MCP-сервер Atlassian набрал миллион пользователей в месяц
MCP-сервер Atlassian и Teamwork Graph CLI в четвертом квартале 2026 финансового года набрали миллион активных пользователей в месяц, сообщила Atlassian 6 августа 2026 года: за один квартал показатель вырос более чем вдвое. Оба инструмента дают ИИ-агентам доступ к Teamwork Graph, карте документов, задач, кода и людей компании у Atlassian. Для бизнеса эта цифра показывает, что агентов подключают к реальному рабочему контексту, а не только к окну чата.
Почему ИИ-агентам на работе нужен контекст компании
Довод Atlassian в том, что модели больше не самая дефицитная часть корпоративного ИИ. В письме акционерам за четвертый квартал 2026 финансового года компания пишет, что организации могут нанимать интеллект по токенам, а вот контекст построить намного труднее и нанять нельзя.
Агент, который не знает прошлых решений команды, открытых задач, кода и ответственных, дает общие ответы. Письмо Atlassian показывает разницу на примерах: простой пересказ 12 открытых задач против заметки, что три из них блокируют цель спринта команды платежей. Компания помечает эти примеры как иллюстративные.
Что Atlassian построила вокруг Teamwork Graph
Teamwork Graph это ответ Atlassian. Компания описывает его как единый граф, который связывает миллиарды объектов в шести контекстах: знания, работа, коммуникации, код, активы и люди. Он берет данные не только из Jira, Confluence, Loom и Bitbucket, но и из сторонних инструментов вроде Google Drive, Slack, Gmail, Outlook, GitHub, Salesforce и Workday.
Поверх графа стоят Rovo, ИИ-продукт Atlassian, и два способа для агентов добраться до данных: MCP-сервер Atlassian и Teamwork Graph CLI. Atlassian говорит, что компании используют ее открытую платформу, чтобы безопасно разворачивать агентов в организациях с контекстом Teamwork Graph.
«В эпоху ИИ контекст это преимущество, но его трудно построить, и его нельзя нанять». Майк Кэннон-Брукс, генеральный директор и сооснователь Atlassian
Как агенты используют его в Jira и службах поддержки
В том же квартале Atlassian выпустила агентные функции разработки в Jira. Инженеры могут превращать замысел в спецификации для агентов, поручать работу агентам-программистам, следить за сессиями, автоматизировать инженерные циклы и сопоставлять расходы на ИИ с результатом.
Команды поддержки используют граф через Service Collection, куда входят Jira Service Management и Rovo. Atlassian говорит, что клиенты разворачивают больше служб поддержки на базе ИИ, а агентная автоматизация в Service Collection за последние 6 месяцев выросла почти в 3 раза.
Для регулируемых клиентов Atlassian открыла общий доступ к Isolated Cloud с физически отдельными облачными средами и заблокированной выгрузкой данных. Компания также выпустила административные средства контроля ИИ для корпоративных редакций и добавила Rovo в приложения, подпадающие под HIPAA.
Что показывают цифры использования
Главная цифра появилась 6 августа 2026 года. Atlassian сообщила, что ее MCP-сервер и Teamwork Graph CLI превысили миллион активных пользователей в месяц в четвертом квартале, больше чем удвоив показатель за один квартал.
Использование Rovo росло рядом. Число действий с помощью Rovo выросло более чем на 50% по сравнению с прошлым кварталом, и компания говорит, что более 80% компаний из Fortune 500 теперь используют Rovo. Atlassian также сообщает, что пользователи Rovo закрывают на 20% больше рабочих задач в Jira и создают или правят на 25% больше страниц в Confluence, чем те, кто им не пользуется. Это собственные сравнения компании между пользователями и непользователями, а не контролируемое исследование.
Финансовые результаты квартала тоже выросли. Выручка составила 1766 млн долларов, на 28% больше год к году, облачная выручка 1213 млн долларов, на 31% больше, операционная маржа по GAAP 12%.
Что это меняет для компаний, внедряющих ИИ-агентов
Бизнес-задача здесь в том, чтобы дать агентам достаточно контекста для полезной работы вместо общих черновиков. Цифры Atlassian говорят, что компании, у которых больше работы подключено, тратят больше на ИИ: клиенты Teamwork Collection используют более чем в 2 раза больше кредитов ИИ на пользователя и развертывают в 2 раза больше активных агентов, чем отдельные клиенты, говорит компания.
Для покупателя в этом и состоит обмен. Агент, подключенный к задачам, документам и коду, отвечает с учетом решений своей команды, но и углубляет зависимость от одной платформы, которая хранит этот контекст. У Atlassian уже более 350 000 организаций пользуются ее продуктами, так что граф начинает с многолетних данных о работе.
Что Atlassian сообщила за 2026 финансовый год
За полный финансовый год, закончившийся 30 июня 2026 года, общая выручка составила 6572 млн долларов, на 26% больше. Годовая повторяющаяся выручка по подпискам достигла 6606 млн долларов, на 23% больше, а оставшиеся обязательства по исполнению выросли на 44% до 4817 млн долларов. Atlassian говорит, что в четвертом квартале подписала крупнейшую корпоративную сделку в своей истории с одной из крупнейших потребительских технологических компаний мира.
Вопросы и ответы
Сколько человек пользуются MCP-сервером Atlassian?
Atlassian говорит, что ее MCP-сервер и Teamwork Graph CLI вместе превысили миллион активных пользователей в месяц в четвертом квартале 2026 финансового года, больше чем удвоив показатель за один квартал. Отдельной цифры по каждому из них компания не называет.
Что такое Teamwork Graph?
Это карта работы компании у Atlassian: она связывает миллиарды объектов в знаниях, работе, коммуникациях, коде, активах и людях и берет данные из приложений Atlassian и сторонних инструментов.
Повышает ли Rovo продуктивность команд?
Atlassian сообщает, что пользователи Rovo закрывают на 20% больше рабочих задач в Jira и создают или правят на 25% больше страниц в Confluence, чем те, кто им не пользуется. Компания не говорит, что это измеряли по контрольной группе.
Взгляд MOZGII
Как бы мы это построили
Урок случая Atlassian в том, что агент полезен ровно настолько, насколько он видит. Модель, которая читает задачу, документ с дизайном и ревью кода, дает команде ее собственный ответ. Модель, которая ничего этого не видит, дает шаблон.
Если бы мы строили такое внутри компании, мы бы начали с прав доступа, а не с модели. Каждый объект в графе нес бы те же правила доступа, что и в исходном инструменте, а агент видел бы только то, что видит спрашивающий. Сначала мы бы подключили три источника: трекер задач, хранилище документов и репозиторий кода, потому что в них лежит большинство решений. Руководитель команды первые недели проверял бы предложения агента и отмечал неверные связи, которые он нашел между объектами.
Система дала бы сбой там, где источники расходятся. Старый документ, который противоречит более новой задаче, обычное дело, а агент, который не отличает актуальное, будет уверенно повторять устаревшее. Вторая брешь это устаревшие ответственные: человек, названный в графе владельцем, мог перейти в другую команду. Единственный показатель, за которым мы бы следили: как часто человек принимает результат агента без переписывания, в разрезе команд.
Следующим шагом мы бы сделали проверку свежести, которая отмечает каждый документ и каждую запись о владельце, не обновлявшиеся в графе за заданный срок, чтобы агент говорил, когда его контекст устарел.
Источники
Откуда взяты факты этой новости.