Anthropic опубликовала подробный разбор Scion — собственной системы контроля версий, которой компания заменила Git для кода, создаваемого ИИ-агентами Claude. Поводом стал взрывной рост нагрузки: с мая по сентябрь 2026 года средний объём ежедневных слияний вырос с примерно 2 500 до более чем 30 000. Миграцию выполнили семь инженеров за пять месяцев, а инфраструктура Scion, по данным компании, расходует в 200 раз меньше CPU и памяти, чем прежний Git-миринг.

image

Что произошло

Материал вышел в исследовательском блоге Anthropic под названием Redesigning source control at Anthropic: The Scion System и описывает систему, которая уже обслуживает монорепозиторий компании в продакшене. Масштаб, который пришлось выдержать: история основной ветки достигла почти 100 ГБ, сжатая рабочая копия занимает более 25 ГБ, а CI выполняет порядка 25 млн checkout'ов в день — наивная реализация fetch дала бы более 600 ПБ Git-трафика в сутки. Вместе со Scion были созданы инструмент ревью кода Antique, поиск по коду и IAM для системы контроля версий. Компания также сообщает об ускорении checkout в CI с минут до секунд, об экономии 25% CPU в CI и о hit rate кэшей выше 99%.

Контекст

Git проектировался под поведение людей: распределённая офлайн-первая модель считает нормой полный клон истории на машине разработчика, а обмен с сервером сводится к ручным fetch и push. Когда основным автором изменений становится машина, работающая непрерывно, эти допущения ломаются: checkout и fetch выполняются не эпизодически, а постоянным машинным потоком. Scion разворачивает принцип на противоположный — «клиенты всегда онлайн». Коммит создаётся на сервере как запись write-ahead log (changeset), blame, diff и ancestry выдаются клиентам через API, а данные живут не в каждой рабочей копии, а в иерархии кэшей: scion-daemon на узле, scion-cache в регионе и авторитетные scion-servers поверх Spanner и облачного хранилища. Рабочая копия при таком дизайне не обязана быть самодостаточной: вместо полного клона используются sparse и virtualized checkout.

Почему это важно для индустрии

Это первый публичный детальный разбор инфраструктуры контроля версий, спроектированной под ИИ-агентов, а не под людей. Главный урок для билдеров: узкое место агентной разработки сместилось из модели в окружающую её инфраструктуру — когда генерация кода перестала ограничивать скорость, лимитом стали контроль версий, CI и checkout. В ближайшие месяцы разумно ожидать, что вендоры VCS и CI и дев-тулз стартапы начнут анонсировать agent-scale функции: серверные операции, API-first ревью, кэширующие слои для CI, а компании с агентно-тяжёлыми кодовыми базами запустят пилоты частичных миграций или ускоряющих слоёв поверх Git и начнут переосмыслять свой Git-стек целиком. Git при этом, вероятно, сохранится как стандарт для малых и средних команд. На горизонте пары лет вероятна развилка тулчейна на человеко-первый и агенто-первый пути с появлением класса продуктов «VCS под агентов». Всё это — ожидания и гипотезы на основе траектории одной компании, а не установленный тренд.

Почему это важно для пользователей

Напрямую воспользоваться Scion нельзя: в материалах он описан как внутренняя система Anthropic без упоминания продукта, открытого API или open source. Ценность для читателя здесь аналитическая. В статье разобраны решения, которые редко описываются публично: blame как derived data, сравнение с packfile'ами Git, устройство серверного лога изменений и кэш-иерархии. Отдельный интерес представляет сам кейс миграции критичной инфраструктуры посреди активной разработки — пример того, что такая замена осуществима, если у команды есть полный контроль над окружением. Материал также полезен тем, кто следит за устройством внутренних систем, работающих с Claude. Практический первый шаг — прочитать оригинальную статью и сверить метрики собственного агентного пайплайна: число слияний и checkout'ов в день, объём fetch-трафика — с масштабами, приведёнными в ней.

Что пока неизвестно / ограничения

Все ключевые результаты — экономия CPU и памяти относительно прежнего Git-миринга, ускорение checkout, снижение нагрузки на CI и hit rate кэша — заявлены самой Anthropic; независимой проверки этих цифр в открытых источниках нет. Scion описан как внутренняя система: в опубликованных данных не говорится ни о продуктизации, ни об открытом API, ни об open source, поэтому вне Anthropic пользоваться ею пока невозможно. Прогнозы о появлении agent-scale функций у вендоров и о расколе тулчейна на человеко-первый и агенто-первый пути — интерпретации на основе траектории одной компании, а не установленные факты.

Источники

Автор

Look at AI, редакция