AI PraktykPO POLSKU

Karty pisze AI wyłącznie z oficjalnej dokumentacji, a program sprawdza cytaty i komendy. Jak to działa

Automatyzacjazaawansowany

Claude Code w GitLab CI/CD

Claude Code w GitLab CI/CD pozwala uruchamiać zadania AI w pipeline’ach i przekazywać ich wyniki do repozytorium przez merge requesty. Integracja opiera się na Claude Code CLI i Agent SDK, dzięki czemu można używać Claude’a programowo w zadaniach CI/CD oraz własnych automatyzacjach. Integracja jest obecnie w wersji beta, a jej funkcje mogą się zmieniać.

GitLab może uruchamiać zadanie po wybranym zdarzeniu, na przykład po komentarzu z wzmianką @claude w issue, MR lub wątku przeglądu. Zadanie zbiera kontekst z wątku i repozytorium, buduje prompt z tych danych, a następnie uruchamia Claude Code. Każda interakcja działa w kontenerze z ograniczeniami sieci i systemu plików, a zmiany przechodzą przez MR, gdzie recenzenci widzą diff i nadal obowiązują zatwierdzenia.

Szybki start polega na dodaniu zadania do .gitlab-ci.yml i ustawieniu klucza API jako zamaskowanej zmiennej CI/CD. Dla Claude API dodaj ANTHROPIC_API_KEY jako zmienną zamaskowaną, chronioną w razie potrzeby. Po dodaniu zadania i zmiennej klucza można uruchomić pipeline ręcznie albo wyzwolić go z MR.

W konfiguracji produkcyjnej można użyć dostępu OIDC do Amazon Bedrock albo Workload Identity Federation do Google Cloud’s Agent Platform, zamiast przechowywać długotrwałe klucze. Przy wyzwalaniu pracy wzmianką @claude listener może przekazać do API uruchamiającego pipeline zmienne AI_FLOW_INPUT i AI_FLOW_CONTEXT. Jeśli zadanie nie może pisać komentarzy lub otwierać MR-ów, sprawdź uprawnienia CI_JOB_TOKEN albo użyj Project Access Token z zakresem api oraz upewnij się, że mcp__gitlab jest dozwolonym narzędziem. Liczbę iteracji i czas działania można ograniczać przez --max-turns oraz timeout zadania, a współbieżność ogranicza liczbę równoległych uruchomień.

przykład
Uruchom Claude Code w zadaniu pipeline z instrukcją przekazaną przez AI_FLOW_INPUT i narzędziami GitLab dopuszczonymi do użycia.
claude
-p "${AI_FLOW_INPUT:-'Review this MR and implement the requested changes'}"
--permission-mode acceptEdits
--allowedTools "Bash Read Edit Write mcp__gitlab"
--debug
przykład
Wybierz Amazon Bedrock w zadaniu i ustaw region usługi w konfiguracji pipeline’u.
variables:
  AWS_REGION: "us-west-2"
  CLAUDE_CODE_USE_BEDROCK: "1"
przykład
Skonfiguruj zadanie do korzystania z Google Cloud’s Agent Platform z projektem i regionem przekazanymi przez zmienne.
variables:
  CLOUD_ML_REGION: "us-east5"
  CLAUDE_CODE_USE_VERTEX: "1"
  ANTHROPIC_VERTEX_PROJECT_ID: "$GCP_PROJECT_ID"

Zastosowanie w praktyce

Użyj pipeline’u, aby przekształcić opis issue lub komentarz w implementację i propozycję MR. Możesz zlecić Claude’owi analizę regresji wydajności i zaproponowanie optymalizacji. Zadanie może naprawiać błędy lub regresje wskazane przez testy bądź komentarze, a potem wprowadzać poprawki w branchu i otwierać MR. Wzmianka @claude w komentarzu może uruchomić przepływ, w którym Claude odpowiada na kolejne komentarze i iteruje nad żądanymi zmianami.

WskazówkaW obrazie użytym w przykładzie instalator umieszcza claude w ~/.local/bin, którego nie ma w PATH, więc po instalacji dodaj tę ścieżkę do PATH.

Zgodne z dokumentacją (sprawdzone 30 października 2026), opis z 30 października 2026. Karta jest pisana od nowa, gdy zmieni się jej fragment dokumentacji.

Otwórz w serwisie (wyszukiwarka i filtry tematów)