Atlassian Code Contextは、大規模かつ複数リポジトリにまたがるコードベースの理解を Teamwork Graph に取り込みます。これにより、Rovoやコーディングエージェントは、より少ないトークンでより良いアウトプットを生成できるようになります。
適切なコンテキストがなければ、コーディングエージェントにとっては毎回ゼロから始めることになります。
エージェントは、コードを書き、リファクタリングし、レビューするために必要な知能を備えているかもしれません。しかし、開発者が直面するのと同じ課題に、エージェントもまた直面しています。それは、複雑なシステムが実際にどう動いているのかを理解することです。複数チームに渡る依存関係、オーナーシップの境界、そして下流への影響——こうした、単一のワークスペースだけでは把握しにくい要素を読み解くには、適切なコンテキストが欠かせません。
コードが語るのは、物語の一部にすぎません。それと同じくらい重要なのが、社内のさまざまな場所に散らばる関連シグナルをもとにエージェントが思考を組み立てることです。関連する作業から生まれたアーキテクチャ上の意思決定、プロダクト戦略、そして特定のトレードオフがなぜ選ばれたのかを説明する会話——こうした情報が必要になります。
だからこそ、私たちは Code Context をAtlassian Teamwork Graphに導入します。コードベースの理解と、組織にとって重要なコンテキストを組み合わせることで、Teamwork Graphはエージェントに、コードと業務の両方をまたいで推論するための、セキュアで権限を考慮した手段を提供します。その結果、エージェントはより優れた、より精緻なアウトプットを生み出せるようになります。
利用を開始するには、管理者がアトラシアン組織の設定でオプトインし、コードのインデックス作成を有効にする必要があります。
開発が行われる場所ならどこでも、より良いエージェントのアウトプットを
Code Contextは、あなたのコードベースをTeamwork Graphにインデックス化し、チームやエージェントがすでに働いている場所で利用できるようにします。IDEやターミナル、AIコーディングアプリはもちろん、Jiraやアトラシアンのエコシステムからもアクセスできます。
Code Contextは、キーワード検索とセマンティック検索を組み合わせることで、開発者やエージェントが完全一致の検索を行ったり、自然言語で質問したり、複数のリポジトリにまたがって関連するソースコードを取得したりできるようにします。より広範なTeamwork Graphの一部として、Code Contextはそのコードを周辺の業務とつなぎ合わせ、エージェントが作業を完了するために最も関連性の高い知識に基づいて動けるようにします。
エージェントが誤った場所から作業を始めると、すべてが遅くなりコストも膨らみます。開発者は結局どこを見ればいいのか、なぜそのコードがそういう動きをするのか、そして他のどこに影響が及ぶのかを説明することになります。Code Contextは、そうした情報をすべて最初からエージェントの目の前に用意します。だからこそエージェントは、仕事をやり遂げることに集中できるのです。」
— Mark Walz、SpotOn 最高技術責任者（CTO）
社内ベンチマークでは、Teamwork Graphで強化されたエージェントは、未使用時と比べて精度44%向上・トークン48%削減を達成しました。
AIコーディングエージェントに、より優れたソースコードのコンテキストを
Code Contextは、Teamwork Graph CLIを通じて利用できます。Cursor、Claude Code、Codexといったコーディングエージェントは、これを使うことで、アクションを起こす前に必要な関連コンテキストを効率的に取得できます。
より広いコンテキストがなければ、コーディングエージェントはローカルのワークスペースの中に閉じ込められてしまいます。他の場所に存在する実装の詳細、依存関係、利用パターンなどを見落とし、一見もっともらしい変更を通じてリスクを持ち込んでしまうおそれがあります。
Code Contextを有効にすると、同じエージェントが、接続された複数のリポジトリをまたいで検索し、関連するコードを取得できるようになります。さらに、Jiraの作業項目、Confluenceのページ、Loomの動画、そしてSlackやGoogleドライブなど50以上のコネクタを介したサードパーティのソースといった、追加のシグナルも活用できます。
以下の比較では、どちらのエージェントも起こりうる技術的な問題を理解しています。しかし、Code Contextを使っているエージェントは、その仮説を検証済みのシステム診断へと発展させます。ローカルでは利用できない関連リポジトリの中から問題を特定し、過去の意思決定をふまえて、変更を加えるべきはその関連リポジトリであって、開発者のマシン上にあるリポジトリではないと判断するのです。
ワンポイントアドバイス
Teamwork Graphを実際に試して、ご自身で並列ベンチマークを実行してみましょう。
詳しくはこちら。
あなたのコードベースについてRovoに尋ねる
Code Contextは、Rovoチャットのスキルとしても利用できます。複数のリポジトリを行き来したり、暗黙知に頼ったりする代わりに、開発者はRovoにシステムのしくみについて質問し、接続されたソースコードや組織全体の追加シグナルに基づいた答えを得られます。
-
問題を調査している開発者は、ある挙動がどこで実装されているかを尋ねられます。
-
変更を計画しているテックリードは、どのサービスが共有APIに依存しているかを尋ねられます。
-
新しい領域に慣れようとしているチームメンバーは、ある機能がどのように評価・設定・テストされているかを尋ねられます。
説明責任とガバナンスは、開発者の手に
コード変更には、依然として責任者が必要です。たとえエージェントが修正を提案したとしても、その変更を理解し、下流への影響をレビューし、何をリリースするかを判断する説明責任は、開発者にあります。
Code Contextは、セキュアなソースコードへのアクセスによって、そのリスクの軽減を支援します。インデックス作成が始まる前に管理者がオプトインし有効化された後は、ユーザーまたは認可されたエージェントが閲覧を許可されている範囲に結果が限定されます。目指しているのは、エージェントに無制限のアクセスを与えることではありません。開発者が主導権を握り続けられる、セキュアで統制の効いたシステムを通じて、適切なアクセスを与えることです。
ワンポイントアドバイス
Code Contextを活用して、以下のようなユースケースで開発者体験を向上させてみましょう。
-
オンボーディングの高速化：慣れていないサービス、パターン、依存関係について質問できます。
-
リポジトリをまたいたデバッグ：ある挙動がどこで実装され、呼び出され、設定されているかを見つけられます。
-
より確かなコンテキストで変更を計画：コードを編集する前に、下流への影響を把握できます。
-
AIコーディングのワークフローを改善：エージェントがコードを生成・リファクタリング・レビューする前に、関連するソースのコンテキストを渡せます。
-
チームをまたいだ作業を支援：エンジニアが、自分の担当ではないシステムを、暗黙知を追いかけ回すことなく理解できるよう手助けします。
Code Contextを使い始めましょう
Code Context（旧称「Code Intelligence」）は、現在アーリーアクセスとして提供されており、オープンベータを通じて順次お客様に展開されています。組織管理者は、アトラシアンの管理の「Rovo設定」から、自組織でCode Contextをオプトインできるかどうかを確認できます。
Code Contextは、BitbucketとGitHubのリポジトリに対応しています。既存のSCM（ソースコード管理）権限を尊重するため、ユーザーやエージェントは、すでにアクセス権を持っているコードのみを取得します。有効化する前に、管理者はSCMの設定を確認し、ドキュメントに記載されているセキュリティ上の考慮事項を確認してください。Code Contextについて詳しく知り、あなたのサイトにセットアップしましょう。
あらゆるエージェント。あらゆるモデル。ひとつのチームへ。→ AIネイティブなSDLCをjira.devで見つけてください。