소프트웨어 개발은 정적 코드에서 개발자와 AI가 실시간으로 공동 창작하는 라이브 시스템 오케스트레이션으로 진화하고 있습니다. Agent Runtime 캔버스 확장 기능으로 시연된 GitHub Copilot App Canvas는 소프트웨어 구축의 이러한 변화를 촉진합니다. 캔버스는 최종 사용자를 위한 것이 아니라 개발자와 AI가 실행 중인 소프트웨어를 관찰하고 형성하기 위한 것입니다. 이는 인간과 AI 에이전트가 라이브 시스템 모델과 상호 작용할 수 있는 공유 표면 역할을 합니다.Agent Runtime 캔버스는 설계 및 진화 중에 다중 에이전트 시스템에 대한 관찰 가능성과 제어를 제공합니다. 이는 인간과 AI 에이전트가 동시에 편집할 수 있는 단일 SystemModel을 시각화합니다. 이 캔버스는 요구 사항, 활성 에이전트, 작업 흐름, 중간 아티팩트, 유효성 검사 결과, 라이브 시스템 상태 및 변경 타임라인을 표시합니다. 이러한 패널은 개발 관찰 가능성을 위한 것이며 최종 사용자 프로덕션 인터페이스를 위한 것이 아닙니다.AI 에이전트는 분해, 실행, 유효성 검사, 설계 업데이트 및 상태 추적의 다섯 가지 특정 작업을 호출하여 시스템과 상호 작용합니다. 인간 제어와 이러한 AI 작업은 동일한 공유 저장소를 통해 전달되어 통합된 상호 작용 모델을 만듭니다. 데모의 핵심은 모든 연결된 패널에 모든 변경 사항을 브로드캐스트하여 단일 진실 공급원을 보장하는 SystemStore입니다.인간 제어와 AI 작업은 동일한 기본 저장소 메서드에 매핑되므로 인간이나 AI 모두 특권을 갖지 않습니다. 시스템 실행은 작업 그래프를 시각적으로 진행시켜 각 작업의 수명 주기와 활성 에이전트를 보여줍니다. 종속성이 실패하면 다운스트림 작업이 차단으로 표시되는 등 실패 전파도 관찰 가능합니다.유효성 검사는 1급 기능으로, 테스트는 정적 코드가 아닌 라이브 시스템 모델의 속성을 주장합니다. 이는 분해, 실행, 유효성 검사, 재설계 및 재유효성 검사의 지속적이고 시각적인 피드백 루프를 만듭니다. 데모를 실행하려면 캔버스 지원이 있는 GitHub Copilot CLI와 제공된 리포지토리 복제가 필요합니다. 확장 기능은 로컬 작업 공간에서 자동으로 검색되며, Copilot에게 특정 요구 사항으로 Agent Runtime 캔버스를 열도록 요청하여 시작할 수 있습니다.캔버스의 주요 사용 사례는 디버깅이 어려운 것으로 악명 높은 에이전트 시스템의 관찰 가능성입니다. 캔버스는 프로덕션 UI가 일반적으로 숨기는 중간 상태, 조정 순서 및 실패 캐스케이드를 노출합니다. 이는 팀이 에이전트 도구를 채택함에 따라 캔버스를 AI 작업을 이해하고 제어하는 중요한 도구로 재구성합니다. 공유 버전 관리 저장소를 갖춘 데모의 아키텍처는 다중 사용자 협업을 지원하며, 향후 개발을 위한 개방형 연구 질문을 제시합니다.