Аддитивный редактор FIS Platform
LLM умеет быстро программировать. Банковская система требует больше.
Вайбкодинг эффективно демонстрирует возможности модели на локальной задаче — функции, алгоритме или фрагменте кода. Enterprise-разработка требует контекста всего приложения и правил среды, в которой оно работает.
Локальная задача
MCP
ENTERPRISE-ПРИЛОЖЕНИЕ
модель данных · бизнес-функции · REST/API · роли и права · процессы · интеграции · проверки
Платформенный интерфейс превращает возможности LLM в управляемые операции над объектами приложения.
MCP передаёт модели структуру приложения, доступные операции и обратную связь по выполнению.
Контекст приложения
Агент получает релевантную информацию об объектах и связях.
Допустимые операции
аботает через предусмотренные платформой действия.
Ошибки и результат
Получает обратную связь после выполнения операции.
Журнал действий
Последовательность изменений остаётся наблюдаемой.
Результат остаётся объектами FIS Platform — их можно открыть, доработать, проверить и передать на ревью.
Постановка задачи
Описание целевого изменения обычным языком.
Контекст проекта
Агенту доступны требования, документация и состояние системы.
Аддитивный редактор
ИИ-агент настраивает приложение на FIS Platform через MCP-сервер.
Сквозная настройка
Все элементы приложений: модель данных, API, процессы, функции, UI.
Проверка
Валидация результата разработчиком
с помощью ИИ-агента
Объектная модель
- модули и пакеты;
- типы данных;
- атрибуты и связи;
- индексы и поиск.
Прикладная логика
- пользовательские функции;
- правила;
- процессы;
- тестовые данные.
Интеграционный слой
- REST-интерфейсы;
- проверочные вызовы;
- mock-сервисы;
- сценарии валидации.
Агент работает с платформенной моделью, где уже существуют правила, типизация, связи и валидация.
Создавайте и дорабатывайте все необходимые элементы системы.
Аддитивный редактор не привязан к одной LLM. Меняется модель или инфраструктура — MCP-интерфейс FIS Platform остаётся тем же.
Внешний модельный контур
Для сценариев, где допустимо использование внешних моделей и требуется максимальное качество агентной разработки.
Локальный контур
Модель может работать в инфраструктуре банка с учётом требований ИБ и принятой политики использования AI.
Разработчик
- управляет архитектурой;
- декомпозирует требования;
- задает критерии приёмки;
- контролирует ревью и выпуск.
ИИ-агент
- получает атомарную задачу;
- изменяет объекты;
- обрабатывает ошибки;
- формирует готовый результат.
Человек управляет архитектурой и приёмкой. Агент самостоятельно выполняет локальную реализацию между контрольными точками.
Пока команда совещается, планирует и проектирует, агент продолжает работу по ранее поставленным задачам.
Платформенный контекст через MCP
Не требуется каждый раз заново передавать модели полное устройство приложения.
Машинное исполнение
Часть ручной настройки и типовых изменений выполняет агент.
Асинхронная работа
Команда и агент могут выполнять работу параллельно.
Фокус эксперта
Время специалиста смещается от механической реализации к архитектуре, качеству и приёмке.
Агент получает контекст платформы, выполняет формализуемую часть реализации и продолжает работу асинхронно, тогда как специалисты концентрируются на архитектуре, требованиях, качестве и выпуске.
Получите презентацию с архитектурой аддитивного редактора, сценариями применения и возможностями интеграции в ИТ-контур банка.
Платформа передаёт агенту контекст функций, данных, процессов и текущего состояния приложения — его можно использовать для подготовки и выполнения всех видов тестирования .
Тест-кейсы
На входе — требования и проектный контекст.
Агент выделяет проверки и трассировку.
Специалист оценивает полноту покрытия
Проверка функций и API
Агент получает контекст функции, API и модели данных, выполняет вызов и сравнивает результат.
Платформенная валидация.
UI / e2e
Используются объекты, формы, процессы и состояние экземпляров приложения.
Агент получает информацию о состоянии и результате выполнения сценария.