Visual Studio Copilot'a düşünme çabası ayarı geldi, Apple eylemci sınamalarını otomatik üretiyor
GitHub'ın ağustos güncellemesiyle kuruluşlar özel Copilot eylemcilerini Visual Studio'ya otomatik tanıtabiliyor; geliştirici modelin düşünme çabasını düşük, orta ve yüksek olarak seçebiliyor. Apple araştırmacıları Model Context Protocol tanımlarından eylemci sınamalarını üreten Agent Seer'ı tanıttı; parametre şemasının karmaşıklığının araç kümesi büyüklüğünden daha belirleyici olduğunu bildirdi. İki şirket de yazılım eylemcilerinin geliştirme ve sınamasını kolaylaştırıyor.
Yapay Zekâ··Sabah
Kuruluş genelinde özel eylemciler Visual Studio'da açılıyor
GitHub'ın ağustos güncellemesiyle kuruluşlar, depolar arasında yayımladıkları özel Copilot eylemcilerini Visual Studio'ya otomatik olarak tanıtabiliyor. Geliştirici, modelin düşünme çabasını düşük, orta ve yüksek olarak seçip akıl yürütme derinliğiyle belirteç tüketimi arasında denge kurabiliyor. Güncelleme ayrıca kullanım ayrıntısını ve plan bilgisini bağlam penceresine taşıyor ve sınıra yaklaşıldığında uyarıyor. Model listesinde sık kullanılanlar sabitlenebiliyor, kullanılmayanlar katlanabiliyor; model yetenekleri, bağlam penceresi boyutu ve gider bilgisi aynı yerde görünüyor.[1]
Git eylemcisi birleştirme isteğinden önce inceleme yapıyor
Git eylemcisi, birleştirme isteği açılmadan önce işlenmemiş değişiklikleri ve işlemeleri gözden geçirip bulgularını düzenleyicide satır içinde gösteriyor. Özellikler Free, Student, Pro, Pro+, Max, Business ve Enterprise planlarının tamamında açık. Bu güncelleme, daha önce kuruluş çapında özel eylemcilerin depolara tanıtılması yönündeki adımın üzerine geliyor; geliştirici artık hem eylemciyi paylaşabiliyor hem de kod göndermeden önce otomatik inceleme alabiliyor.[1]
Apple MCP tanımlarından sınamalar üretiyor
Apple araştırmacıları, araç kullanan eylemciler için sınama senaryolarını elle yazmak yerine Model Context Protocol tanımlarından üreten Agent Seer'ı anlattı. Sistem işlev adlarını, açıklamaları ve parametre şemalarını zenginleştiriyor, sentetik çıktılarla derecelendirilmiş senaryolar üretiyor ve bunları çok turlu diyaloglara çeviriyor. 7 ayrı MCP tanımı üzerinde denenen hat, küçük ve orta ölçekli tanımlarda araçların tamamını kapsadı. Ekibe göre kaliteyi en çok parametre şemasının karmaşıklığı belirliyor, araç kümesinin büyüklüğü ikinci sırada kalıyor. Kusurlu senaryolarda başlıca hata türü argüman değerlerinin yanlış seçilmesi.[2]
