ابزارهای هوش مصنوعی و Coding Agentها این روزها انقدر پیشرفت کردن که خودشون تصمیم می‌گیرن چه SDK یا ابزاری رو صدا بزنن، اما گاهی یه کار ساده که برای یه برنامه نویس انسانی آب خوردنه، می‌تونه این پلتفرم‌ها رو به شدت گیج کنه و زمین بزنه!
مایکروسافت دقیقاً همینجا به دادمون رسیده و یه ابزار جدید به اسم Scope رو ساخته تا دقیقاً همین خرابی‌ها و باگ‌ها رو پیدا کنه. کار این ابزار عجیبوغریب اینه که یه تسک رو به Coding Agentهای مختلف می‌سپاره و خروجی کار هر کدوم رو نمره دهی می‌کنه. سورس کد این پروژه با لایسنس MIT منتشر شده تا همه بتونن ازش استفاده کنن.
ابزار Scope چطور کار می‌کند؟
ماجرا از این قراره که شما به Scope یه تسک، یه سورس کد اولیه (در صورت نیاز) و مشخصات یه Agent رو می‌دید. بعد این ابزار، Agentهایی مثل GitHub Copilot و Claude Code رو مجبور می‌کنه روی اون تسک کار کنن.
موفقیت توی این سیستم با یه سری معیار مشخص می‌شه که به شکل گراف وابستگی هستن. یعنی چی؟ یعنی مثلاً از یه Agent می‌خواید یه سرور Node.js براتون بالا بیاره و چک می‌کنید که آیا مسیر GET /health خروجی JSON برمی‌گرداند یا نه.
یه سرویس Judge بر پایه LLM همه چیز رو بررسی و نمره‌دهی می‌کنه. البته حواستون باشه که این سیستم هم خطا داره و مایکروسافت خودش تأکید کرده که نتیجه‌های مهم حتماً باید توسط انسان بررسی بشن.
کجاها به درد می‌خوره؟
تیم‌های مستندسازی می‌تونن بفهمن کجای آموزش‌ها رو Agentها مدام اشتباه می‌فهمن تا اون صفحه رو اصلاح کنن. توسعه‌دهندگان SDK هم می‌تونن ببینن آیا هوش مصنوعی در اولین نگاه اصلاً SDK اونا رو انتخاب می‌کنه یا نه.
مشکلات و پیش‌نیازها چیه؟
نکته اینجاست که نمی‌تونید همین الان برید یه نسخه آنلاین ثبت‌نام کنید؛ Scope نسخه میزبانی شده نداره و باید خودتون روی سیستم یا سرور اجراش کنید.
برای راه‌اندازی محلی به این ابزارها نیاز دارید: Docker با Compose v2، نسخه 22 از Node، pnpm، mkcert و GitHub CLI. تیم‌هایی هم که می‌خوان این رو به شکل گروهی پیاده‌سازی کنن، می‌تونن با استفاده از Helm chart اون رو روی Kubernetes مستقر کنن.
