JetBrains Context：コーディングエージェントのためのリポジトリインテリジェンス

JetBrains は本日、JetBrains Context を発表しました。これは、コーディングエージェントが複雑なコードベース上でより効率的に作業し、高品質な結果を生み出すための新しいリポジトリインテリジェンスレイヤーです。JetBrains AI for Teams and Organizations の展開の一環として、JetBrains Context は現在、JetBrains AI サブスクリプションで追加費用なしで早期アクセスとして利用可能です。Claude Code、Codex CLI、Junie CLI と統合されており、JetBrains IDE、Air、VS Code、その他のサポートされているエディタから使用できます。

JetBrains は常に、最も複雑なコードベースを扱う場合でも、開発者の効率を高めることに注力してきました。過去には、オートコンプリート、コード分析、ナビゲーションなどのインテリジェント機能を提供していました。今日、JetBrains は同じ生産性を AI エージェントに拡張し、コードの作成、検証、レビューを効果的に行うために必要なリポジトリインテリジェンスを提供しています。

エンタープライズ規模のコードベースでは、コンテキストが不可欠です。それは、入念なレビューと手直しを必要とする平凡な結果と、コードベース、API、依存関係、実装パターン、エンジニアリング規約を理解する効率的なエージェントコーディングとの違いです。開発者と同様に、エージェントは小規模な概念実証プロジェクトではあまり手間を必要としませんが、大規模なコードベースでは、暗黙の組織知識と洞察という追加のコンテキストが必要です。

コンテキストへの投資は、開発者がエージェントのスキルを向上させたいという高まるニーズを反映しています。かつて開発者は AI による出力にほぼ満足していましたが、今や「ハネムーン期」は終わり、状況はより複雑になっています。開発者への期待は高まり、AI の使用範囲は拡大しており、開発者は新しい要件を満たそうと努力しています。AI の ROI への需要は、チームのタイムライン短縮と新たな AI 割り当ての出現につながっています。これは、トップモデルの計算で問題を力ずくで解決するために無制限のトークンを使うことがもはやできないことを意味します。現実の要求は、エージェントの新たなスーパーパワーに急速に追いついています。

かつては単なる不便だったものが、徐々にボトルネックになりつつあります。ほとんどの問題解決と機能開発タスクでは、エージェントが現在の状態を理解したり、計画された変更の参照を取得したりするために、広範なコード探索を実行する必要があります。実際には、検索の実行、探索エージェントの起動、ファイルの読み取りなど、時間とトークンを消費する活動が頻繁に行われます。今日の最も強力なモデルを使用しても、限られたコンテキストとリポジトリの可視性により、エージェントが適切なコードを見つけたり、良い実装例を見つけたり、再利用する価値のある既存のパターンを特定したりすることが妨げられる可能性があります。結果は単純です。エージェントがリポジトリの探索に費やす時間が少なければ少ないほど、目の前のタスクに多くの時間を費やすことができます。これこそが、JetBrains Context が解決するために設計された問題です。

JetBrains Context は、Claude Agent、OpenAI Codex、JetBrains Junie などのコーディングエージェントのためのリポジトリインテリジェンスレイヤーです。リポジトリのセマンティックインデックスを段階的に構築し、セマンティック検索を提供することで、エージェントが繰り返し検索やファイル読み取りを行う代わりに、関連するリポジトリ知識にアクセスできるようにします。キーワード検索や繰り返しのファイル探索に頼る代わりに、質問を直接行ったり、関連する用語や概念を検索したりできます。これを機能させるために、リポジトリを段階的にインデックス化するバックエンドと、エージェントがそのデータをクエリできるセマンティック検索ツールという 2 つの主要コンポーネントに依存しています。

JetBrains が展開を楽しみにしている重要な機能の 1 つは、マルチリポジトリ検索です。エージェントは現在のリポジトリに制限されることなく、組織のコードベース全体で関連コードを発見できます。これには、ローカルでチェックアウトされていないリポジトリも含まれます。これにより、API と依存関係の検証、変更の影響の理解、またはリモートプロジェクトでの再利用可能なコードの特定が容易になります。正味の効果は、コード品質の高い基準を維持し、不必要な作業を回避し、コードベース全体のアーキテクチャの整合性を高めることです。

JetBrains は、205 のオープンソース SWE-bench タスク、175 のプロダクションモノレポタスク、および 1,953 のコードローカリゼーションタスクで JetBrains Context を検証しました。これらのベンチマークで、JetBrains Context はエージェントのターンを最大 68%、レイテンシを最大 59%、実行コストを最大 48% 削減しました。

AI システムを一貫して測定することは容易ではありません。最新のコーディングエージェントは本質的に確率的であるため、JetBrains は確立された業界ベンチマークとプロダクション規模のリポジトリに基づいて評価を設計しました。評価を通じて、大規模なコードベースにおいて時間、コスト、コード品質に大きな違いをもたらすと確信できるまでにこのテクノロジーを改善しました。

JetBrains Context の早期アクセスは、サブスクリプションにすでに含まれています。ランディングページの手順に従って開始してください。簡単な GET リクエストで CLI をインストールします。CLI コマンド jbcontext login を使用して認証します。資格情報はそのまま使用できます。JetBrains AI ライセンスが必要ですが、JetBrains Context によってクォータが消費されることはありません。プロジェクトフォルダに移動し、jbcontext setup-agent コマンドを使用して、希望するコーディングエージェント用に JetBrains Context を設定します。ユーザースコープでグローバルに設定することもできます。JetBrains Context はエージェントフックによって自動的にコードをプリインデックスするか、jbcontext index コマンドを呼び出して明示的に実行できます。ソースコードは JetBrains Context サーバーに保存されません。これ以降、通常のコーディングを進めると、エージェントに新しいリポジトリインテリジェンス機能が装備され、はるかに生産的になることがわかります。

JetBrains Context を試した後、それが役立っているかどうか確信が持てない場合は、新しい組み込み分析機能を確認してください。jbcontext analyze を実行するだけで、リアルタイムデータに基づいたコストと時間の節約を確認できます。ぜひご意見をお聞かせください。以下のコメントでフィードバックを共有したり、質問したり、体験を教えてください。CLI から直接 jbcontext send-feedback コマンドを使用することもできます。