Як Amazon Bedrock AgentCore допомагає підтримувати технічну документацію в актуальному стані

Технічна документація часто не встигає за розвитком програмного забезпечення. Код постійно змінюється, з’являються нові функції, інтеграції та залежності, тоді як документація може оновлюватися значно рідше. У результаті розробники та інші команди можуть працювати з інформацією, яка вже не відповідає реальному стану системи.

AWS демонструє, як агентний підхід на базі Amazon Bedrock AgentCore може допомогти автоматизувати синхронізацію документації з вихідним кодом.

Проблема documentation drift

Documentation drift виникає, коли технічна документація поступово перестає відповідати фактичній реалізації програмного забезпечення.

За даними, наведеними AWS, документація може оновлюватися у 5,7–25 разів рідше, ніж вихідний код. Це створює додаткове навантаження на розробників, ускладнює підтримку систем та збільшує час, необхідний для розуміння існуючих рішень.

Особливо помітною проблема стає у великих середовищах із десятками або сотнями репозиторіїв, мікросервісів та взаємозалежних компонентів.

Агентний підхід до документації

AWS Advanced Partner Corley реалізував для Eutelsat рішення, яке використовує AI-агента для автоматичного аналізу вихідного коду та підтримки документації в актуальному стані.

Процес складається з декількох основних етапів. Експерт наповнює базу знань документацією та інформацією, специфічною для певної предметної області. Після цього користувач визначає репозиторії, які необхідно проаналізувати.

AI-агент отримує доступ до вихідного коду, знаходить у базі знань релевантний контекст та порівнює існуючу документацію з фактичним станом програмного забезпечення. Якщо документація відсутня або суперечить коду, агент може створити або оновити її.

При цьому саме вихідний код використовується як основне джерело інформації про поточний стан системи.

Архітектура рішення на AWS

Рішення поєднує декілька сервісів і технологій AWS.

Документація предметної області у форматі Markdown завантажується в Amazon S3. За визначеним розкладом AWS Lambda синхронізує ці матеріали з Amazon S3 Vectors, після чого інформація стає доступною через Amazon Bedrock Knowledge Bases.

Коли користувач запускає процес синхронізації, Amazon Bedrock AgentCore Runtime запускає AI-агента, побудованого з використанням Strands Agents.

Для взаємодії з репозиторіями агент використовує Model Context Protocol (MCP). Через GitLab MCP він може читати вихідний код зазначених репозиторіїв, а Amazon Bedrock AgentCore Gateway забезпечує інтеграцію між агентом та MCP-серверами.

Після аналізу коду агент звертається до бази знань Amazon Bedrock, щоб отримати необхідний галузевий контекст, термінологію та інформацію про залежності між системами.

Автоматичне оновлення документації

На наступному етапі агент отримує доступ до існуючої проєктної документації в Atlassian Confluence через MCP.

Він зіставляє вихідний код, існуючу документацію та галузевий контекст із бази знань. На основі цього агент може створювати нову документацію або оновлювати існуючу.

Таким чином, замість періодичного ручного переписування документації організація отримує процес, у якому AI допомагає постійно синхронізувати її з фактичним станом програмного забезпечення.

Результати використання

Eutelsat і Corley протестували рішення на 30 репозиторіях, які до цього не мали документації.

Обробка одного репозиторію агентом, включно з аналізом коду, створенням документації та її публікацією, займала приблизно 15–20 хвилин. Перевірка створеної документації спеціалістом займала близько 1–2 годин на репозиторій.

Усі 30 репозиторіїв вдалося опрацювати приблизно за один календарний тиждень, а вартість використання AWS становила лише кілька доларів на репозиторій.

За оцінкою авторів рішення, економія часу порівняно з повністю ручним процесом перевищила 90%.

Людина залишається частиною процесу

Автоматизація не означає повної відмови від перевірки документації спеціалістами.

Архітектура передбачає human-in-the-loop підхід: AI виконує значну частину рутинної роботи — аналізує код, збирає контекст і формує документацію, тоді як спеціалісти перевіряють отриманий результат.

Це дозволяє поєднати швидкість генеративного AI з експертизою інженерних команд.

Висновок

Проблема застарілої документації актуальна практично для будь-якої організації, яка займається розробкою програмного забезпечення.

Поєднання Amazon Bedrock AgentCore, Retrieval Augmented Generation (RAG), Amazon S3, AWS Lambda та інтеграцій на базі MCP дозволяє створити автоматизований процес, у якому документація оновлюється на основі реального стану вихідного коду.

Приклад Eutelsat показує, що агентний AI може використовуватися не лише для створення нового контенту, а й для вирішення практичних завдань розробки та експлуатації програмних систем.

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