за развитием программного обеспечения. Код постоянно меняется, появляются новые функции, интеграции и зависимости, в то время как документация может обновляться значительно реже. В результате разработчики и другие команды могут работать с информацией, которая уже не соответствует реальному состоянию системы.

AWS демонстрирует, как агентный подход на базе Amazon Bedrock AgentCore может помочь автоматизировать синхронизацию документации с исходным кодом.

Проблема documentation drift

Documentation drift возникает, когда техническая документация постепенно перестает соответствовать фактической реализации программного обеспечения.

По данным, приведенным AWS, документация может обновляться в 5,7–25 раз реже, чем исходный код. Это создает дополнительную нагрузку на разработчиков, усложняет поддержку систем и увеличивает время, необходимое для понимания существующих решений.

Особенно заметной проблема становится в крупных средах с десятками или сотнями репозиториев, микросервисов и взаимозависимых компонентов.

Агентный подход к документации

AWS Advanced Partner Corley реализовал для Eutelsat решение, использующее AI-агента для автоматического анализа исходного кода и поддержания документации в актуальном состоянии.

Эксперт наполняет базу знаний документацией и информацией, специфичной для определенной предметной области. Затем пользователь указывает репозитории, которые необходимо проанализировать.

AI-агент получает доступ к исходному коду, находит в базе знаний релевантный контекст и сравнивает существующую документацию с фактическим состоянием программного обеспечения. Если документация отсутствует или противоречит коду, агент может создать или обновить ее.

При этом исходный код используется как основной источник информации о текущем состоянии системы.

Архитектура решения на AWS

Решение объединяет несколько сервисов и технологий AWS.

Документация предметной области в формате Markdown загружается в Amazon S3. По заданному расписанию AWS Lambda синхронизирует эти материалы с Amazon S3 Vectors, после чего информация становится доступной через Amazon Bedrock Knowledge Bases.

Когда пользователь запускает процесс синхронизации, Amazon Bedrock AgentCore Runtime запускает AI-агента, построенного с использованием Strands Agents.

Для взаимодействия с репозиториями агент использует Model Context Protocol (MCP). Через GitLab MCP он получает возможность читать исходный код указанных репозиториев, а Amazon Bedrock AgentCore Gateway обеспечивает интеграцию между агентом и MCP-серверами.

После анализа кода агент обращается к базе знаний Amazon Bedrock, чтобы получить необходимый отраслевой контекст, терминологию и информацию о зависимостях между системами.

Автоматическое обновление документации

На следующем этапе агент получает доступ к существующей проектной документации в Atlassian Confluence через MCP.

Он сопоставляет исходный код, существующую документацию и отраслевой контекст из базы знаний. На основании этого агент может создавать новую документацию или обновлять существующую.

Вместо периодического ручного переписывания документации организация получает процесс, в котором AI помогает постоянно синхронизировать ее с фактическим состоянием программного обеспечения.

Результаты использования

Eutelsat и Corley протестировали решение на 30 репозиториях, для которых ранее документация отсутствовала.

Обработка одного репозитория агентом, включая анализ кода, создание документации и ее публикацию, занимала приблизительно 15–20 минут. Проверка созданной документации специалистом занимала около 1–2 часов на репозиторий.

Все 30 репозиториев удалось обработать примерно за одну календарную неделю, а стоимость использования AWS составила всего несколько долларов на репозиторий.

По оценке авторов решения, экономия времени по сравнению с полностью ручным подходом превысила 90%.

Человек остается частью процесса

Автоматизация не означает полного отказа от проверки документации специалистами.

Архитектура предусматривает human-in-the-loop подход: AI выполняет значительную часть рутинной работы — анализирует код, собирает контекст и формирует документацию, а специалисты проверяют полученный результат.

Такой подход позволяет объединить скорость генеративного AI с экспертизой инженерных команд.

Вывод

Проблема устаревающей документации актуальна практически для любой организации, занимающейся разработкой программного обеспечения.

Сочетание Amazon Bedrock AgentCore, Retrieval Augmented Generation (RAG), Amazon S3, AWS Lambda и интеграций на базе MCP позволяет создать автоматизированный процесс, в котором документация обновляется на основании реального состояния исходного кода.

Пример Eutelsat показывает, что агентный AI может использоваться не только для генерации нового контента, но и для решения практических задач разработки и эксплуатации программных систем.

Источник: AWS Public Sector Blog — Reducing documentation drift with Amazon Bedrock AgentCore