Descubre cómo Skyscanner potenció Codex CLI de OpenAI al integrarlo con los IDE de JetBrains y darle a su asistente de IA las mismas herramientas de depuración y pruebas que usan los desarrolladores humanos.
En Skyscanner, siempre buscamos formas de acelerar el desarrollo sin comprometer la calidad. Durante los últimos meses, he estado experimentando con Codex de OpenAI como compañero de programación en mi flujo de trabajo diario.
¿Qué hice diferente? Conecté Codex CLI con los IDE de JetBrains mediante su servidor de Model Context Protocol (MCP). Básicamente, esto permite que la IA vea y use las capacidades del IDE. Esta integración ha marcado un antes y un después. En esta publicación, compartiré cómo darle a Codex acceso a las herramientas de JetBrains mejoró su capacidad para resolver problemas y aceleró nuestro desarrollo.
Darle a Codex el contexto de un IDE
Trabajar con Codex usando el servidor MCP de JetBrains permite que la IA aproveche el amplio contexto de mi entorno de desarrollo, con información que normalmente no podría “ver”.
Con MCP de JetBrains, Codex puede pedirle al IDE contexto adicional, por ejemplo:
- Detectar problemas en archivos: analizar un archivo en busca de errores y advertencias mediante las inspecciones de IntelliJ y devolver los problemas específicos (con sus mensajes de error y ubicaciones).
- Ejecutar configuraciones de ejecución: ejecutar configuraciones predefinidas (como pruebas unitarias, linters o formateadores) y obtener los códigos de salida y la salida generada.
Esto ha resultado sumamente eficaz. Al aprovechar los mismos ciclos de retroalimentación que usan los desarrolladores humanos al escribir, compilar y probar código, Codex puede usar el contexto del IDE para comprobar y verificar sus resultados con mayor eficacia, lo que reduce el tiempo de cada iteración.
Detectar errores más rápido: un ejemplo real
Mientras escribía pruebas unitarias para el manejo de errores en nuestro código que usa el SDK de Java de Databricks, le pedí a Codex que me ayudara a simular un escenario de excepción. Con mucha confianza, generó una línea de código Java similar a esta:
var stubError = new NotFound("dummy error");A primera vista, parece razonable: queremos simular un error NotFound. Pero, momentos después, IntelliJ resaltó esa línea con un llamativo subrayado rojo.
El problema: la clase de excepción NotFound del SDK de Databricks no tiene un constructor que acepte un único argumento de tipo cadena (puedes verlo en el código fuente del SDK de Databricks: NotFound.java). En otras palabras, el código que sugirió Codex nunca iba a compilar.
De forma predeterminada, Codex no detectaría este error. Tal vez solo se daría cuenta de que algo anda mal más adelante, al intentar ejecutar las pruebas. Sin embargo, gracias a la integración con MCP de JetBrains, Codex detectó el error de inmediato. Internamente, Codex llamó a la herramienta get_file_problems del IDE para inspeccionar el archivo, y esta devolvió de inmediato el problema de compilación (ningún constructor coincidía).
Sin MCP, el flujo probablemente habría sido el siguiente:
- Generar código
- Determinar cómo ejecutar las pruebas unitarias
- Ejecutar las pruebas unitarias (posiblemente con la necesidad de solicitar al usuario aprobación para ejecutar comandos)
- Leer y analizar el mensaje de error
- Intentar corregir el error
Con MCP de JetBrains, ese ciclo es mucho más corto:
- Generar código
- Consultar a JetBrains sobre los problemas del archivo
- Corregir el error específico que reporta IntelliJ
Esto ahorró tiempo y contexto, y se sintió muy parecido a programar en pareja con un ingeniero que dice de inmediato: “Ah, esa clase no tiene un constructor así; en realidad, necesita algo diferente. Déjame corregirlo rápido”.
Pruebas y formato predefinidos
Otra ventaja que he disfrutado es dejar que Codex use nuestras herramientas de compilación y pruebas directamente desde el IDE. Para la mayoría de nuestros proyectos, ya tengo configuraciones de ejecución locales definidas en mi IDE, por ejemplo, para ejecutar pruebas, aplicar formato y ejecutar linters. Con MCP de JetBrains, Codex puede descubrir y ejecutar estas configuraciones cuando lo necesita.
En la práctica, esto reduce el tiempo y el contexto que Codex necesita para determinar cómo ejecutar estas funciones, lo que lo ayuda a mantener el foco en el problema original. Con este cambio, he observado que Codex ya no tiene dificultades para ejecutar pruebas, aplicar formato o ejecutar linters.
Por eso, en mis instrucciones personalizadas para el agente, le indico a Codex que ejecute pruebas y linters, y aplique formato después de cada cambio.
## Code edit instructions
After you've finished editing
- Use the jetbrains mcp (if available) to find any problems
- Run format command if available
- Run lint command if availableHe notado que ahora Codex suele resolver los problemas por su cuenta, sin que yo tenga que intervenir. Como desarrollador, lo considero una gran ventaja:
- No tengo que ejecutar pruebas y linters ni aplicar formato manualmente cada vez que Codex cambia algo.
- No tengo que copiar y pegar los mensajes de error en el chat.
- Codex recibe retroalimentación rápida y precisa sobre si sus cambios realmente funcionan, lo que reduce la cantidad de ciclos de retroalimentación.
Esto me da más tiempo para concentrarme en la tarea que tengo entre manos: entregar software de alta calidad que funcione.
Qué significa esto para nuestra forma de desarrollar
Integrar Codex con MCP de JetBrains ha hecho que nuestro asistente de IA sea notablemente más capaz y confiable dentro de nuestro proceso de desarrollo. Estos son algunos de los beneficios prácticos que hemos observado:
- Ciclos de retroalimentación más rápidos: Codex recibe información inmediata del IDE sobre los errores de compilación y las pruebas que fallan.
- Menos intercambios de prompts: Codex no siempre tiene que esperar a que yo ejecute algo y pegue un mensaje de error; puede consultar al IDE directamente.
- Sugerencias de mayor calidad: como Codex puede ver lo mismo que el IDE, es más probable que sus correcciones compilen y pasen las pruebas en el primer intento.
- Mejor adaptación a los flujos de trabajo existentes: Codex se integra con nuestras herramientas actuales, en lugar de inventar las suyas.
En conjunto, esto ha convertido a Codex, que antes era una herramienta independiente, en una parte más integrada de nuestro ecosistema de desarrollo.
Resumen
Para nosotros en Skyscanner, la principal lección ha sido simple: el contexto lo es todo. Codex por sí solo es potente, pero con acceso al contexto del IDE es mucho más eficaz. Este contexto le permite a Codex comprender mejor la situación y generar correcciones precisas con mayor rapidez, lo que aumenta aún más mi confianza en sus resultados.
Esperamos que nuestra experiencia inspire a otros a experimentar con estas integraciones. Se siente mucho menos como usar una herramienta y mucho más como colaborar con un compañero de programación de IA que puede ver lo mismo que nosotros.