当 AI Agent 的能力从"输出方案"跨越到"闭环执行"，CI/CD 配置的范式正迎来根本性转变。过去依赖开发者反复手动调试的反馈循环，正逐渐被 Agent 自主接管。
本文展示了AI Agent与TeamCity如何协同工作的全过程------从阅读文档、提出方案，到调用REST API配置构建链、观察结果并持续迭代修正，探索了CI/CD自动化的新解法。
不知不觉间，我们已经跨越了一个重要的技术门槛。如今，AI Agent 已经能够设置 TeamCity 的构建配置，甚至是完整的构建链，添加构建特性，并配置参数。
这之所以可行，是因为 TeamCity 的文档结构清晰，可通过 Context7 借助 MCP 进行访问，同时也因为 Agent 能够依赖 TeamCity CLI 等工具以及 teamcity-cli 技能包。
为了验证这在实践中究竟能走多远，JetBrains工程师 Sergei Ugdyzhekov 近期进行了一系列实验。
寻找解决方案
首先，Sergei让 ChatGPT 针对一个客户需求提出解决方案。
ChatGPT 通过 Context7 阅读了 TeamCity 文档，并提出了一个包含以下内容的方案：
- 多个构建配置
- 两个聚合构建
- 两条将它们组合起来的构建链
- 基于文件扩展名的触发器
- 制品依赖与快照依赖
到目前为止，这完全符合我们对一个强大LLM的预期：一个相当扎实的设计方案。
随后，将这个方案交给 Codex，要求其在个人沙盒项目中的TeamCity 夜间环境中完成实际配置。
短短五分钟，便得到了一个可运行的 Demo。过程中出现了一些错误，但几分钟内就被修复了。Codex 使用 TeamCity REST API，并通过 teamcity api 命令逐步执行配置，实际上完美复现了最初描述中的所有配置。
这里有趣的地方，并不在于配置一次就对了------事实上并没有。
真正有趣的是，Agent 能够以多快的速度做到：
- 应用配置
- 观察哪些地方出了问题
- 调整并重试
关键在于，从描述一条流水线到让它实际运行起来，这中间的差距已经变得非常小。Agent 不会止步于生成一个计划，而是会执行计划并不断迭代，直到结果可用。
到这一步，Agent 不再只是描述一个方案，而是在实施并持续优化它。
Go 项目
在第二个实验中，Sergei从 GitHub 克隆了一个小型 Go 项目，并要求 Codex 在 TeamCity 中为其搭建 CI。
它创建了一个包含"测试"和"构建"配置的简单流水线。
一个有趣的细节：它竟然从 gh 工具中复用了已有的 GitHub PAT（个人访问令牌）来创建 VCS Root。用"窃取"来形容不太准确，但确实让人忍俊不禁。
成功的条件很简单：构建应显示"绿色"（通过状态）。但结果并非如此。
经过几次尝试后，Agent 发现构建代理环境中缺少 Go。于是，它修改了构建步骤来规避这个问题，并不断重试，直到构建通过。
换言之，Agent 不仅仅是在配置 TeamCity，它是在朝着一个目标努力，并根据构建过程中的实际情况调整自己的行为。
在审查结果后，Sergei发现，Go 测试在 TeamCity 中没有被正确报告，并向 Agent 指出了这一点。Agent 随即更新了配置，添加了所需的构建特性，并在下次运行时正确报告了测试结果。
这些实验说明了什么
在两个实验中，Agent 都遵循了相似的模式：
- 阅读文档
- 提出方案
- 通过 API 应用方案
- 观察结果
- 不断迭代直到目标达成
这种循环正是与早期 LLM 实验的主要区别。
Agent 不会止步于"你可以这样配置"，而是会继续操作，直到系统真正运行起来。这将 CI 配置转变为一个可以自主收敛的迭代过程，而非停留在预先编写的静态定义上。
结论
TeamCity 可以与 AI Agent 协同工作，而 AI Agent 也确实能够有效地帮助配置 TeamCity。但更有趣的发现是它们实现这一目标的方式。
在这两项实验中，都出现了相同的模式：**Agent 并没有止步于生成配置，而是应用配置、观察运行情况，并不断调整直到流水线成功运行。**这种反馈循环------通常需要开发者手动运行流水线、读取输出、修复问题、再次运行------现在正在系统内部自主完成。
不过，这些仍然是早期成果。Agent 需要明确的目标、完善的文档和可控的运行环境。过去需要多次手动迭代的配置任务，如今收敛速度大幅提升，其中大部分流程由 Agent 来处理。
AI Agent 与 TeamCity 的结合，展现了未来研发自动化的巨大潜力。然而，要将前沿技术真正转化为企业的核心生产力，离不开专业的工具链支持与可靠的本地化服务。
**作为 JetBrains 授权代理，龙智提供TeamCity 产品的一站式服务。**我们不仅交付工具，更致力于将 TeamCity 深度融入您的技术栈与研效体系，帮助团队实现从"手动配置"到"智能运维"的效能跃迁。
无论您的团队是在评估 TeamCity 的引入，还是在优化现有 CI/CD 流水线，龙智都能为您提供从选型到落地的全链路支持。