GitLab Orbit вышел в общий доступ для клиентов Premium и Ultimate на GitLab.com. Он связывает код, задачи, изменения и проверки, чтобы ИИ-агент мог запрашивать контекст проекта в одном месте.
Orbit собирает связанные сведения о проекте: код, задачи, предложенные изменения, запуски проверок, уязвимости и ответственных. Агент может спросить об этих связях, вместо того чтобы искать ответ только в открытых файлах.
GitLab объявила общую доступность Orbit 29 октября. По описанию компании, граф учитывает действующие группы, роли и права. Он помогает получить контекст, но качество конкретного решения всё равно нужно проверять.
Представьте вопрос: что затронет изменение общего компонента? Для ответа важны не только строки кода, но и использующие его проекты, проверки и владельцы. Такую постановку задачи можно взять для своего первого испытания.
Агенты платформы GitLab Duo работают с Orbit напрямую. Внешние совместимые помощники могут подключиться через MCP или GitLab CLI; собственные инструменты — через REST. Сотрудникам доступен Data Explorer для запросов к тому же графу.
MCP — общий способ дать ИИ доступ к инструментам и данным. Как устроено такое подключение, объясняем в отдельном разборе MCP. Наличие соединения не подтверждает, что агент выбрал правильные сведения для ответа.
Наш учебный сценарий: спросить, почему падает проверка общего компонента, и сопоставить найденный запуск с журналом ошибки. До ответа «можно выпускать» полезно отдельно убедиться, что проверена нужная версия проекта.
Один пакет стоит $30 в GitLab Credits на пользователя в месяц и добавляет 1 000 запросов в общий запас организации. Сверх пакета действует расчёт 33 запроса за один GitLab Credit, около $0,03 за запрос. Запросы сотрудников и агентов используют один запас.
Это отдельное условие Orbit. Для доступа нужен Premium или Ultimate. На старте работает GitLab.com; Self-Managed и GitLab Dedicated обещаны в ближайшие недели. Пробный доступ на 30 дней оформляется через команду продаж.
Нет. GitLab сообщает о сокращении повторных попыток до 45 раз и расхода токенов до 4,5 раза в своих испытаниях на тех же задачах с той же моделью. Это результаты поставщика в заданных условиях.
Для своей команды предлагаем сравнить одинаковые задачи с подключением и без него: правильность ответа, число обращений к графу, время проверки и полный расход. Наш разбор поиска ошибки с ИИ показывает, почему убедительное объяснение важно довести до воспроизведения причины.
