Narzędzia

Jak AI może czytać buildy, testy i wdrożenia z Jenkinsa i TeamCity i co zyska Wasza firma?

Jeśli Wasz zespół IT korzysta z Jenkinsa lub TeamCity, AI może tłumaczyć nieudane buildy, łapać niestabilne testy i pisać notatki wydania bez technicznego żargonu.

⏱ 9 min czytania · 📅 19.11.2026 · 👁 87 wyświetleń

Tak, AI można podłączyć do Jenkinsa i TeamCity bez modyfikowania istniejących pipeline'ów. Oba narzędzia mają otwarte REST API, przez które zewnętrzny program pobiera logi buildów, wyniki testów, listę commitów i historię wdrożeń. AI czyta te dane i robi z nimi coś, czego żaden raport systemowy nie zrobi sam: tłumaczy awarię językiem zrozumiałym dla managera, wskazuje testy padające bez wyraźnej przyczyny i zamienia listę commitów deweloperów na notatkę wydania, którą możecie wysłać do klienta.

Co Jenkins i TeamCity przechowują, co można zabrać do AI?

Zanim wejdziemy w połączenie, warto wiedzieć, co właściwie jest do wzięcia.

Jenkins trzyma każdy build jako osobny obiekt z polami: result (SUCCESS, FAILURE, UNSTABLE, ABORTED), duration, timestamp, changeSet z listą commitów, które wywołały build, i consoleText, czyli pełny log konsoli. Jeśli pipeline ma etapy zdefiniowane w Jenkinsfile, Blue Ocean REST API zwróci każdy z nich osobno z własnym statusem i logiem. Wyniki testów JUnit lub TestNG są dostępne pod osobnym endpointem testReport jako zagnieżdżony JSON z polami: failCount, passCount, skipCount i lista poszczególnych przypadków testowych z treścią błędu.

TeamCity ma podobną strukturę, ale bogatszą w kwestii testów. Każdy testOccurrence zawiera: name (pełna kwalifikowana nazwa testu), status (SUCCESS, FAILURE, IGNORED), duration, details z komunikatem błędu i runOrder. Ważna rzecz: TeamCity ma wbudowaną flagę flaky na poziomie testu. Jeśli Wasz zespół z niej nie korzysta aktywnie, marnuje gotową informację. Obok tego są investigations (kto przypisał sobie naprawę błędu) i muted tests, czyli testy celowo uciszone, żeby nie blokowały buildu.

Z obu narzędzi można też wyciągnąć artifacts (pliki wynikowe buildu: JAR, ZIP z aplikacją, raport pokrycia kodu w formacie HTML lub XML) i historię wdrożeń, jeśli pipeline obejmuje deploy na serwer. W TeamCity to snapshot dependencies i build chains. W Jenkinsie, jeśli Jenkinsfile ma osobny etap deploy-to-staging albo deploy-to-production, log z tego etapu powie, kiedy i co zostało wgrane na które środowisko.

Jak fizycznie podłączyć AI do Jenkinsa i TeamCity?

Oba narzędzia mają REST API z odpowiedziami w JSON i XML. Żadnej wtyczki, żadnych modyfikacji w istniejących pipeline'ach.

W Jenkinsie adres zasobu wygląda następująco: /job/{nazwa-zadania}/{numer-buildu}/api/json zwraca dane o buildzie. Log konsoli to /job/{nazwa-zadania}/{numer-buildu}/consoleText. Wyniki testów są pod /job/{nazwa-zadania}/{numer-buildu}/testReport/api/json. Żeby skrypt mógł to pobrać, potrzebuje konta serwisowego z wygenerowanym API Token. Token generuje się w ustawieniach użytkownika: User > Configure > Add new Token. Bez tego Jenkins zwróci kod 403 i nic nie pobierzecie.

W TeamCity REST API jest pod /app/rest/builds, /app/rest/testOccurrences, /app/rest/changes. Autentykacja przez Bearer token wygenerowany w User Profile > Access Tokens. Żeby skrypt mógł czytać wszystkie projekty, konto serwisowe potrzebuje roli Project Viewer lub wyższej. TeamCity Cloud (wersja hostowana przez JetBrains) działa tak samo, adres to po prostu subdomena na myjetbrains.com.

Czego producenci nie udostępniają przez API: same pliki artefaktów binarnych (plik .exe, .jar) wymagają osobnego żądania z pobraniem bajt po bajcie, nie zwykłego JSON. Logi z bardzo starych buildów mogą być niedostępne, jeśli ktoś ustawił retencję. W Jenkinsie to opcja Discard Old Builds w konfiguracji joba, w TeamCity: Build History Cleanup na poziomie projektu. AI zobaczy tylko tyle, ile system zachował.

Połączenie można zbudować jako skrypt wywoływany raz na godzinę albo jako webhook. Jenkins obsługuje Post-build Actions > Trigger/call builds on other projects, a TeamCity ma Build Triggers > Finish Build Trigger. Oznacza to, że zaraz po zakończeniu każdego buildu można automatycznie wywołać skrypt, który pobiera log i wysyła go do AI. Czekanie na raport staje się zbędne.

Jak AI tłumaczy nieudany build na język, który rozumie manager?

Typowy log konsoli w Jenkinsie po nieudanym buildzie ma kilkaset albo kilka tysięcy linii. Większość z nich to informacje o pobieraniu zależności, kompilowaniu pliku po pliku i uruchamianiu testów. Gdzieś w środku jest kilkanaście linii, które mówią, co naprawdę padło.

AI dostaje ten log i wyciąga esencję. Zamiast suchego java.lang.NullPointerException at OrderService.java:142 called from CheckoutController.java:89 manager dostaje jedno zdanie po polsku: "Build zakończył się błędem w module obsługi zamówień przy próbie zapisu zamówienia bez wybranej metody płatności." To zdanie jest przydatne. Pozwala ocenić powagę sytuacji bez dzwonienia do działu IT.

U jednego klienta z branży e-commerce menedżer produktu dostawał co tydzień emaila od działu IT z jednym zdaniem: "build failed, investigating". Tyle. Nie wiedział, czy to coś krytycznego dla klientów sklepu, czy drobnostka w module raportów, i czy release zaplanowany na piątek jest zagrożony. Po podpięciu AI do Jenkinsa menedżer dostaje wiadomość w dwie minuty po zakończeniu buildu: "Build z wtorku nie przeszedł przez błąd w module koszyka mobilnego. Sklep webowy działa normalnie. Poprzedni udany build: poniedziałek, godzina 11:40." Zero telefonu do IT, zero czekania.

AI jest też przydatna przy rozróżnieniu statusu UNSTABLE od FAILURE. W Jenkinsie UNSTABLE oznacza, że aplikacja się skompilowała, ale część testów padła. FAILURE to brak kompilacji lub błąd infrastruktury, na przykład brak połączenia z bazą danych w środowisku testowym. Dla biznesu różnica jest istotna: UNSTABLE może oznaczać, że aplikacja działa, ale z ryzykiem. AI potrafi to wyjaśnić i ocenić, które testy padły oraz czy dotyczą funkcji krytycznych dla klientów.

Jak AI wyłapuje testy, które padają bez wyraźnego powodu?

Niestabilne testy, zwane w branży flaky tests, to regularny problem w teamach deweloperskich. Test uruchomiony dzisiaj przechodzi. Ten sam test, na tej samej wersji kodu, jutro pada. Pojutrze znów przechodzi. Deweloperzy tracą czas na sprawdzanie, czy to błąd w kodzie, w teście, czy w środowisku testowym. Często nie ma oczywistej odpowiedzi.

TeamCity jak wspomniałem ma wbudowaną flagę flaky, ale Jenkins tego natywnie nie produkuje w czytelnej formie. AI wyrównuje tę różnicę. Dostając historię ostatnich kilkudziesięciu buildów z Jenkinsa, może przeanalizować, które testy mają zmienne wyniki przy tej samej wersji kodu, identyfikowanej po tym samym changeSet albo tagu gita. Jeśli test CheckoutFlowTest.testEmptyCart padł w buildach 1211, 1218 i 1224, ale przeszedł w 1212, 1219 i 1225 bez żadnej zmiany w kodzie, to jest klasyczny flaky test.

Raport, który z tego powstaje, jest przydatny kierownikowi technicznemu: lista testów z liczbą niestabilnych uruchomień w ostatnich trzydziestu dniach, kiedy ostatnio padł dany test, przypisany moduł. Bez AI ktoś musiałby to robić ręcznie, przeglądając historię buildów albo eksportując ją do arkusza. Nikt tego nie robił, bo nie było czasu, więc testy pozostawały w stanie "jakoś chodzi". AI robi ten przegląd automatycznie raz w tygodniu.

Notatki wydania pisane przez AI: techniczne commity na język biznesu

Nikt w teamie deweloperskim nie lubi pisać notatek wydania dla biznesu. Committy w repozytorium wyglądają następująco: "fix(cart): handle null payment method", "refactor: extract OrderValidator", "feat(notifications): add SMS on order status change". Sensowne dla dewelopera. Zupełnie nieczytelne dla handlowca, który ma wytłumaczyć klientowi, co się zmieniło w nowej wersji aplikacji.

AI dostaje listę commitów z changeSet dla danego wdrożenia, wyniki testów i ewentualnie poprzednią notatkę wydania jako wzorzec stylu. Produkuje dokument z sekcjami: co nowego, co poprawiono, co usunięto. Wszystko po polsku, zdaniami, bez technicznego żargonu. "fix(cart): handle null payment method" zamienia się w "Poprawiono błąd uniemożliwiający złożenie zamówienia, gdy nie wybrano metody płatności." "feat(notifications): add SMS on order status change" to "Klienci otrzymują teraz SMS z aktualizacją statusu zamówienia."

Jeśli firma trzyma kilka środowisk, AI może dołączyć do wiadomości informację, na którym środowisku dana wersja już działa, a na którym jej jeszcze nie ma. To wyciąga z historii buildów na podstawie nazwy jobu (w Jenkinsie typowo rozróżnia się pipeline'y po nazwie: "deploy-staging", "deploy-uat", "deploy-production") albo z build parameters przekazywanych przy uruchomieniu wdrożenia. Manager dostaje dokument po każdym deploymencie na produkcję, nie czeka, aż ktoś znajdzie czas go napisać.

Od czego zaczynacie, jeśli macie Jenkinsa albo TeamCity?

Pierwsza sprawa: sprawdźcie, czy macie konto serwisowe z dostępem do API. W większości firm tego konta nie ma, bo nikt wcześniej nie potrzebował. W Jenkinsie to kilka minut: nowy użytkownik, minimalne uprawnienia (Read na projekty), wygenerowany token. W TeamCity: User Profile > Access Tokens, rola Project Viewer.

Druga sprawa: wybierzcie jeden scenariusz na początek. Trzy dobre punkty startowe:

  • Powiadomienia o nieudanych buildach: AI dostaje log po każdym FAILURE lub UNSTABLE i wysyła krótkie wyjaśnienie na mail lub do Slacka. Najszybsze do wdrożenia, efekt widoczny od następnego dnia.
  • Raport niestabilnych testów raz w tygodniu: skrypt pobiera historię ostatnich trzydziestu buildów, AI analizuje i przygotowuje raport dla kierownika technicznego w poniedziałek rano.
  • Automatyczna notatka wydania przy deploymencie na produkcję: wyzwalana po udanym etapie deploy-to-production, AI składa notatkę z commitów i wysyła do zdefiniowanych odbiorców w firmie.

Trzecia sprawa: zanim zaczynacie, zdecydujcie, kto ma dostawać jakie powiadomienia. Manager nie musi dostawać każdego UNSTABLE z pipeline'u frontendowego, który pada trzy razy dziennie z powodu niestabilnych testów UI. To pytanie organizacyjne, nie techniczne. Warto je rozstrzygnąć przed wdrożeniem, żeby za tydzień nie wyłączać powiadomień, bo wszyscy je ignorują.

Dane z Jenkinsa i TeamCity są strukturalnie czyste: JSON z przewidywalnymi polami, logi z każdego buildu osobno. Integracja z AI jest tu technicznie prostsza niż w wielu innych narzędziach. Większa praca to ustalenie, co chcecie z tą informacją zrobić i do kogo ma trafiać.

Jeśli Wasza firma ma Jenkinsa lub TeamCity i zastanawiacie się, od czego zacząć, chętnie pokażemy, jak to wygląda na konkretnych danych z Waszego systemu. 15 minut rozmowy wystarczy, żeby ocenić, który scenariusz ma sens jako pierwszy. Możecie też zobaczyć, jak podobne podpięcia wyglądały w praktyce: realne wdrożenia.

Chcecie to u siebie?

Na osobnej stronie rozpisaliśmy, co dokładnie podłączamy w Jenkins, o co możecie wtedy pytać asystenta i ile kosztuje wdrożenie.

Co podłączamy i ile to kosztuje →

Najczęstsze pytania

Czy AI musi mieć bezpośredni dostęp do serwera Jenkinsa, żeby to działało?

Nie, wystarczy dostęp do REST API Jenkinsa przez sieć. Skrypt łączy się tak samo jak przeglądarka, używając konta serwisowego z wygenerowanym tokenem API. Serwer Jenkinsa nie musi być publicznie dostępny, wystarczy połączenie z sieci firmowej lub VPN.

Jenkins wykrywa niestabilne testy we własnym zakresie, po co tu AI?

Jenkins oznacza status UNSTABLE, gdy testy padają, ale nie powie Wam, które testy padają losowo przy tej samej wersji kodu, jak często, ani od kiedy. AI analizuje historię kilkudziesięciu buildów i wskazuje konkretne testy z wzorcem nieregularnych wyników, czego Jenkins sam nie produkuje w czytelnej formie.

Czy AI poradzi sobie z notatkami wydania, jeśli committy w naszym repozytorium są pisane po angielsku i bez żadnej konwencji?

Tak, choć efekt jest lepszy przy konwencjonalnych commitach. AI czyta treść każdego commita z pola changeSet i sama grupuje zmiany według tego, czego dotyczą. Przy chaotycznych opisach wynik będzie mniej precyzyjny, ale i tak czytelniejszy dla biznesu niż surowa lista commitów.

Mamy GitLab CI, nie Jenkinsa. Czy coś z tego artykułu nas dotyczy?

Zasada jest ta sama: GitLab CI też ma REST API, z którego można pobrać pipeline runs, job logs i test reports. Konkretne endpointy i format odpowiedzi są inne niż w Jenkinsie, ale integracja z AI wygląda podobnie.

Czy to wymaga zmiany konfiguracji Jenkinsa albo zainstalowania wtyczek?

Nie. Zarówno Jenkins, jak i TeamCity mają REST API dostępne bez żadnych wtyczek, natywnie. Do czytania danych przez API wystarczy konto serwisowe z odpowiednimi uprawnieniami. Żadnych modyfikacji w istniejących pipeline'ach nie trzeba robić.

Wolicie napisać

Pokażemy to na Waszych danych z Jenkins

Jedno zdanie wystarczy: czego szukacie w Jenkins albo co ma się dziać samo. Odpiszemy, co podłączymy i od czego zacząć.

Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.

Następny krok

Podłączymy Jenkins do AI u Was

15 minut rozmowy: mówicie, czego szukacie w danych, my mówimy, co wyciągniemy z Jenkins, ile to potrwa i czego potrzebujemy po Waszej stronie.

  • Bezpłatna prezentacjaAI na Waszych zadaniach, nie na slajdach.
  • Dostęp tego samego dniaZespół od razu pracuje we własnym portalu.
  • Do 2 tygodni testówPłacicie dopiero po decyzji.

Może Was też zainteresować