9月11日、DevOps.comのMike Vizardが「Atlassian Aims to Fill Context and Governance Gap for AI Coding Agents」と題した記事を公開した。AtlassianがJiraおよびConfluenceにAIコーディングエージェント向けのコンテキスト提供機能とガバナンス機能を追加した取り組みについて詳しく紹介されている。

AIエージェントが「何をしていいか」を知らない問題

AIコーディングツールの採用は進んでいるが、AtlassianのDevAI組織エンジニアリング責任者であるMing Wu氏によれば、多くのDevOpsチームはSDLC（ソフトウェア開発ライフサイクル）全体でAIを本格活用できていないのが実態だという。SDLCとは、要件定義・設計・実装・テスト・リリース・運用までを包括する開発プロセス全体を指す概念であり、AIエージェントをどのフェーズに組み込むかが近年の主要な設計課題となっている。

その根本的な原因は「コンテキスト不足」にある。AIエージェントに渡される情報が不十分で、タスクを完遂するには灰色地帯が多すぎる状態だ。コードベースの規模が大きくなるほど、エージェントが自力で文脈を把握するコスト——すなわちトークン消費量——も膨らむ。

この問題に対し、Atlassianが打ち出したのが2つの新機能——Code ContextとAgent Context Controlsである。

Code Context：アーキテクチャ評価をコード生成前に

Code Contextは、AtlassianのTeamwork Graphを利用し、AIコーディングエージェントがより信頼性の高いコードを生成できるよう支援する。Teamwork Graphとは、Jira・Confluence・その他Atlassianツール上のチーム作業データを相互に関連付けてグラフ構造で管理する内部基盤で、プロジェクト・ページ・コード・チームメンバーの関係性を横断的に参照できる点が特徴だ。

具体的には、コードを1行も書く前に、アイデアをアーキテクチャ上の実現可能性の観点から評価できるようになる。「書いてみたら既存の設計と根本的に相容れなかった」という後戻りコストを減らすのが狙いだ。

また、Jiraのプラットフォームには、未割り当てで明確に定義された作業アイテムを継続的にスキャンし、自動的にJira Coding Agentへ委譲する機能も追加される。Jira Coding AgentはAtlassianが提供するAIエージェントで、Jiraチケットの内容を解釈してコードを生成・プルリクエストを作成するまでを自律的に行う。委譲されたエージェントはプルリクエストを作成し、人間のレビューに回す流れだ。

さらにAI Review機能として、すべてのプルリクエストに専用エージェントが付き、チームがリポジトリにマッピングしたコーディング標準に照らして自動チェックを行う。エージェントと人間の開発者の両方に一貫した品質ガードレールを適用できる。

Agent Context Controls：「どのエージェントに何を見せるか」を制御する

Agent Context Controlsは、DevSecOpsチームがワークスペース内でどのエージェントを動かせるか、またそのエージェントがアクセスできる情報の範囲を細かく制御する機能だ。

複数のAIエージェントが同一のコードベースやプロジェクト管理ツールを参照する環境では、アクセス制御の粒度が重要になる。この機能はその管理レイヤーを提供する。

ただし、Futurum GroupのVP兼ソフトウェアライフサイクルエンジニアリング担当プラクティスリードであるMitch Ashley氏は課題も指摘している。

「コンテキストとコントロールが1ベンダーのグラフにスコープされたとき、他の3社のベンダーのエージェントが同じリポジトリを触っても機能するのかが問われる」

つまり、Atlassianのエコシステム内では機能しても、マルチベンダー環境での相互運用性は未知数だという指摘だ。この課題は業界全体でも未解決の論点であり、たとえばModel Context Protocol（MCP）のようなオープン標準によるエージェント間の文脈共有が模索されているが、プロジェクト管理・ガバナンス層での標準化はまだ発展途上にある。Atlassianのアプローチが自社エコシステムの強化として評価される一方で、GitHub Copilot・Amazon Q Developer・Google Gemini Code AssistなどのAIコーディングツールを並行利用するチームにとっては、ガバナンスの分断が新たな運用コストになり得る点には注意が必要だ。

トークン効率という実務上の論点

記事が強調するもう一つのポイントは、トークン消費の効率化だ。AIエージェントがコードベースを自力で探索するには大量のトークンを消費するが、JiraやConfluenceのようなプラットフォームがコンテキストを事前に整理・提供することで、その消費を大幅に削減できるという考え方だ。

AIモデルの能力と、エージェントに接続されたツール群のバランスをどう取るかが、今後のDevSecOpsチームの設計課題になる。

開発者の役割が変わる

Wu氏は、「既存のボトルネックだらけのワークフローにAIエージェントを追加するのではなく、エージェントAI時代に向けてワークフロー自体を再設計すべきだ」と述べている。

この発言が示唆するのは、単なるツール導入の話ではない。開発者の役割そのものが、個別タスクの実行者からAIエージェントが担うタスクを管理・監督するオーケストレーターへと移行しつつあるという認識だ。タスクの委譲・品質レビュー・ガバナンス設計——これらが人間の開発者に求められる中心的なスキルになるとすれば、JiraやConfluenceといったプロジェクト管理基盤の重要性は従来以上に高まる。Atlassianの今回の取り組みは、その文脈で捉えると単なる機能追加を超えた戦略的なポジショニングといえる。

詳細はAtlassian Aims to Fill Context and Governance Gap for AI Coding Agentsを参照していただきたい。