GitLab Secrets Manager flytter CI/CD-legitimationsoplysninger ind i platformen

En af de mest markante tilføjelser i GitLab 19.0 er GitLab Secrets Manager, der nu er tilgængelig i offentlig beta for Premium- og Ultimate-brugere.

Tidligere var mange organisationer tvunget til at bruge eksterne værktøjer som HashiCorp Vault eller cloud-udbydernes egene tjenester til at opbevare CI/CD-legitimationsoplysninger. GitLabs nye funktion giver teams mulighed for at administrere disse oplysninger direkte i platformen.

Nøglefunktioner inkluderer:

• Opbevaring og hentning af CI/CD-legitimationsoplysninger i GitLab-projekter eller -grupper
• Begrænsning af adgang til specifikke jobs eller miljøer
• Styring af adgang via de samme rettighedskontroller, der allerede anvendes på kildekoden

Ved at knytte credential-håndtering direkte til pipelines og projektrettigheder forsøger GitLab at reducere credential-spredning og håndhæve least-privilege-adgang på tværs af CI/CD-workflows.

AI-drevet merge-automation og agentic workflows

GitLab 19.0 udvider også AI på tværs af merge request (MR)-livscyklussen og bygger videre på virksomhedens 'Developer Flow'-automatisering.

I stedet for kun at bruge AI til kodeforslag kan GitLabs AI-agenter nu assistere med opgaver gennem hele review-processen, herunder:

• Håndtering af reviewer-feedback
• Løsning af merge-konflikter
• Automatisering af rebases
• Udløsning af one-click rebase-and-merge-operationer

Disse funktioner er en del af GitLab Duo Agent Platform, som introducerer agent-drevne workflows designet til at flytte ændringer mere effektivt gennem planlægning, review, sikkerhedstjek og implementering.

Det overordnede mål er at automatisere det manuelle arbejde omkring kodeændringer, som ofte forsinker leverancen, selv når selve kodningen bliver hurtigere.

Selvhostede AI-modeller til regulerede og air-gapped-miljøer

Mange organisationer – især inden for finans, sundhed eller det offentlige – kan ikke sende proprietær kode til hosted AI-tjenester. GitLab 19.0 adresserer dette ved at give teams mulighed for at tilslutte selvhostede open source-AI-modeller via eksterne agenter i Duo Agent Platform.

Denne tilgang gør det muligt for organisationer at:

• Køre AI-modeller på egen infrastruktur
• Holde prompts og kode i kontrollerede miljøer
• Integrere disse modeller i GitLabs automatiseringsworkflows

Support til selvhostede modeller gør AI-assisteret udvikling mulig selv i air-gapped- eller compliance-følsomme miljøer, hvor cloudbaserede AI-tjenester ikke er tilladte.

Ny supply chain-synlighed og sikkerhedskontroller

Udgivelsen styrker også GitLabs software supply chain-sikkerhedsfunktioner, et område der er blevet kritisk, da moderne applikationer i høj grad er afhængige af tredjepartskomponenter.

To store tilføjelser inkluderer:

Components Analytics til CI/CD

Denne funktion giver platform engineering-teams indsigt i, hvilke delte CI/CD-katalogkomponenter og -versioner der bruges på tværs af projekter. Målet er at hjælpe organisationer med at spore pipelinestandarder, opdage forældede komponenter og administrere genbrug på tværs af store ingeniørorganisationer.

SBOM-baseret dependency-scanning

GitLab 19.0 introducerer også forbedret dependency-scanning baseret på software bills of materials (SBOMs), hvilket giver bedre synlighed i open source-afhængigheder og deres sårbarheder tidligere i udviklingsprocessen.

Tilsammen hjælper disse værktøjer teams med at opdage og håndtere supply chain-risici, før softwaren når produktion.

'AI-paradokset' driver GitLabs strategi

GitLab rammesætter mange af disse ændringer som et svar på AI-paradokset – et fænomen, hvor AI dramatisk fremskynder kodeskabelse, men blotlægger flaskehalse i resten af softwarelivscyklussen.

Forskning og brancheundersøgelser citeret af GitLab viser, at mens AI-værktøjer accelererer kodning, forbliver downstream-processer som sikkerhedsreview, testning og compliance fragmenteret på tværs af mange værktøjer. Som et resultat kan organisationer generere mere kode uden at forbedre den samlede leverancehastighed.

GitLabs svar i version 19.0 er, hvad virksomheden kalder 'intelligent orchestration'. Ideen er at samle udvikling, sikkerhed, compliance og AI-automatisering i en enkelt DevSecOps-platform, så workflows kan koordineres frem for at blive syet sammen fra separate værktøjer.

Hvorfor udgivelsen betyder noget for DevSecOps-teams

GitLab 19.0 afspejler et bredere skift i DevSecOps-værktøjer mod platformkonsolidering og AI-assisteret drift. I stedet for at tilføje selvstændige AI-kodningsværktøjer fokuserer udgivelsen på at automatisere de omkringliggende workflows – credential-håndtering, sikkerhedsscanning, CI/CD-governance og merge review.

For ingeniørteams, der administrerer store kodebaser og strenge compliance-krav, repræsenterer kombinationen af integreret credential-håndtering, AI-assisterede merge-workflows, selvhostede AI-modeller og supply chain-analyser et forsøg på at holde sikkerhed og governance i samme tempo som AI-accelereret udvikling.

Om denne tilgang fuldt ud løser 'AI-paradokset' må tiden vise, men GitLab 19.0 signalerer klart et skub mod end-to-end AI-aktiverede DevSecOps-platforme frem for isolerede udviklerværktøjer.

GitLab Secrets Manager flytter CI/CD-legitimationsoplysninger ind i platformen

En af de mest markante tilføjelser i GitLab 19.0 er GitLab Secrets Manager, der nu er tilgængelig i offentlig beta for Premium- og Ultimate-brugere.

Tidligere var mange organisationer tvunget til at bruge eksterne værktøjer som HashiCorp Vault eller cloud-udbydernes egene tjenester til at opbevare CI/CD-legitimationsoplysninger. GitLabs nye funktion giver teams mulighed for at administrere disse oplysninger direkte i platformen.

Nøglefunktioner inkluderer:

• Opbevaring og hentning af CI/CD-legitimationsoplysninger i GitLab-projekter eller -grupper
• Begrænsning af adgang til specifikke jobs eller miljøer
• Styring af adgang via de samme rettighedskontroller, der allerede anvendes på kildekoden

Ved at knytte credential-håndtering direkte til pipelines og projektrettigheder forsøger GitLab at reducere credential-spredning og håndhæve least-privilege-adgang på tværs af CI/CD-workflows.

AI-drevet merge-automation og agentic workflows

GitLab 19.0 udvider også AI på tværs af merge request (MR)-livscyklussen og bygger videre på virksomhedens 'Developer Flow'-automatisering.

I stedet for kun at bruge AI til kodeforslag kan GitLabs AI-agenter nu assistere med opgaver gennem hele review-processen, herunder:

• Håndtering af reviewer-feedback
• Løsning af merge-konflikter
• Automatisering af rebases
• Udløsning af one-click rebase-and-merge-operationer

Disse funktioner er en del af GitLab Duo Agent Platform, som introducerer agent-drevne workflows designet til at flytte ændringer mere effektivt gennem planlægning, review, sikkerhedstjek og implementering.

Det overordnede mål er at automatisere det manuelle arbejde omkring kodeændringer, som ofte forsinker leverancen, selv når selve kodningen bliver hurtigere.

Selvhostede AI-modeller til regulerede og air-gapped-miljøer

Mange organisationer – især inden for finans, sundhed eller det offentlige – kan ikke sende proprietær kode til hosted AI-tjenester. GitLab 19.0 adresserer dette ved at give teams mulighed for at tilslutte selvhostede open source-AI-modeller via eksterne agenter i Duo Agent Platform.

Denne tilgang gør det muligt for organisationer at:

• Køre AI-modeller på egen infrastruktur
• Holde prompts og kode i kontrollerede miljøer
• Integrere disse modeller i GitLabs automatiseringsworkflows

Support til selvhostede modeller gør AI-assisteret udvikling mulig selv i air-gapped- eller compliance-følsomme miljøer, hvor cloudbaserede AI-tjenester ikke er tilladte.

Ny supply chain-synlighed og sikkerhedskontroller

Udgivelsen styrker også GitLabs software supply chain-sikkerhedsfunktioner, et område der er blevet kritisk, da moderne applikationer i høj grad er afhængige af tredjepartskomponenter.

To store tilføjelser inkluderer:

Components Analytics til CI/CD

Denne funktion giver platform engineering-teams indsigt i, hvilke delte CI/CD-katalogkomponenter og -versioner der bruges på tværs af projekter. Målet er at hjælpe organisationer med at spore pipelinestandarder, opdage forældede komponenter og administrere genbrug på tværs af store ingeniørorganisationer.

SBOM-baseret dependency-scanning

GitLab 19.0 introducerer også forbedret dependency-scanning baseret på software bills of materials (SBOMs), hvilket giver bedre synlighed i open source-afhængigheder og deres sårbarheder tidligere i udviklingsprocessen.

Tilsammen hjælper disse værktøjer teams med at opdage og håndtere supply chain-risici, før softwaren når produktion.

'AI-paradokset' driver GitLabs strategi

GitLab rammesætter mange af disse ændringer som et svar på AI-paradokset – et fænomen, hvor AI dramatisk fremskynder kodeskabelse, men blotlægger flaskehalse i resten af softwarelivscyklussen.

Forskning og brancheundersøgelser citeret af GitLab viser, at mens AI-værktøjer accelererer kodning, forbliver downstream-processer som sikkerhedsreview, testning og compliance fragmenteret på tværs af mange værktøjer. Som et resultat kan organisationer generere mere kode uden at forbedre den samlede leverancehastighed.

GitLabs svar i version 19.0 er, hvad virksomheden kalder 'intelligent orchestration'. Ideen er at samle udvikling, sikkerhed, compliance og AI-automatisering i en enkelt DevSecOps-platform, så workflows kan koordineres frem for at blive syet sammen fra separate værktøjer.

Hvorfor udgivelsen betyder noget for DevSecOps-teams

GitLab 19.0 afspejler et bredere skift i DevSecOps-værktøjer mod platformkonsolidering og AI-assisteret drift. I stedet for at tilføje selvstændige AI-kodningsværktøjer fokuserer udgivelsen på at automatisere de omkringliggende workflows – credential-håndtering, sikkerhedsscanning, CI/CD-governance og merge review.

For ingeniørteams, der administrerer store kodebaser og strenge compliance-krav, repræsenterer kombinationen af integreret credential-håndtering, AI-assisterede merge-workflows, selvhostede AI-modeller og supply chain-analyser et forsøg på at holde sikkerhed og governance i samme tempo som AI-accelereret udvikling.

Om denne tilgang fuldt ud løser 'AI-paradokset' må tiden vise, men GitLab 19.0 signalerer klart et skub mod end-to-end AI-aktiverede DevSecOps-platforme frem for isolerede udviklerværktøjer.