Masalah System Prompt Bloated pada Pipeline CI/CD
Memasukkan instruksi operasional masif ke dalam system prompt agen CI/CD menimbulkan dua masalah utama: degradasi determinisme dan pembengkakan token. LLM yang dibebani teks panjang kerap mengabaikan edge case, memproduksi format JSON tidak valid, atau mengalami halusinasi argumen CLI. Pendekatan berbasis agent skills memindahkan logika operasional ke level fungsi runtime lokal menggunakan Antigravity SDK, menjaga context window tetap ramping dan output sepenuhnya deterministik.
Arsitektur Skill Deterministik dengan Antigravity SDK
Prinsip dasarnya: biarkan LLM memutuskan kapan memanggil fungsi berdasarkan schema, tetapi biarkan native code (Node.js/TypeScript atau Python) yang mengeksekusi operasi sesungguhnya (I/O, parsing regex, spawn child process). Input dan output divalidasi ketat menggunakan schema, menjamin runner CI menerima data terstruktur tanpa parsing spekulatif terhadap teks bebas buatan model.
Implementasi Tool CI: Git Metadata dan Linter Report Parser
Berikut adalah implementasi konkret pembuatan tool skill untuk agen CI menggunakan Antigravity SDK dalam TypeScript. Tool mengekstrak metadata commit dan memvalidasi log linter.
import { Skill, defineTool } from '@antigravity/sdk';
import { execSync } from 'child_process';
import { readFileSync, existsSync } from 'fs';
// Tool 1: Ekstraksi git commit metadata deterministik
export const gitMetadataTool = defineTool({
name: 'get_git_commit_metadata',
description: 'Mengambil commit SHA, author, dan daftar file yang diubah pada runner CI.',
parameters: {
type: 'object',
properties: {
targetBranch: { type: 'string', description: 'Base branch untuk diff, misal: origin/main' }
},
required: ['targetBranch']
},
execute: async ({ targetBranch }) => {
try {
const sha = execSync('git rev-parse HEAD').toString().trim();
const diffFiles = execSync(`git diff --name-only ${targetBranch}...HEAD`)
.toString()
.trim()
.split('\n')
.filter(Boolean);
return {
success: true,
sha,
modifiedFiles: diffFiles
};
} catch (error) {
return {
success: false,
error: error instanceof Error ? error.message : 'Gagal membaca git repository'
};
}
}
});
// Tool 2: Parser report ESLint/Biome JSON
export const linterParserTool = defineTool({
name: 'parse_linter_report',
description: 'Membaca dan memetakan laporan error dari file output linter.',
parameters: {
type: 'object',
properties: {
reportPath: { type: 'string', description: 'Path absolut/relatif ke file output report JSON.' }
},
required: ['reportPath']
},
execute: async ({ reportPath }) => {
if (!existsSync(reportPath)) {
return { success: false, error: `File laporan tidak ditemukan di: ${reportPath}` };
}
try {
const raw = readFileSync(reportPath, 'utf-8');
const data = JSON.parse(raw);
// Normalisasi error array
const errors = data.flatMap((entry: any) =>
(entry.messages || [])
.filter((msg: any) => msg.severity === 2)
.map((msg: any) => ({
filePath: entry.filePath,
ruleId: msg.ruleId,
message: msg.message,
line: msg.line
}))
);
return {
success: true,
errorCount: errors.length,
criticalErrors: errors
};
} catch (err) {
return { success: false, error: 'Format JSON laporan linter tidak valid.' };
}
}
});
Registrasi Skill pada Agen Runner CI
Tools yang didefinisikan digabungkan ke dalam instance Skill untuk dioperasikan oleh model dalam alur CI:
import { AgentRunner } from '@antigravity/sdk';
import { gitMetadataTool, linterParserTool } from './ciTools';
async function runCIAgent() {
const runner = new AgentRunner({
model: 'claude-3-5-sonnet-20241022',
skills: [gitMetadataTool, linterParserTool],
maxSteps: 5
});
const result = await runner.dispatch(
'Audit commit ini terhadap origin/main. Periksa report.json dari linter dan ' +
'hanya setujui jika tidak ada critical error pada file yang diubah.'
);
if (result.status === 'failed') {
console.error('CI Gagal:', result.error);
process.exit(1);
}
console.log('CI Lulus:', result.summary);
}
runCIAgent();
Perbandingan: Prompt Bloated vs Tool-Based Skills
- Token Footprint: Pendekatan prompt-bloated menuntut instruksi parsing ribuan kata di system message, memakan ribuan token input per iterasi. Antigravity SDK hanya mengekspos schema JSON pendek ke context window; pemrosesan log 10.000 baris terjadi di luar model via runtime Node.js.
- Reliabilitas Eksekusi: Model dilarang menebak format output log. Runtime mengeksekusi shell binary native (seperti git), memvalidasi skema data, dan mengembalikan status
success: true|falsesecara pasti. - Determinisme: Logika percabangan ditangani oleh kode statis. Model bertindak murni sebagai orchestrator tingkat tinggi, bukan data processor.
Error Handling dalam Lingkungan Non-Interaktif CI
Runner CI tidak memiliki interaksi manusia real-time. Tool execution wajib menangani kegagalan secara eksplisit:
- Non-Zero Exit Code: Jangan biarkan
child_process.execSyncmelempar uncaught exception. Bungkus dalam bloktry/catchdan transformasikan menjadi response terstruktur{ success: false, error: '...' }agar agen dapat merespons fallback plan. - Timeout Boundary: Berikan batasan waktu eksekusi pada level tool untuk mencegah infinite loop atau hanging process saat clone repo atau build artifact berlangsung.
- Graceful Degradation: Jika tool gagal (misal file linter tidak ada), agen harus langsung menandai pipeline sebagai Failed dengan alasan kegagalan tooling, alih-alih mencoba mengira-ngira isi file yang hilang.
Komentar
0 komentar
Masuk ke akun kamu untuk ikut berkomentar.
Belum ada komentar
Jadilah yang pertama ikut berdiskusi!