論文の概要: Specification-Driven DevOps for Multi-Service Environments
- arxiv url: http://arxiv.org/abs/2607.25141v1
- Date: Mon, 27 Jul 2026 23:22:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.655076
- Title: Specification-Driven DevOps for Multi-Service Environments
- Title（参考訳）: マルチサービス環境のための仕様駆動DevOps
- Abstract要約: 大規模言語モデル(LLM)は、リポジトリアーティファクトから実行可能なソフトウェア環境を生成するために、ますます使われています。
本研究では,レポジトリコンテンツを使用したマルチサービスアプリケーション用のDockerfileとDocker Composeを,フロンティアLLMが生成できるかどうかを検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) are increasingly used to generate executable software environments from repository artifacts. However, functional executability does not necessarily imply conformity with architectural, security, workflow, and production intent. This study investigates whether a frontier LLM can generate Dockerfiles and Docker Compose configurations for multi-service applications using repository contents without access to developer-authored deployment artifacts. Three heterogeneous repositories combining Python, Node.js, .NET, React, Rust, Java, Redis, PostgreSQL, and MySQL-compatible infrastructure were evaluated using deterministic end-to-end HTTP oracles and manual structural comparison. All three generated environments became functionally operational, although one required a Rust base-image update from version 1.85 to 1.88. The model correctly reconstructed service topology, application ports, infrastructure dependencies, service hostnames, a background worker, hidden proxy configurations, and a file-based Docker secrets mechanism. However, it consistently omitted network segmentation, multi-stage builds, dependency-layer caching, live-reload volumes, production frontend serving, restrictive backend-port policies, and cross-platform build logic. Based on these observations, the study formalizes the distinction between functional correctness and deployment-intent fidelity and analytically derives a minimal explicit deployment specification for information that cannot be reliably inferred from repository artifacts.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、リポジトリアーティファクトから実行可能なソフトウェア環境を生成するために、ますます使われています。
しかし、機能的な実行可能性は、必ずしもアーキテクチャ、セキュリティ、ワークフロー、本番の意図と一致しない。
本研究では,開発者の許可したデプロイメントアーティファクトにアクセスせずに,リポジトリの内容を使用して,DockerfileとDocker Compose構成をマルチサービスアプリケーションに生成できるかどうかを検討する。
Python、Node.js、.jsを組み合わせた3つの異種リポジトリ。
NET、React、Rust、Java、Redis、PostgreSQL、MySQL互換のインフラストラクチャは、決定論的なエンドツーエンドHTTPオーラクルと手作業による構造比較を使用して評価された。
3つの生成された環境はすべて機能的に動作したが、1つはRustのベースイメージをバージョン1.85からバージョン1.88にアップデートする必要があった。
このモデルは、サービストポロジ、アプリケーションポート、インフラストラクチャ依存関係、サービスホスト名、バックグラウンドワーカー、隠れプロキシ設定、ファイルベースのDockerシークレットメカニズムを正しく再構築した。
しかし、ネットワークセグメンテーション、マルチステージビルド、依存性層キャッシング、ライブリロードボリューム、プロダクションフロントエンドサービス、制限付きバックエンドポートポリシー、クロスプラットフォームビルドロジックを一貫して省略した。
これらの観測に基づいて, 機能的正当性と展開意図忠実性の区別を定式化し, リポジトリアーティファクトから確実に推測できない情報に対して, 最小限の明示的展開仕様を解析的に導出する。
関連論文リスト
- Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments [89.86581796261123]
それぞれの軌道を再利用可能な環境に変えるためのフレームワークである Terminal-Universe を紹介する。
Terminal-Universeは、トラジェクトリに記録されたファイル操作をリプレイして、エージェントが変更する前に各ファイルを復元し、部分的なワークスペースを生成する。
また、タスクは幅と深さの2つの軸に沿ってスケールします。
論文 参考訳（メタデータ） (2026-09-03T17:41:05Z) - Benchmarking AI Agents for Hardware Design Automation via MCP Tool Calling [1.6639892342953113]
ローカルにデプロイされた大規模言語モデルを利用したAIエージェントが、業界現実的なツールコール設定で、専門家が定義したハードウェア設計を確実に自動化できるかどうかを問う。
この設定を研究するために、組み込みシステム開発に使用されるプロプライエタリなハードウェア設計ツールの状態と依存性ロジックを再現するモデルコンテキストプロトコル(MCP)サーバを構築した。
我々は、システムプロンプト、ツール記述の詳細、コンテキストスコープ、シングルエージェント対マルチエージェントアーキテクチャを含むパイプライン選択を比較した7つのオープンソースモデルを評価する。
論文 参考訳（メタデータ） (2026-08-25T15:33:50Z) - CodeSpec: Dual Executable Specifications for Agentic Long-Horizon Feature Development [7.386271204083454]
本稿では,リポジトリレベルの機能開発のための2つの実行可能な仕様手法であるCodeSpecを提案する。
リポジトリアーキテクチャとサブ要求セマンティクスをペアリングするエビデンスから、信頼性の高い機能チェーンを構築する。
既存のリポジトリの機能開発をターゲットにしたFeatureBenchでは、CodeSpecが70.7%、55.0%、49.9%のパスレートを達成した。
論文 参考訳（メタデータ） (2026-07-29T11:20:49Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - Taming the Drift: Context-aware Repair of Dockerfile Drift during Software Evolution [52.50730821321986]
Cadreは、Dockerfileの自動ドリフト修復のためのコンテキスト認識フレームワークである。
CDGは、各Dockerfile命令をファイルレベルとインストラクション間の依存関係にマップする。
DodeXはGitHub Actions CIログから現実のDockerfileドリフトインスタンスをマイニングする。
論文 参考訳（メタデータ） (2026-07-14T09:12:26Z) - SMOCS: A Streaming Framework for Simplified Deployment, Monitoring, and Optimization of ML Systems in Production [0.7537220883022466]
機械学習は、科学施設のリアルタイムモニタリング、最適化、制御において大きな可能性を証明している。
運用環境におけるMLモデルのデプロイとメンテナンスは、依然として重要なエンジニアリング上の課題である。
私たちは、この課題に3つのコントリビューションを通じて対処する、Kafkaベースのコンテナ化フレームワークであるSMOCSを紹介します。
論文 参考訳（メタデータ） (2026-07-02T19:43:19Z) - Learning to Commit: Generating Organic Pull Requests via Online Repository Memory [11.042326503752756]
大きな言語モデル(LLM)ベースのコーディングエージェントは、制御されたベンチマークで印象的な結果を得るが、実際のメンテナが拒否するプルリクエストを定期的に生成する。
オンラインリポジトリメモリを通じてこのギャップを埋めるフレームワークであるLearning to Commitを紹介します。
論文 参考訳（メタデータ） (2026-03-27T17:58:56Z) - Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。
複数の多様な実装設計を生成することで、線形パッチから切り離される。
NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
論文 参考訳（メタデータ） (2026-03-02T12:50:40Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - EnvScaler: Scaling Tool-Interactive Environments for LLM Agent via Programmatic Synthesis [101.67583081810136]
大規模言語モデル(LLM)は、様々な現実世界環境においてエージェントとして機能するよう訓練されることが期待されている。
このプロセスはリッチで多様なツール・インタラクション・サンドボックスに依存している。
スケーラブルなツールインタラクション環境のための自動化フレームワークであるEnvScalerを提案する。
論文 参考訳（メタデータ） (2026-01-09T14:32:06Z) - A General Solution for the Implementation of CI/CD in Embedded Linux Development [0.6445605125467574]
本研究は,Yocto Project を用いた Linux ベースのオペレーティングシステムの開発,構築,テストのための,統合的で再現可能なインフラの設計と実装を目的とした。
提案した構造は,メインのYoctoリポジトリ,カスタムレイヤ(meta-custom),コーディネートされたマニフェストレイヤで構成される3層アーキテクチャに基づいて実装された。
継続的インテグレーションと継続的デプロイメントパイプラインはGitLab CIで実装され、ビルドとテストの自動化と合理化のために、分離されたDocker環境と組み合わせられた。
論文 参考訳（メタデータ） (2025-10-22T04:48:41Z) - EnvBench: A Benchmark for Automated Environment Setup [76.02998475135824]
大規模言語モデルにより、研究者はソフトウェア工学領域における実用的なリポジトリレベルのタスクに集中できるようになった。
環境設定に関する既存の研究は革新的なエージェント戦略を導入しているが、その評価は小さなデータセットに基づいていることが多い。
このギャップに対処するため、包括的環境設定ベンチマークEnvBenchを紹介します。
論文 参考訳（メタデータ） (2025-03-18T17:19:12Z) - Repo2Run: Automated Building Executable Environment for Code Repository at Scale [10.143091612327602]
大規模なリポジトリに対して実行可能なテスト環境の構築を自動化するためのエージェントであるRepo2Runを紹介します。
Repo2RunはDockerイメージを反復的にビルドし、建物のフィードバックに基づいてユニットテストを実行し、Dockerfileを合成する。
結果のDockerfileを使用して、コードとテストを実行するDockerコンテナ環境を作成することができる。
論文 参考訳（メタデータ） (2025-02-19T12:51:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。