Нет, это не фабрика программного обеспечения — Райан Кук, WorkOS
Original · No, That's Not a Software Factory — Ryan Cooke, WorkOS
Key Takeaway
Эффективная фабрика программного обеспечения требует интеграции инженерных процессов и контекстных шлюзов MCP в цикл разработки вместо простого наращивания объема сгенерированного ИИ кода.
Highlights
Оценка эффективности фабрики ПО по метрикам объема кода и количеству PR маскирует реальную производительность инженерной структуры.
Архитектура WorkOS разделена на агентную систему TARS для работы в Slack, Linear и GitHub и инфраструктурный слой Horizon перед шлюзом MCP.
В WorkOS отсутствуют продакт-менеджеры, а функции планирования выполняются инженерами через канонические документы Hilltop.
Агент PM автоматически генерирует черновики спецификаций Hilltop, создавая структуру проектов и задач в Linear на основе коротких текстовых промптов.
Собственный шлюз MCP подключается к озеру данных Snowflake и внутренним системам, открывая доступ к аналитике напрямую через Slack.
Timeline
Ограничения стандартного подхода к фабрикам ПО
Популярный подход к созданию фабрик программного обеспечения строится на комбинации облачной песочницы и ИИ-агентов вроде Claude Code. Измерение успеха через количество пулл-реквестов или процент кода, написанного ИИ, создает ложные ориентиры. Метрики объема не отражают реальную скорость доставки ценности клиентам. Автоматизация должна быть направлена на создание автономных рабочих групп вокруг каждого инженера.
- Оценка фабрик ПО по метрикам объема сгенерированного кода скрывает реальные показатели производительности.
- Использование изолированных песочниц с ИИ-агентами не дает автоматического прироста скорости разработки.
- Главная цель автоматизации заключается в ускорении выпуска сложных продуктовых функций.
Архитектура систем TARS и Horizon
Локальное использование языковых моделей на ноутбуках разработчиков показало аналогичную производительность в сравнении с базовыми песочницами. Для повышения эффективности процессы разработки были разделены между двумя системами. TARS отслеживает контекст через вебхуки и управляет задачами в трекерах. Horizon берёт на себя инфраструктурную оркестрацию, позволяя агенту самостоятельно переходить к следующим этапам проекта по мере завершения блокеров.
- Система TARS подключается к Slack, Linear и GitHub через вебхуки для отслеживания прогресса задач.
- Horizon выполняет роль оркестратора инфраструктуры и располагается перед шлюзом MCP.
- TARS способен автономно выполнять цепочки зависимых задач в Linear и переоценивать планы проекта.
Автоматизация продуктового планирования без продакт-менеджеров
Отсутствие отдельного штата продакт-менеджеров требует от инженеров самостоятельного ведения продуктовой документации Hilltop, включающей конкурентный анализ, макеты и вехи. Специализированный ИИ-агент PM решает проблему «чистого листа», автоматически создавая базовую структуру проектов, задач в Linear и журналов решений на основе описания из нескольких предложений. Это позволяет инженерам и смежным командам сразу переходить к рецензированию и доработке.
- В WorkOS роль продакт-менеджеров выполняют инженеры, фиксирующие требования в документах Hilltop.
- Специализированный агент PM создает первичные черновики спецификаций, задач и каналов на основе коротких промптов.
- Внешние инструменты вроде Devin или локального Claude Code получают контекст через единую документацию.
Единый движок контекста на базе MCP-сервера
Центральным элементом контекстной осведомленности агентов стал собственный шлюз MCP. Сервер содержит системные инструкции и описания инструментов, обучая модели корректной адресации запросов к семантическим таблицам Snowflake. Первоначально созданный для инженерных агентов, шлюз трансформировался в общекорпоративный инструмент, позволяющий сотрудникам получать аналитику по клиентам прямо из Slack.
- Собственный MCP-сервер агрегирует данные из внутренних систем и озера данных Snowflake.
- Семантические таблицы в Snowflake дают агенту инструкции по анализу использования продуктов и обращений клиентов.
- Шлюз MCP стал единым интерфейсом для бизнес-аналитики внутри Slack.
Автономная инфраструктура и непрерывное обучение фабрики
Переход от сторонних песочниц к собственной инфраструктуре обеспечил сохранение контекста и истории сессий на уровне всей организации. TARS самостоятельно обрабатывает клиентские обращения в Slack и готовит исправления ошибок. Собственный инфраструктурный слой позволяет отслеживать ошибки агентов, корректировать устаревшие инструкции и автоматически обновлять базы знаний по мере эволюции кодовой базы.
- WorkOS разрабатывает собственную инфраструктуру песочниц для глубокого контроля сессий и памяти.
- TARS привлекается к триажу багов и обработке клиентских запросов в общих Slack-каналах.
- Полный контроль над инфраструктурой позволяет автоматически обновлять устаревшие навыки агентов.
Description
The standard software factory puts an agent in a sandbox, prompts it and merges the PR. When WorkOS built one, the results were hard to tell apart from engineers running Claude Code on their laptops. Ryan Cooke, an engineer at WorkOS, argues that counting PRs or lines of AI code is the wrong measure. What matters is outcomes: are you actually shipping more to customers? WorkOS's answer is to build its engineering process into the factory itself. TARS, its agent, lives in Slack, Linear and GitHub and uses webhooks to track projects and pick up the next ticket on its own. A PM agent drafts the "Hilltop" product doc and breaks approved work into tickets, which solves the blank-page problem. Horizon, the orchestration layer, sits in front of an internal MCP gateway that connects every tool, including Snowflake. Cooke calls that gateway the single best investment for any team starting a factory. He also covers bug and support triage, why WorkOS is building its own sandboxes and a company-wide memory layer, and how it measures success with defect rates, recovery time and adoption. Related links: WorkOS: https://workos.com Timestamps: 0:00 Intro: the standard software factory 1:17 Output metrics hide what's working 2:37 Measuring outcomes instead 3:12 Why a basic sandbox wasn't enough 4:07 TARS and Horizon 5:22 Webhooks: from code work to product work 6:32 Building the Hilltop doc into the factory 8:07 The PM agent 8:52 Demo: kicking off a project from Slack 10:17 Solving the blank-page problem 11:02 Works with Devin and Claude Code too 11:57 The MCP gateway: a context engine 13:37 Why every factory needs an MCP gateway 14:07 Bugs, support triage and our own sandboxes 15:27 Next: a company-wide memory layer 15:57 How we measure success 17:02 Owning the infrastructure to self-improve 18:02 Wrap-up
