Codex 和 Claude Code 搬进了构建机:JetBrains 给 TeamCity 出了个插件,凭据只在构建那几分钟存在
先讲结论
JetBrains 在 11 月 16 日发文,介绍 TeamCity 的一个新插件——AI Agents(实验性、免费,官方插件市场编号 34639)。它干的事很直接:把 Codex 或 Claude Code 装到 TeamCity 的构建机上,让你在普通的 Command Line 构建步骤里写一行 claude -p "..." 或 codex exec ...,agent 就跟着每次构建一起跑。
一句话说清它和「在自己电脑上开个 agent」的区别:agent 不再属于某个人,而属于流水线。随之而来的两个变化才是重点——provider 的密钥不再长期躺在构建机上,而 agent 干了什么会被记录成可翻查的轨迹文件。
这是什么
TeamCity 是 JetBrains 的 CI/CD 服务器,属闭源商业工具,按订阅授权(可自建服务器,也可以走 JetBrains 托管)。这个插件不是又一个聊天窗口,它把「编码 agent」当成一种构建能力来管:
- 在 TeamCity 里建一个 connection,填 OpenAI、Anthropic、OpenRouter、LiteLLM 或 JetBrains Air 的凭据;
- 在构建配置里加一个 AI Agent build feature,选 Codex 或 Claude Code,选刚才那个 connection;
- 加一个 Command Line 步骤,像平时一样调用 agent。
插件会在构建启动时检查这台构建机上有没有对应的客户端,没有就自己装,并把配置准备好。所以你不用在每台 agent 机器上手工维护一份 Codex 或 Claude Code。
为什么重要
这里有个容易被忽略的现实落差。据 JetBrains 自己的 CI/CD 调研(该数据经 merge.news 等媒体转述整理,非官方公告原文):近一半组织已经在至少一个 CI/CD 环节用上 AI,但只有 8% 真的把 AI 步骤跑在构建或测试过程内部。绝大多数用法是「在旁边帮忙」——写测试、看失败日志、做代码审查——而不是「进流水线干活」。
这个插件瞄准的正是那 8%。它把 agent 从「开发者本机的助手」变成「构建过程的一部分」,于是原来靠人盯的事(每次提交都跑一遍仓库理解、生成变更摘要、排查构建失败)才有可能变成默认动作。
对谁有用:已经在用 TeamCity、又想让 agent 参与常规构建任务的团队;尤其是那些不敢让 agent 拿生产密钥、但愿意让它读仓库的团队——凭据按构建临时下发这件事,本身就是为他们设计的。
怎么用
- 建 connection。 Project Settings → Connections,选 provider,填凭据。用 JetBrains Air 的话填 service account 的 client ID / client secret,这样团队可以共用一份账号并单独统计花费。
- 加 build feature。 在目标构建配置里加 AI Agent,选 Codex 或 Claude Code,再选 connection。
- 写命令。 加一个 Command Line 构建步骤,官方给的两条示例是:
codex exec --ephemeral --skip-git-repo-check "summarize this repository"
claude -p "summarize this repository"--ephemeral 和 --skip-git-repo-check 这两个参数值得留意:前者让这次运行不留状态,后者让 Codex 不必先确认当前目录是个 git 仓库——在构建机这种一次性环境里,这两个恰好是需要的。
- 看结果。 构建结束后,插件把遥测和轨迹作为隐藏构建产物写到
.teamcity/ai-agents/。想在构建结果页直接看,去 Project Settings → Report Tabs 建一个 tab,起始页填.teamcity/ai-agents/trajectory.html。
三个值得注意的设计
凭据的生命周期被压到一次构建。 构建机的典型问题是复用:上一个构建留下的环境变量,可能被下一个构建里跑的任意脚本读到。插件把 provider 凭据存在 TeamCity 的 connection 里,只在构建期间下发给 agent,构建结束立刻移除。这是这个插件里最实在的一条。
token 花费用 CI 自己的方式记账。 插件把 prompt、completion、cached、total 四类 token 数写成 TeamCity 的 statistical values。这些是普通统计值,能画成趋势图。也就是说,agent 的账单第一次能和「哪次构建、哪个分支、哪段时间」对上,异常涨幅能当指标看,而不是月底看账单才吓一跳。
轨迹是给两种读者准备的。 HTML 版给人看:消息、工具调用、token 用量一条条列出来。JSON 版给程序看:可以把多次构建的轨迹捞出来批量分析,反推「为什么这个 agent 每次都跑偏」,然后改 prompt 再跑。官方还提到可以配合 TeamCity CLI 在本地批量取轨迹——这条闭环(跑 → 收轨迹 → 改 prompt → 再跑)比「agent 一次成功」更接近真实用法。
不适用场景
- 你不用 TeamCity。 这是 TeamCity 插件,Jenkins、GitHub Actions、GitLab CI 都用不上。别看到「CI 里跑 agent」就以为通用。
- 你要的是稳定生产件。 官方明写这是 experimental,功能会变。放进每天几十次的关键构建里之前,先想好回滚。
- 你想省 token 钱。 插件只负责记账,不负责省钱。费用仍然按 provider 那边结算。
- 构建产物权限没理顺。 官方自己提醒:这些轨迹文件可能包含 prompt、源码片段和模型输出,要当成敏感构建产物一样管权限。很多团队
.teamcity目录是默认全组可见的,这一点必须先确认。
避坑
- 别把密钥写进构建步骤的脚本里。 用 connection,否则临时下发这套设计就白费了。
- 别在同一个构建机上并行跑多个 agent 步骤而不隔离工作目录。 插件管的是安装和凭据,不管你的仓库目录会不会互相踩。
- 别只看最后一次输出。 轨迹的价值就在于中间过程;只看最终回复,等于把调试信息扔了。
- 先量一下基线。 装上去先只跑「只读」任务(总结仓库、解释失败构建),记两周 token 数和误报率,再考虑让它改代码。
成本与时间
- 插件本身免费(插件市场标 FREE)。真正的成本在模型调用,按你选的 provider 计价,插件只是把它记进 TeamCity 统计。
- 接入时间:配 connection 加 build feature 大概十几分钟;写第一条能用的 prompt 通常要一两小时(取决于任务复杂度)。
- 试错周期:建议留两周观察期,主要看两件事——单位构建的 token 成本,和 agent 输出的可用率。
行动建议
第一步,先做一件只读的事:在一条非关键构建上加 AI Agent,让它跑 claude -p "总结这次提交改了什么,以及可能影响哪些模块",把轨迹 tab 配好。跑够 20 次,看 token 曲线和人工复核的命中率,再决定要不要让它碰代码修改。
第二步,如果你确实要让它改代码,把「谁能批准这个构建步骤」和「产物谁能看」这两件事,先写进团队规范,再开权限。
参考来源
- JetBrains TeamCity 官方博文《Run AI Agents in TeamCity》(2026-11-16):https://blog.jetbrains.com/teamcity/2026/11/run-ai-agents-in-teamcity/
- JetBrains 插件市场 AI Agents(plugin 34639,JetBrains 官方发布,FREE):https://plugins.jetbrains.com/plugin/34639-ai-agents
- JetBrains 关于 AI 在 CI/CD 落地情况的讨论(背景,2026-04):https://blog.jetbrains.com/teamcity/2026/04/ai-in-devops/
- CI/CD 中 AI 使用比例的调研数据经 merge.news 转述整理:https://merge.news/post/H51ZBNNw2L2IN9acmHXM