Угорський інженер і автор блогу The Pragmatic Engineer Ґерґей Орош на конференції Craft у Будапешті показав внутрішню «кухню» компаній на кшталт Uber, Stripe, Shopify й Airbnb. За останні місяці вони зібрали навколо AI не просто пару плагінів до IDE, а повноцінні внутрішні платформи: MCP‑шлюзи, агент‑студії, власні CLI та системи фонового запуску агентів. На цьому тлі стандартний «підключили Copilot і пішли далі» раптом виглядає як вчорашній день.
Uber як зразок нового AI‑дев‑стеку
Uber, де працює близько 3 тисяч інженерів і ще близько 20 тисяч співробітників по бізнесу, за кілька років перетворив звичайну платформу розробки на AI‑центричну інфраструктуру. Окремий департамент developer experience фактично став AI‑experience‑командою приблизно з двох десятків людей, яка будувала інструменти вже не для окремих девів, а для всієї організації.
Ключовою деталлю тут є внутрішній MCP‑шлюз. Uber побудував власний gateway поверх протоколу Model Context Protocol: через нього реєструються й виявляються інструменти, з якими можуть працювати агенти. Це не «ще одна інтеграція з LLM», а шар, через який уніфіковано підключаються сервіси компанії до агентів.
Поверх цього з’явився Uber Agent Builder — внутрішній конструктор агентів без коду, орієнтований на бізнес‑користувачів. Для інженерів, які будують ці можливості, це спосіб масштабувати себе на десятки тисяч колег: агенти створюють не тільки деви, а й, наприклад, операційні чи аналітичні команди.
Наступний рівень — Uber Agent Studio. Це вже середовище, де агенти можна «збирати» drag‑and‑drop‑режимом, комбінуючи кроки та інструменти, не заглиблюючись у код. У компанії діє реєстр таких агентів, і саме він виводить цю систему за межі інженерного департаменту: близько 20 тисяч співробітників Uber користуються цими конструкторами та студією, створюючи власні сценарії для бізнесу.
Тобто внутрішній AI‑стек виглядає як повноцінна платформа: MCP‑шлюз, но‑код‑builder, студія, реєстр, інтеграція з усіма внутрішніми системами. Це вже не «інструмент для девів», а компанійний рантайм для агентів.
CLI як «хмарний код» Uber
Окремий елемент цього стека — Uber AI FX CLI. Це інтерфейс командного рядка, який Орош порівнює з «cloud code для Uber». Від звичайного CLI його відрізняє те, що він одразу «зашитий» у внутрішню інфраструктуру: інтегрований із монорепозиторієм, сервісами, модельними endpoint’ами, експериментальними платформами.
Через цей CLI інженери працюють із різними моделями, не думаючи про деталі кожного провайдера: вибір, маршрутизація, налаштування вже інкапсульовані всередині. Замість того, щоб кидати запити напряму у зовнішні API, деви використовують одну консольну оболонку, з якою узгоджені всі внутрішні процеси й політики.
Таким чином, CLI стає не просто інструментом, а єдиною «воротами» до AI‑функцій у кодовій базі Uber — ще одним шаром, який стандартизує роботу з агентами по всій компанії.
Uber Minion: фонова армія агентів
Показовий елемент цієї архітектури — Uber Minion. Це система для запуску фонового виконання агентів у масштабі всієї компанії. На відміну від класичного «запустив агента в IDE», Minion вбудований в основні інфраструктурні системи Uber: монорепозиторій і платформу експериментів Morphus.
Завдяки такій інтеграції Minion може робити те, чого не дають загальні інструменти: працювати з реальними сервісами, розуміти структуру репозиторію, підлаштовуватись під експерименти й фічфлаги. Devs можуть користуватися сторонніми агентами на кшталт хмарних код‑асистентів, але на практиці часто обирають Minion саме тому, що він краще «вписаний» у середовище Uber і працює швидше й дешевше.
Система не обмежується простим запуском задач. Вона аналізує промпти й підказує, як їх переписати так, щоб агент відпрацював ефективніше: швидше, з меншим споживанням ресурсів і кращою якістю результату. Ці «мета‑підказки» — ще один шар інтелекту, який персональні інструменти зазвичай не дають.
У підсумку Minion виглядає як еталон того, якими можуть стати корпоративні рантайми агентів: тісно зв’язані з кодовою базою, експериментальними системами, політиками, спостережуваністю.
Коли AI‑код‑рев’ю стає шумом: Uber Code Inbox
Ще один симптом масштабного впровадження агентів — перевантаження розробників AI‑код‑рев’ю. У Uber автоматичні рев’ю стали настільки масовими, що компанії довелося будувати Uber Code Inbox — власну «вхідну скриньку» для AI‑коментарів до змін у коді.
Ідея проста: якщо більшість рев’ю роблять агенти, девелопери ризикують потонути в нотифікаціях і втратити критичні сигнали серед десятків «звичайних» рекомендацій. Code Inbox пріоритизує ці повідомлення: показує, що справді потребує людської уваги, а що можна відкласти.
Поверх цього Uber накручує додаткові механіки. З’являються «розумні призначення» рев’ю із SLA: якщо розробник не відреагував за певний час, запит перекидається на іншого. Формуються risk‑profile змін — коли система оцінює, наскільки небезпечним може бути патч і чи варто залучити більш досвідченого інженера. Є й UReview — внутрішній аналог сервісів на кшталт CodeRabbit чи Sonar, який працює з урахуванням контексту саме Uber.
Усе це робить код‑рев’ю знову керованим процесом, а не просто потоком автоматичних коментарів. На фоні вибухового росту кількості pull‑request’ів та AI‑змін — це вже не «приємний бонус», а необхідна частина дев‑стеку.
Stripe, Shopify, Airbnb: усі будують свій інфраструктурний шар
Uber у цьому сенсі не поодинокий випадок, а радше передній край загальної тенденції серед великих технологічних компаній. Орош описує, як «інші великі так само роблять своє»: кожен збирає аналогічні стеки навколо власних сутностей і назв.
Stripe має власні «minions», Tool Shed, Blueprints, Z Boxes — усе це елементи внутрішньої екосистеми інструментів і агентів, які прив’язані до платіжної доменної моделі, безпеки й процесів Stripe. У Ramp фігурують інструменти з назвами Inspect, Glass, Dojo, Sensei — це теж набір сервісів та оркестраторів, які координують роботу агентів у фінансовій інфраструктурі.
Shopify розгорнув набір із Sidekick, LM Proxy, dev MCP Server — знову ж таки, це внутрішні інструменти, а не просто підключений зовнішній асистент. Airbnb будує власні системи на кшталт One Everything і Catalyst.
Спільна риса: у всіх цих компаній є окремі інфраструктурні організації, які будують AI‑платформи для внутрішніх розробників і бізнес‑команд. Вони не покладаються на один‑єдиний готовий продукт на кшталт GitHub Copilot. Замість цього великі гравці збирають «шари» — MCP‑шлюз, агентний реєстр, внутрішні CLI, фонового рантайму, системи рев’ю й маршрутизації задач — і вже на них вішають конкретних моделей і вендорів.
Важливий наслідок: саме цей інфраструктурний шар стає тим, що важко скопіювати. Підключити ту саму модель теоретично може будь‑хто, а от побудувати Uber‑рівень інтеграції з монорепою, експериментальною платформою та тисячами внутрішніх сервісів — роки роботи.
Чому «просто купити Copilot» вже недостатньо
На фоні таких прикладів традиційний підхід — оплачений Copilot чи ще один AI‑плагін до IDE — виглядає як лише перший щабель. Великі компанії демонструють кілька принципово інших акцентів.
По‑перше, фокус зміщується з окремого розробника на системи. Агенти — це не особисті асистенти у редакторі коду, а частина корпоративної платформи, до якої підключені реєстри, політики, контроль ризиків, власні CLІ й фонові рантайми. Справжній виграш від AI з’являється тоді, коли агенти вбудовані в життєвий цикл продукту, а не просто генерують шматки коду.
По‑друге, компаніям доводиться вирішувати проблему «надлишкового AI‑шуму». Uber Code Inbox і подібні механізми — це визнання того, що автоматизація без правильної фільтрації швидко перетворюється на нове джерело перевантаження.
По‑третє, виникає новий клас внутрішніх команд — платформних і AI‑experience‑груп, які відповідають не тільки за продуктивність інженерів, а й за те, щоб агенти реально працювали в контексті конкретного бізнесу: від маршрутизації запитів до оптимізації промптів під вартість та якість.
Усе разом формує ескіз того, як може виглядати «стандартний» AI‑стек через кілька років: власний MCP‑шар, agent builder для бізнес‑користувачів, agent studio для комбінування сценаріїв, внутрішній CLI як єдиний інтерфейс до моделей, фоновий рантайм на кшталт Minion, спеціалізовані інструменти для пріоритизації рев’ю й моніторингу ризиків.
Іншим компаніям це ставить досить чіткий виклик. Підключити зовнішній AI‑сервіс сьогодні просто. Побудувати навколо нього внутрішню екосистему, яка дійсно змінює спосіб роботи розробників і бізнес‑команд, — зовсім інший рівень інвестицій. Саме на ньому вже зараз працюють Uber, Stripe, Shopify, Airbnb та інші, задаючи планку для того, що незабаром називатимуть просто «нормальним дев‑стеком».
Джерело
Slow down to speed up: AI and software engineering — The Pragmatic Engineer