AI-agents voor LaunchDarkly
Een Monmo-agent werkt in LaunchDarkly zoals een release manager die het auditlogboek doorneemt. De agent vindt flags die maanden geleden al verwijderd hadden moeten worden, plant gefaseerde uitrol stap voor stap, vertelt wie een flag heeft gewijzigd en wanneer, en legt experimentresultaten uit in begrijpelijke taal. De agent gebruikt het access token dat je koppelt en vraagt eerst toestemming voordat hij een flag aan- of uitzet, targeting wijzigt of iets archiveert.
Bijgewerkt op 2026-11-13 · Gratis beginnen. Betaalde abonnementen vanaf $15 per maand.
Wat AI-agents doen in LaunchDarkly
Oude flags vinden en verwijderen
De agent maakt een lijst van flags die langer dan 30 dagen als uitgerold of inactief staan, controleert verwijzingen ernaar in GitHub en maakt per flag een concept-pullrequest om die uit de code te verwijderen. Voor zowel het mergen als het archiveren vraagt hij eerst toestemming.
VraagZoek flags die in productie al 30 dagen dezelfde variant tonen en open voor de eerste vijf pullrequests om ze op te ruimen.
Achterhalen wie een flag wijzigde en waarom
Vraag waarom de nieuwe checkout gisteren voor iedereen zichtbaar werd. De agent leest het auditlogboek van die flag en zoekt de wijziging, wie die maakte, de bijbehorende opmerking en de omgeving waarin dit gebeurde.
VraagWie heeft gisteren de new-checkout-flag in productie gewijzigd, wat is er precies veranderd en stond er een opmerking bij?
Een gefaseerde uitrol plannen
De agent maakt een uitrolplan, bijvoorbeeld via 5, 25, 50 en dan 100 procent, met het foutpercentage in Datadog om tussen de stappen te controleren. Elke stap krijgt een eigen kaart, zodat je pas verdergaat als de cijfers er goed uitzien.
VraagPlan de uitrol van de search-v2-flag naar 100 procent over een week en controleer het foutpercentage tussen de stappen.
Targeting tussen omgevingen vergelijken
De agent zet de regels, individuele targets, segmenten en standaardvarianten van een flag in staging en productie naast elkaar. Hij wijst op verschillen die iemand die in staging test kunnen verrassen.
VraagVergelijk de pricing-page-flag in staging en productie en vertel me wat zich anders gedraagt.
Snel een flag uitschakelen
Vraag de agent tijdens een incident om een flag uit te zetten. Hij bereidt de wijziging voor op één kaart, met de omgeving en het effect erbij. Zo kun je die in enkele seconden goedkeuren in plaats van in de interface te moeten zoeken.
VraagDe nieuwe aanbevelingenwidget veroorzaakt fouten. Bereid nu voor om de bijbehorende flag in productie uit te zetten.
Experimentresultaten uitleggen
Bij een afgerond experiment leest de agent de resultaten per variant, geeft aan hoe zeker de resultaten zijn en hoe groot de steekproef was, en schrijft een korte samenvatting. Jij bepaalt welke variant wint.
VraagVat het onboarding-copy-experiment samen in begrijpelijke taal. Is het verschil echt of is het te vroeg om dat te zeggen?
Flags goed beschreven houden
De agent vindt flags zonder beschrijving, beheerder of tags. Op basis van de code en het Jira-issue waarmee de flag is toegevoegd, schrijft hij voor elke flag een korte beschrijving van het doel en stelt hij de wijzigingen als één batch voor.
VraagMaak een lijst van flags zonder beschrijving of beheerder en stel beide voor op basis van de code en het oorspronkelijke Jira-issue.
Hoe de koppeling werkt
- 1Je maakt een access token aan in LaunchDarkly en koppelt dit eenmalig. De rol Reader is geschikt voor rapportages en audits. Voor wijzigingen is Writer nodig of een aangepaste rol die beperkt is tot gekozen projecten en omgevingen.
- 2LaunchDarkly hoort bij je engineering-agent. Een product- of data-agent kan via dezelfde koppeling experimentresultaten lezen; andere agents hebben die niet nodig.
- 3Voor het lezen van flags, het auditlogboek en experimentresultaten is geen toestemming nodig. Voor het aan- of uitzetten van een flag, het wijzigen van targeting of uitrolpercentages, het aanpassen van een segment en het archiveren van een flag vraagt de agent eerst toestemming. Als je goedkeuring vereist voor productie, doorloopt het verzoek van de agent ook die procedure.
Veelgestelde vragen
Kan een AI-agent feature flags wijzigen in LaunchDarkly?
Ja, één goedgekeurde wijziging tegelijk. Een Monmo-agent bereidt het aan- of uitzetten van een flag, een nieuwe targetingregel of de volgende uitrolstap voor en toont de flag, omgeving en het effect op een kaart. Na je toestemming wordt de wijziging uitgevoerd via de LaunchDarkly-koppeling, of in de eigen browser van de agent als de koppeling iets niet ondersteunt.
Hoe kan AI helpen oude feature flags op te ruimen?
Bij het opruimen van flags kost vooral het vinden van de code tijd. De AI-agent maakt een lijst van flags die al weken dezelfde variant tonen, zoekt de verwijzingen ernaar in GitHub, maakt per flag een concept-pullrequest om die te verwijderen en archiveert de flag na het mergen. Voor zowel het mergen als het archiveren wacht de agent op je toestemming.
Is het veilig om een AI-agent een LaunchDarkly-token te geven?
Geef de agent alleen de rechten die nodig zijn. Een Reader-token volstaat voor audits, rapportages en samenvattingen van experimenten. Wil je de agent wijzigingen laten uitvoeren, gebruik dan een aangepaste rol die beperkt is tot de betrokken projecten en omgevingen. Elke wijziging wacht nog steeds op je toestemming en je kunt het token op elk moment intrekken.
Kan een AI-agent een gefaseerde uitrol voor me uitvoeren?
Een AI-agent kan de stappen plannen en elke stap uitvoeren zodra je toestemming geeft. Tussen de stappen controleert de agent de meetwaarden die je kiest, zoals het foutpercentage in Datadog of de conversie in Amplitude, en vertelt hij of die op peil zijn gebleven. Als er iets mis lijkt, adviseert de agent om te pauzeren of terug te draaien in plaats van de volgende stap uit te voeren.
Je volgende collegakan vandaag al beginnen.
Maak je eerste AI-agent in een minuut. Je begint gratis.