Atlassian mở Teamwork Graph cho AI agent: MCP và CLI beta có ý nghĩa gì?

Điểm khác biệt nằm ở đối tượng sử dụng. Đường MCP hướng tới các agent cần lấy ngữ cảnh khi làm việc. Đường CLI hướng tới nhà phát triển và quy trình kỹ thuật, đưa truy vấn graph vào terminal, môi trường lập trình và các công cụ coding agent như Claude Code hoặc Cursor, theo các bài tường thuật về đợt ra mắt .

Teamwork Graph bổ sung loại ngữ cảnh nào?

Atlassian mô tả Teamwork Graph như lớp ngữ cảnh chung đứng sau các trải nghiệm AI của hãng. Theo tường thuật về Team ’26, đây là một bản đồ sống kết nối con người, dự án, tài liệu, quyết định và công việc trên các công cụ của Atlassian cũng như công cụ bên thứ ba, với hơn 150 tỷ kết nối . Trang sản phẩm của Atlassian cũng nói các nhóm có thể kết nối agent với graph để lấy ngữ cảnh Atlassian liên thông từ Jira, Confluence, Jira Service Management, Loom và những công cụ bên thứ ba đã tích hợp .

Đây là phần cốt lõi của thông báo. Một mô hình ngôn ngữ lớn có thể xử lý văn bản, nhưng công việc trong doanh nghiệp thường phụ thuộc vào quan hệ: tài liệu này thuộc dự án nào, issue nào đang chặn đợt phát hành, nhóm nào chịu trách nhiệm cho một quyết định, hay ticket dịch vụ nào liên quan tới vấn đề của khách hàng. Teamwork Graph là cách Atlassian cố gắng biến các quan hệ đó thành ngữ cảnh có cấu trúc cho AI, thay vì một khối văn bản dài và lẫn lộn.

MCP beta: để agent hỏi đúng ngữ cảnh hơn

Bộ công cụ MCP cho AI agent một cách hẹp hơn để lấy ngữ cảnh công việc từ Teamwork Graph. TechTarget cho biết các công cụ MCP và CLI beta giúp agent trong Rovo cũng như nền tảng bên thứ ba truy cập dữ liệu Teamwork Graph ở mức chi tiết hơn, bao gồm quan hệ giữa các tài sản dữ liệu, để dẫn dắt tự động hóa bằng agent . SiliconANGLE cũng tường thuật rằng Atlassian đang mở graph cho agent và công cụ bên ngoài thông qua công cụ Teamwork Graph được cung cấp qua MCP server của Rovo .

Với doanh nghiệp, thay đổi quan trọng là tính chọn lọc. Thay vì đẩy cả biển kết quả tìm kiếm, bản sao tài liệu hoặc lịch sử dài vào mô hình, agent có thể hỏi graph để lấy phần ngữ cảnh liên quan hơn. Graph càng phản ánh đúng công việc thực tế, lớp truy xuất này càng có cơ hội hữu ích.

CLI beta: đưa graph vào terminal và workflow lập trình

Teamwork Graph CLI là đường vào dành cho dòng lệnh. Blog Team ’26 của Atlassian nói Teamwork Graph sẽ có thể truy cập qua các agent trong trình duyệt, ứng dụng di động và terminal, đồng thời giới thiệu Teamwork Graph CLI ở dạng Open Beta . SiliconANGLE cho biết CLI có hơn 300 lệnh và có thể cho phép coding agent truy vấn công việc cũng như các quan hệ trong graph .

Vì vậy, CLI đặc biệt đáng chú ý với đội phần mềm vốn đã làm việc trong terminal và công cụ hỗ trợ code. Một coding agent, chẳng hạn, có thể cần ngữ cảnh từ issue Jira, trang Confluence liên quan, thông tin chủ sở hữu hoặc quan hệ dự án trước khi đề xuất cách triển khai. CLI được thiết kế để đưa ngữ cảnh graph tới đúng nơi nhà phát triển đang làm việc .

Vì sao có thể giảm chi phí token?

Lập luận về chi phí token xoay quanh độ chính xác của truy xuất. TechTarget cho biết các công cụ MCP và CLI beta của Atlassian nhằm giảm trao đổi dữ liệu nhiễu giữa các agent bằng cách cho chúng truy cập ngữ cảnh Teamwork Graph ở mức chi tiết hơn . Atlassian cũng nói benchmark của hãng cho thấy khi phản hồi được grounding bằng dữ liệu Teamwork Graph, kết quả chính xác hơn 44% trong khi dùng ít hơn 48% token .

Cơ chế ở đây không phải là nén dữ liệu kiểu thần kỳ. Nó là cách cấp ngữ cảnh khác. Nếu agent có thể lấy đúng issue, trang tài liệu, người phụ trách, quyết định, phụ thuộc hoặc quan hệ cần thiết, nó không phải gửi quá nhiều văn bản không liên quan vào mô hình. Điều đó có thể giảm tình trạng prompt phình to, nơi chi phí token và độ trễ thường tích tụ trong workflow AI doanh nghiệp .

Tuy nhiên, cần đọc kỹ con số. Mức tăng chính xác 44% và giảm 48% token là tuyên bố benchmark của Atlassian, không phải cam kết phổ quát cho mọi môi trường . Kết quả thực tế sẽ phụ thuộc vào độ bao phủ của graph, chất lượng dữ liệu, mô hình được dùng, cách cấu hình truy xuất và cách từng doanh nghiệp nối MCP hoặc CLI vào workflow agent.

Doanh nghiệp nên chú ý điều gì khi công cụ còn beta?

Với tổ chức đã đầu tư vào hệ sinh thái Atlassian, bản cập nhật này có thể làm AI agent hữu ích hơn vì agent được tiếp cận ngữ cảnh công việc trên Atlassian và các công cụ đã kết nối. Atlassian nói việc mở Teamwork Graph nhằm giúp Rovo và agent trong hệ sinh thái tìm kiếm, suy luận và hành động an toàn trên nhiều công cụ và nhóm . Tài liệu sản phẩm của hãng cũng nhấn mạnh khả năng agent lấy ngữ cảnh liên thông từ Jira, Confluence, Jira Service Management, Loom và các công cụ bên thứ ba đã tích hợp .

Vì các lối truy cập này được mô tả là beta hoặc Open Beta, doanh nghiệp không nên mặc định rằng tiết kiệm token sẽ tự động xuất hiện . Một số câu hỏi kiểm chứng thực tế gồm:

• Graph có bao phủ các nguồn Jira, Confluence, Jira Service Management, Loom và công cụ bên thứ ba mà agent của bạn thật sự cần không ?
• Agent dùng MCP có lấy được ngữ cảnh liên quan hơn so với quy trình tìm kiếm hoặc retrieval hiện tại không ?
• Dữ liệu telemetry về token có cho thấy prompt ngắn hơn mà chất lượng câu trả lời không giảm không ?
• Cơ chế bảo mật, kiểm soát truy cập và audit có đủ cho các agent có thể tìm kiếm, suy luận và hành động trên nhiều công cụ không ?
• CLI có hữu ích trong workflow thực của nhà phát triển, nhất là nơi coding agent cần ngữ cảnh về dự án và phụ thuộc không ?

Kết luận

Atlassian đã mở hai đường beta để AI agent truy cập Teamwork Graph: công cụ Teamwork Graph qua MCP server của Rovo và Teamwork Graph CLI . Ý tưởng chiến lược là agent sẽ hữu ích hơn khi truy xuất được ngữ cảnh công việc có cấu trúc từ graph của nhóm, dự án, tài liệu, quyết định và công việc liên quan, thay vì dựa vào cách nhồi prompt với dữ liệu rộng và nhiều nhiễu . Lời hứa kinh tế là ít token lãng phí hơn và câu trả lời tốt hơn, nhưng phiên bản mạnh nhất của lời hứa đó vẫn cần được chứng minh trong từng môi trường doanh nghiệp cụ thể .