TL; DR
Agenten SDLC er ikke en ny livscyklus. Det er din livscyklus, hvor mennesket er fjernet fra midten af hver fase. Agenter udarbejder planen, skriver ændringen, genererer testene, gennemgår diff'en, sender alarmen bag et flag og prioriterer alarmen. Ingeniørerne fastsætter intentionen og ejer udformningen.cisioner. Faserne overlever. Det, der ændrer sig, er, hvem der udfører arbejdet indeni dem.
Alle dine kontroller er designet omkring et menneske. Kodegennemgang antog en anden person. Mindst privilegium antog en medarbejder med en identitet. Proveniens antog en forfatter. Revisionssporet antog et navn i en commitAgenter opfylder ingen af disse antagelser, og intet bryder højlydt, når de holder op med at holde. pipeline forbliver grøn.
Hastighed gør kløften strukturel, ikke lejlighedsvis. Uafhængig forskning i AI-kodningsassistenter anslår, at omkring 40 % af genereret kode indeholder en sikkerhedssårbarhed, og volumen stiger langt hurtigere end gennemgangskapaciteten. Tilføj agenter, der installerer deres egne afhængigheder og læser konfigurationer, som ingen gennemgår, og en gate i slutningen af pipeline er en port på den forkerte side af skaden.
Hvad gør en agent SDLC styrbar: en oversigt over de agenter og MCP-servere, der rent faktisk kører, en afgrænset værktøjsoverflade pr. agent, konfiguration gennemgået som kode, kontroller på maskinen ved installation, signeret proveniens for det, der sendes, og et spor, der overlever hændelsen. Xygeni AI-sikkerhed, DevAI og Build Integrity dækker disse seks på tværs af kode, pipeline og slutpunkt.
Hvad er Agentic SDLC?
Agenten SDLC er en softwareudviklingslivscyklus, hvor AI-agenter udfører et betydeligt arbejde i hver fase, fra planlægning til drift, og forfølgelse af mål på tværs af mange trin ved hjælp af værktøjer, mens ingeniører sætter intentioner, gennemgår resultater og ejer den irreversible udvikling.cisioner. Den bevarer de velkendte faser og erstatter aktøren indeni dem.
Hvad er agentisk SDLC, tilcisEly?
Tre ting adskiller det fra AI-assisteret udvikling, og sondringen er ikke akademisk.
- Hvem kører. Er der nogen, der spørger, hvilket agent SDLC Det starter normalt her. Med en assistent skriver en person, og modellen foreslår. I agenten SDLC, en person angiver et resultat, og agenten bestemmer trinnene. Midten af arbejdet, som plejede at være jobbet, bevæger sig.
- Hvad den berører. En assistent producerer tekst i en editor. En agent læser arkiver, redigerer filer, installerer pakker, kalder interne API'er, kører pipelines, og åbner pull requestsved hjælp af værktøjer, den fik, og legitimationsoplysninger, den arvede.
- Hvor mange? Én agent på én bærbar computer er en produktivitetshistorie. Snesevis af agenter, der agerer på tværs af delte systemer, flere pr. tekniker, er en organisatorisk historie. Det er her, svaret på, hvad agentisme er, findes. SDLC holder op med at være en definition og bliver et styringsproblem.
De fleste hold befinder sig i dag mellem den anden og tredje tilstand: agenter er virkelige, de opererer lokalt, og ingen har ændret omfanget af en eneste kontrol, siden de ankom.
Hvordan AI-agenter omformer hver fase
Faserne varer ved. Aktøren ændrer sig, og med den den kontrol, som fasen afhang af.
Agenten SDLC, fase for fase
Læs den tredje kolonne. Det er den del, som ingen undersøgte på ny, da agenterne ankom.
| Fase | Hvad agenten gør nu | Den kontrol, der antog et menneske |
|---|---|---|
| Plan | Læser sagen, henter relaterede tjenester og historik, udarbejder specifikationen og tilgangen. | Gennemgang af krav. Ingen tjekker, om specifikationen har optaget instruktionerne fra selve ticketen. |
| Kode | Redigerer flere filer, løser og installerer afhængigheder, refaktorerer tilstødende kode. | Godkendt bibliotekspolitik. Den antog, at en person valgte pakken, og at installationsscripts kørtes før nogen pipeline eksisterer. |
| Anmeldelse | Kommentarer til diff, flag standards, anmelder sommetider en anden agents arbejde. | Fire øjne. To agenter og ét gummistempel er ikke en second opinion, og mængden gør stempler uundgåelige. |
| Test | Genererer tests, kører dem, læser fejl og retter sit eget output indtil grøn. | Beståelsespakken som bevis. En agent kan få en test til at bestå ved at svække testen. |
| Byg | Udløser pipelines, redigerer workflowfiler, opdaterer buildkonfiguration. | Proveniens. Attesteringer registrerer, hvad der blev bygget, og af hvem, og "hvem" er nu et tegn lånt fra en bygherre. |
| Implementer | Skibe bag et flag, holder øje med signaler, ramper eller ruller tilbage af sig selv. | Godkendelse af ændringer. En navngiven godkender bliver en servicekonto, og kill switchen skal have en ejer, der er aktiv. |
| operere | Triagerer advarsler, korrelerer implementeringer, foreslår og anvender sommetider rettelsen. | Revisionssporet. Efter hændelsen er spørgsmålet, hvilken agent der gjorde dette, på hvis legitimationsoplysninger, og sessionen er normalt væk. |
De fire antagelser, der stille og roligt holder op med at holde
Læs tabellen igen, og de samme fire fejl gentages, uanset fasen. Dette er den del af, hvad der er agentisk. SDLC som ingen produktivitetsdiagram viser.
- Identitet. Næsten ingen tildeler en identitet til en agent. Den kører med udviklerens tokens, nøgler og cloud-session, så hver adgangsgennemgang beskriver et menneske, der ikke var aktøren, og færrest privilegier bliver en fiktion i det øjeblik, en agent arver et bredt token.
- Uafhængig gennemgang. Gennemgangen fungerede, fordi anmelderen ikke havde skrevet koden. Når én agent skriver, og en anden kontrollerer, og en person godkender på maskinniveau, er den uafhængighed, der gjorde kontrollen værdifuld, væk, selvom processen stadig kører.
- Proveniens. Forsyningskædens integritet hviler på at vide, hvad der blev bygget, af hvad, og af hvem. Agentaktivitet slører den sidste del. Attesteringer signerer stadig artefakten, men forfatterfeltet betyder ikke længere, hvad din politik antog, det betød.
- Sporbarhed. Den kontrol, der betyder mest, når noget går galt, er den, der konfigureres mindst ofte. Agentsessioner, værktøjskald og konfigurationstilstanden på det tidspunkt bevares sjældent, så efterforskningen starter med rekonstruktion i stedet for beviser.
Ingen af disse udløser en alarm. Det er det, der gør dem farlige: agenten SDLC fejler ikke højlydt; den nedbrydes stille og roligt, mens hver dashboard forbliver grøn.
Den går i stykker på den bærbare computer, ikke i produktion
Ikke i produktion. På den bærbare computer. De mest risikable øjeblikke i agenturet SDLC ske før nogen pipeline kører: agenten læser en regelfil, som ingen har gennemgået, løser et pakkenavn, som en model har opfundet, og en angriber har registreret, opretter forbindelse til en MCP-server, der eksponerer værktøjer, som ingen har revideret, og udfører et installationsscript, hvor udviklerens legitimationsoplysninger allerede er indlæst. Brancheundersøgelser placerer cirka 86 % af MCP-servere på udviklermaskiner i stedet for i produktion, hvilket er præcishvor dine produktionskontroller ikke kan se.
En CI-gate er stadig værd at have. Den er simpelthen på den forkerte side af de første tre ting, der sker.
Hvad gør en agent SDLC regerbar
Seks kontroller, der overlever kontakt med agenter
Hver enkelt erstatter en antagelse, som agenten SDLC går i stykker. Ingen af dem kræver, at agenterne bliver langsommere.
- En opgørelse over agenter, ikke en undersøgelse af ingeniører Opdag de agenter, assistenter og MCP-servere, der rent faktisk kører, ud fra kode, afhængigheder og de konfigurationsfiler, som værktøjerne efterlader. Spørg fem ingeniører, og du får fem ufuldstændige svar, fordi disse værktøjer installeres lokalt og ændres ugentligt.
- En scoped værktøjsoverflade pr. agent En agents eksplosionsradius er summen af dens værktøjskald, ikke kvaliteten af dens prompt. Skriv ned, hvad hver agent kan nå, hold irreversible handlinger bag et menneske, og behandl en bred, arvet token som det fund, den er.
- Konfiguration under gennemgang, f.eks. kode Prompts, regelfiler, færdighedsfiler og MCP-definitioner bestemmer, hvad agenten gør, og ingen konventionel scanner læser dem. De har brug for ejere, diffs og kontroller for skjulte tegn, indlejrede legitimationsoplysninger og instruktioner, der udvider adgangen.
- Håndhævelse på installationstidspunktet, på maskinen Pakker bliver kontrolleret, før de skrives til disken, og før installationsscripts udføres, hvor agenten rent faktisk løser dem. pipeline Gate-en udløses efter at den bærbare computer allerede har kørt koden, hvilket er den forkerte side af hændelsen.
- Oprindelse for hvilke skibe Underskrevne attester, der knytter artefakter til kilden, byggeriet og pipeline der producerede dem, holder integritetskrav meningsfulde, når forfatteren af en ændring er en agent snarere end en person.
- Et spor, der overlever hændelsen Unormal aktivitet på tværs pipelines og slutpunkter, knyttet tilbage til maskinen og den identitet, den kom fra, er det, der gør postmortem-spørgsmålet om, hvilken agent der gjorde dette, til et svar snarere end et arkæologisk projekt.
Lukning af de fire huller
Xygeni AI-sikkerhed opdager AI'en i din SDLC, inklusive modeller, agenter, agentservere, MCP-servere, datasæt, færdighedsfiler, prompts og guardrails ingen deklarerede, læser applikationskode, deklarerede afhængigheder og de konfigurationsfiler, som AI-værktøjer efterlader, og kortlægger derefter, hvordan de forbinder. Den registrerer de risici, der er specifikke for agentarbejde: prompt injektion og systempromptlækage, ondsindede instruktioner og værktøjsinjektion i regler og færdighedsfiler, usikker MCP-konfiguration, overdreven agentur og manglende guardrails, hemmeligheder i AI-filer og sårbare eller slopsquatted AI-afhængighederResultaterne knyttes til OWASP Top 10 for LLM-applikationer og peger på den nøjagtige fil og linje, og prioriteringstragten indsnævrer tusindvis af resultater til dem, der er i brug, tilgængelige, udnyttelige, privilegerede og forretningskritiske.
DevAI fungerer der, hvor agenten arbejder: sikrer kode, som den er skrevet, dækker både AI-genereret og menneskeskrevet kode og opfanger, hvad andre agenter er ved at gøre, før de gør det. Build Integrity lukker provenienskløften med SLSA og intoto attesteringer på tværs af pipeline, CI/CD Sikkerhed overvåger arbejdsgangene og de løbere, som agenter nu redigerer, og Anomaly Detection knytter mistænkelige hændelser tilbage til det slutpunkt, de kom fra, i en enkelt tidslinje.
Alt dette gælder for fund indtaget fra de scannere, du allerede ejer, så udvidelse af dit program til agenterne SDLC betyder ikke at erstatte den stak, du byggede, med den sidste.
Ofte stillede spørgsmål
Hvad er agentisk SDLC i én sætning? En softwarelivscyklus, hvor AI-agenter udfører et betydeligt stykke arbejde i hver fase, mens ingeniører sætter intentioner, gennemgår resultater og ejer den uoprettelige decisioner.
Er agenten SDLC forskellig fra AI-assisteret udvikling? Ja, og forskellen er, hvem der kører. En assistent foreslår, mens en person arbejder. En agent arbejder, mens en person bestemmer.
Hvilken fase ændrer sig mest? Anmeldelse. De andre faser bliver hurtigere; anmeldelsen mister den egenskab, der gjorde den til en kontrol, som er uafhængighed mellem forfatter og anmelder.
Har vi brug for nye værktøjer til agenturet? SDLC? Du har brug for at få dækket ting, som eksisterende værktøjer ikke kan læse: agent- og MCP-inventar, konfigurationslaget, installationstidspunktets adfærd på endpoint. Resten af din stak gælder stadig for den resulterende kode.
Gør agenten SDLC bryde overholdelsen? Det bryder beviserne, ikke forpligtelsen. Revisorer spørger, hvem der har godkendt, hvem der har forfattet, og hvad der er ændret, og disse svar bliver sværere, når aktøren er en agent med en lånt identitet og ingen bevarede spor.
Hvor skal et sikkerhedsteam starte? Inventar, derefter værktøjsoverfladen på det middel med den største rækkevidde. Det mest risikable middel er sjældent det, nogen var bekymrede for.
Livscyklussen ændrede sig ikke. Skuespilleren gjorde det.
Det ærlige svar på, hvad agentur er SDLC er, at hver fase stadig eksisterer, og det meste af din proces stadig passer. Det, der ikke længere passer, er antagelsen under hver kontrol: at der et sted i løkken var en person med et navn, en identitet, en second opinion og en erindring om, hvad de gjorde.
Teams, der håndterer dette godt, kan besvare tre spørgsmål på en given dag: hvilke agenter der kører, hvad hver enkelt kan nå, og hvad der er ændret i de filer, der styrer dem. Se, hvad dine agenter er forbundet til på Xygeni.
