Как устроен AI Council в деталях
Работа через MCP, Workspace для задач end-to-end, git-ветки и то, что под капотом. Короткая версия — на главной.
Инструменты анализа и знаний — любому MCP-совместимому AI-инструменту
AI Council не привязывает вас к своему интерфейсу. Через MCP-сервер к графу архитектуры проекта, векторному поиску и базе знаний может подключиться любой ассистент, умеющий работать с MCP — Claude Code, другие AI-инструменты для разработки, корпоративные агенты. Агент получает контекст о проекте без отдельной выгрузки кода наружу — MCP-сервер проксирует запросы к внутренним сервисам под тем же пользователем, что и вызывающий.
Что получает агент через MCP
- Анализ структуры проекта и метрик кода.
- Поиск связанных сущностей кода и построение графа зависимостей.
- Поиск релевантных знаний и конвенций проекта перед изменением кода — с учётом того, на какой git-ветке работает агент (см. «Под капотом»).
- Сохранение architectural decision, Mermaid-диаграмм, changelog и заметок о модулях — с привязкой к затронутым паттернам кода, чтобы знания сами «всплывали» в нужный момент в следующей задаче.
- Поиск похожих реализаций и проверка дубликатов перед записью новой записи в базу знаний.
- Быстрый анализ изменённого файла и более глубокий разбор затронутых сущностей.
- Поиск code smells и architecture smells, контроль layer violations.
- Построение C4-диаграмм и анализ DDD-структуры (bounded contexts, агрегаты).
- Проверка naming conventions — и активная проверка конкретного diff'а на нарушение обязательных правил проекта.
- Связка внешних тикетов (например, Redmine) с кодом и базой знаний — «в каком тикете это делали» и подбор контекста для проверки конкретного тикета.
- Получение отчётов и метрик проекта, инструкция how-to-run для конкретного проекта.
Это тот же самый набор инструментов, что доступен агенту внутри Workspace (см. ниже) — конвенции и знания доставляются агенту одинаково в обоих случаях.
Чат — это не только для разработчиков
- В AI Council есть чат уровня проекта, а не только чат внутри задачи агента. Это тот же протокол MCP, но в виде обычного диалога.
- Права — именно того человека, который спрашивает: продакт, менеджер или аналитик получает доступ не шире своей роли, никакого общего ключа администратора.
- В одном окне: как это реализовано в коде, в каком тикете это чинили, что команда решила по этому поводу — с ответами со ссылками на источники, а не «на глаз».
- Чат работает в безопасном read-only режиме; переписки сохраняются, их можно продолжить и переслать коллеге, а из чата — скачать сформированный файл.
Автономная работа — но с человеком, ментором и знаниями в цикле
MCP — это транспорт, но именно через него работает контрольный протокол платформы.
Human-in-the-loop
Вопросы агента, подтверждение плана и разрешения на действия приходят в UI. Человек остаётся в контуре важных решений.
Агент-ментор
Вторая AI-сессия наблюдает за ходом работы: проверяет план, замечает отклонения, ревьюит итог и возвращает агента к корректному решению.
Проверка через живой интерфейс
Через Playwright MCP агент открывает dev server и проверяет сценарий в браузере, а не ограничивается зелёными unit-тестами.
Полноценная среда для выполнения задач end-to-end
Разработчик подключает GitLab или GitHub, выбирает один или несколько репозиториев проекта, создаёт задачу на нужной ветке — и AI-агент работает рядом с кодом в изолированном окружении. От первого промта до diff, commit, push и MR — без потери проектного контекста.
Project identity через GitLab / GitHub
Проект привязывается к remote forge URL, а не к локальному пути, и может объединять несколько репозиториев сразу. Команда работает с понятной идентичностью каждого репозитория, его веток и merge request'ов.
Task = изолированный git clone
Каждая задача получает отдельный физический git-clone на VM разработчика (не git worktree) — несколько задач работают параллельно без конфликтов друг с другом. В multi-repo проекте — по клону на каждый затронутый репозиторий.
Работа с git-ветками
Задача создаётся на любой существующей ветке (поле предзаполняется текущим HEAD, но свободно редактируется) — или сразу как новая ветка, срезанная от выбранной базовой. Diff задачи фиксируется от commit'а создания и не «плывёт», даже если в ветке уже есть незапушенные коммиты.
AI-агент рядом с кодом
Claude Code, OpenAI Codex или Gemini CLI выбираются per task. Агент видит код и получает контекст из AI Council.
Ключи и доступы
LLM-провайдера разработчик подключает локально на своей VM — платформа не хранит и не видит эти ключи. Безопасный доступ к git: короткоживущий push-токен на конкретный репозиторий выпускается control plane just-in-time под одну операцию, передаётся только через переменные окружения процесса — никогда в URL, argv или на диск — и исчезает вместе с процессом.
Защита веток перед push
Перед push платформа читает правила защиты ветки в GitLab/GitHub — обязательные approve, обязательные проверки, политику force-push — и предупреждает или блокирует небезопасный push. Commit, push и MR/PR — на этой же ветке, из того же интерфейса.
Что разработчик делает в одном интерфейсе
- Создаёт задачу на нужной ветке (существующей или новой) и выбирает backend: Claude Code, Codex или Gemini.
- Общается с AI-агентом в чате и видит поток действий: чтение файлов, вопросы, разрешения, результаты инструментов.
- Смотрит file tree и diff, принимает или отклоняет изменения по файлам и hunks.
- Генерирует commit message, коммитит, пушит ветку и открывает MR в GitLab/GitHub — в multi-repo проекте по каждому затронутому репозиторию.
- Запускает dev server и открывает preview прямо из task workspace.
Всё, чтобы AI-агент работал с большим проектом как участник команды
Граф архитектуры проекта
Объекты кода, зависимости, слои, связи, смеллы, конвенции и знания — в единой модели проекта, с учётом git-веток (см. ниже).
RAG по коду и документации
Релевантные фрагменты кода, документации и знаний, связанные с текущей задачей.
Агент-ментор
Отдельная нейросеть ревьюит план, реализацию и соответствие конвенциям, не дожидаясь конца задачи.
10 слоёв анализа
От структуры проекта и метрик кода до DDD-анализа, architecture smells, ISO 25010 и C4-диаграмм.
API и отчёты
Граф зависимостей, знания, метрики, отчёты и результаты анализа — через API.
База знаний, которая не превращается в свалку
Три механизма держат знания в порядке без ручных правок и контроля — то, на чём обычно ломаются и MD-файлы, и memory-слои.
Куратор знаний следит за порядком сам
База, которую заполняют нейросети и несколько агентов параллельно, со временем захламляется. За ней следит отдельный куратор: каждую ночь сравнивает записи по смыслу — явные дубликаты сливает автоматически, в спорных случаях отдает на рассмотрение пользователю, тестовый мусор без привязки к коду убирает сам. Каждое действие обратимо и видно в журнале куратора в интерфейсе проекта.
Знания живут в графе, а не рядом с кодом
Это не комментарий и не NOTES.md рядом с модулем. Запись знаний — узел графа с явными связями: одно решение привязано сразу к нескольким функциям, классам и даже сервисам — и находится из любого из них. Код изменился — привязку можно перенести на новую сущность, вместо того чтобы знание тихо устарело. Поиск — семантический, по смыслу, а не по точной строке.
Тикеты становятся знаниями
AI Council подключается к вашему тикет-трекеру (например, Redmine) и не просто зеркалирует тикеты: фоновый процесс дистиллирует каждый тикет в полноценную запись знаний с привязкой к затронутому коду. Поиск «где это делали» ищет и по тикетам, и по знаниям вокруг них, а дистиллированные записи попадают под того же куратора — без ручной синхронизации между трекером и базой команды.
Подключается к тому, чем команда уже пользуется
Техническая основа
AI Council построен как сервисная архитектура для анализа, хранения знаний и интеграции с инструментами разработки.
Микросервисная архитектура: 18 backend-сервисов + UI
gRPC между сервисами · database-per-service: у каждого сервиса — своя база
Среди них: forge — git-интеграция с GitLab/GitHub, task-workspace — диапазон изменений задач, agent-gateway — канал к VM разработчиков. Отдельно на VM разработчика работает агентская прослойка (council-agent), которая выполняет git-операции и запускает выбранный AI-инструмент рядом с кодом.
Хранилища, событийная шина и оркестрация
Neo4jГрафовая база: сущности кода, зависимости, смеллы, конвенции, знания — и git-ветки (см. ниже).
QdrantВекторная база для семантического поиска по коду, архитектуре и документации.
PostgreSQLСостояние приложения: своя база на каждый сервис.
RedisКэш: diff задач, RAG, сессии.
NATSСобытийная шина между сервисами.
TemporalОркестратор pipeline анализа и жизненного цикла задач.Ветки — не только в Workspace, но и в базе знаний
AI Council хранит ветку как измерение и для графа кода, и для базы знаний — так же, как это делает сам git. Это отличает его от обычного RAG-по-коду.
- Агент на ветке видит все знания и код, достижимые от неё (свою ветку и предков), но не видит то, что есть только в параллельной ветке — пока её не смержили.
- После merge знания «перетекают» в целевую ветку автоматически, без отдельного шага синхронизации.
- Squash и rebase не теряют привязку знаний — она переносится на итоговый коммит.
- В multi-repo проектах это работает по каждой паре (репозиторий, ветка) отдельно.
- Конвенции при этом остаются общими для всего проекта, независимо от ветки.
Legacy, монолиты, микросервисы, open source платформы, enterprise
AI Council работает с проектами, где есть доступ к исходному коду. Особенно полезен там, где разработка идёт месяцами и годами.
- финтех
- станкостроение и промышленное ПО
- ИТ-разработка и заказная разработка
- внутренние продукты и enterprise
- и многие другие
Сценарии по ролям — единым списком
Проектный чат, тикеты и база знаний работают для всей команды: доступ каждого ограничен его реальной ролью (RBAC).
CTO / ИТ-директор
Скорость, прозрачность, контроль качества и снижение зависимости от отдельных экспертов.
Тимлид / техлид
Архитектурные правила, onboarding, контроль AI-агентов, работа с legacy.
Разработчик
Быстрый вход в проект, релевантный контекст, меньше ручного поиска по коду.
Аналитик
Связка требований, тикетов и кода: «в каком тикете это делали», что решили и где это в коде.
QA-инженер
Контроль полноты реализации, конвенции и качество: смеллы, нарушения слоёв, контекст проверки тикета.
Менеджер / продакт
Проектный чат с правами своей роли: статус, решения и «почему так сделали» — без отвлечения команды.
Техподдержка
Ответы на вопросы пользователей из базы знаний проекта — как в кейсе с ПО для станков.
Технический писатель
Актуальная архитектура из графа: C4-диаграммы, решения и changelog — а не устаревшая вики.
Для руководителей разработки позволяет
- Сократить время, которое команда тратит на восстановление контекста в больших проектах.
- Сделать разработку с нейросетями управляемой: через правила, знания, анализ и ревью.
- Ускорить onboarding новых разработчиков в проекты с долгой историей и большим legacy.
- Снизить риск, что AI-агент нарушит архитектурные договорённости или внесёт изменения не туда.
- Сохранить знания, полученные во время одной задачи, чтобы они работали в следующих.
Скриншоты интерфейса
Кликните по скриншоту, чтобы открыть его в полном размере.
Вопросы, которые обычно задают технические команды
На демонстрации можно подробнее разобрать архитектуру, безопасность, интеграции и пилотный запуск.
Можно ли использовать не только Claude?
Да. AI Council поддерживает Anthropic Claude, OpenAI Codex, Google Gemini. Количество поддерживаемых моделей постоянно расширяется, включая возможность работы с open source решениями.
Какие языки программирования поддерживаются?
Сейчас поддерживаются PHP, Python, TypeScript, Java, Kotlin, C#, C и C++. Список языков активно расширяется.
Нужна ли отдельная лицензия на LLM?
Да, для использования коммерческих моделей потребуется ключ соответствующего провайдера. Также возможен вариант с open source моделями на собственных серверах.
Можно ли установить AI Council на свой сервер?
Да. Возможны два варианта: SaaS-модель и установка на сервер заказчика с лицензионным ключом.
Как AI Council сохраняет знания об архитектуре проекта?
В проекте есть постоянная база знаний и отдельный слой конвенций, привязанные к графу кода и к git-веткам: знания видны по достижимости веток, конвенции едины для всего проекта. Они не удаляются между сессиями, доступны пользователям проекта и могут пополняться через сервис или внешние инструменты через MCP.
Как определяется релевантный контекст?
AI Council связывает объекты базы знаний с частями исходного кода. Когда AI-агент обращается к файлам или сущностям кода, система подгружает связанные знания и правила — с учётом ветки, на которой идёт работа.
Есть ли агентский надзор?
Да. В AI Council есть агент-разработчик и агент-ментор. Ментор ревьюит план, реализацию и соблюдение конвенций в online-режиме, по логике парного программирования.
Можно ли связать задачи с тикетами и требованиями?
Да. AI Council проецирует тикеты из внешних трекеров (например, Redmine) в граф проекта и связывает их с кодом и базой знаний: можно найти, в каком тикете было сделано изменение, или собрать контекст для проверки конкретного тикета.
Можно ли использовать AI Council как наставника для новых разработчиков?
Да. Отдельный чат можно использовать как источник знаний о проекте для разработчиков, поддержки и других участников команды. История диалогов сохраняется, диалогами можно делиться.
Есть ли API?
Да. API позволяет получать данные из AI Council: граф зависимостей, знания, отчёты, метрики и другие результаты анализа.
Разберём архитектуру и безопасность на демонстрации
Триал на 2 месяца без ограничений по пользователям и проектам. Поможем запустить пилот на реальном репозитории.