AREX Feed Article
Atlassian 与 OpenAI 扩大战略合作：前沿模型接入 Rovo，ChatGPT 与 Codex 连上 Jira 和 Confluence
10 月 6 日，Atlassian 在宣布扩大与 OpenAI 的战略合作：把 OpenAI 的前沿模型接入 Atlassian 的 Teamwork Graph（连接人员、项目、文档与决策的上下文层）与 Rovo，用于跨 Jira、Confluence 等工作流的规划、构建和交付；ChatGPT 和 Codex 也经 Atlassian 的 MCP（Model Context Protocol，模型上下文协议）服务器接入企业的工作上下文。，称双方合作要把前沿模型与企业知识连接起来，帮助团队规划、构建和交付工作。
Atlassian 在公告里把这次更新分成两档。「Available now（已可用）」的一档包括：OpenAI 模型支撑 Rovo 和 Atlassian 平台的智能推理；开发者和团队可以经 Atlassian MCP，把 ChatGPT 和 Codex 接入企业上下文；DX 提供对开发者影响的可见性。「On the horizon（地平线上）」的另一档，则是自主智能体与多智能体编排等仍在设计中的能力。
四类集成，和一条回到 Jira 的闭环
这场合作始于 2023 年。Atlassian 的 OpenAI 合作列出四类集成：ChatGPT 里的 Atlassian MCP Server、Codex 里的 Atlassian MCP Server、AI 编码工具跳转到 Codex 的 deeplink（深度链接），以及 Rovo Agents 中的 OpenAI 模型选择。
指南页把使用流程描述成一条闭环：先在 Jira 和 Confluence 里定义目标、需求与决策；经 Atlassian MCP Server 授权 ChatGPT 或 Codex；在 ChatGPT 里跨工作做调研，或在 Codex 里带着 Atlassian 上下文写代码；再审查 ChatGPT 准备写入 Jira、Confluence、Bitbucket 或 Compass 的操作，以及 Codex 拟好的实施计划。在这个循环里，Atlassian 提供共享的工作上下文，ChatGPT 或 Codex 负责推理并给出建议，Atlassian 保持系统记录（system of record）的位置。
Atlassian 博客给出的具体场景是：产品经理在 ChatGPT 里查询实时路线图，营销人员把 Confluence 简报变成发布文案，开发者在终端里让 Codex 检查工作项和 Bitbucket 仓库；每次查询都通过 Teamwork Graph 反映真实的组织关系。智能体会话锚定在 Jira 上，人工审核保持在中心：工作项记录需求、跟踪智能体进度，把决策与人工评论记录在一起；配合 DX，工程负责人可以观察 Codex 这类工具对交付速度、周期时间和团队健康的影响。
OpenAI API 产品负责人 Nikunj Handa 在公告中说：「把 OpenAI 前沿模型与 Atlassian 结合起来，能把强大的智能体能力放进企业实际运作的语境中。通过这次合作，我们让团队更容易从理解自己的工作，走向采取行动。」
一笔「支出承诺」：商业条款与多模型路线
据 ，在被问及「扩大接入」在合同上意味着什么时，OpenAI 的一名代表拒绝透露具体细节，但在背景说明中把这一安排描述为「实质上是一项支出承诺」：Atlassian 向 OpenAI 的模型与技术投入资金，而不是相反。
VentureBeat 的报道还称，Atlassian 在回复中明确表示，GPT-6 Astra 不会成为 Rovo 的默认模型：Rovo 运行着一个内部 AI 网关，按能力、速度和成本，在 OpenAI 与其他供应商之间动态路由；此番接入的模型包括 9 月 3 日发布的 GPT-6 Astra 和 GPT-5.6 系列。
Atlassian 在 10 月 7 日发布的 中，首条引语来自 Anthropic 企业产品负责人 Scott White：「Atlassian 的 MCP 是 Claude 上使用最多的企业级 MCP 集成之一。」
Atlassian 自己先用：超过 3,000 名开发者日常使用 Codex
Atlassian 称自己不仅为客户构建这些集成，也每天依赖它们：超过 3,000 名 Atlassian 开发者通过 ChatGPT Enterprise，在终端、IDE 和代码审查流程中使用 Codex；接上 Atlassian MCP 之后，Codex 会把实时工作项和技术文档直接拉进开发流程。公司内部的核心 Rovo 体验同样由 OpenAI 的前沿模型驱动，在 Teamwork Graph 上推理、梳理复杂依赖，把非结构化对话转成可执行的计划。
博客还称，自 2023 年双方首次合作以来，已有超过 250 万家企业使用 OpenAI 产品。
客户方面，博客引述了 Datasite 执行副总裁 JR Harrell 的说法：「Atlassian 提供了把整个企业连接起来的纽带，让 OpenAI 前沿模型得以在我们全公司范围内推理。通过把 OpenAI 模型与我们的 Teamwork Graph 结合，我们让数据人人可用，从泛泛的 AI 回答走向能真正推动创新流程的情境化行动。」
这些使用规模与客户引述都出自 Atlassian 的公告，属于当事方的说法，未经独立核实。
MCP：每天 1,500 万次调用、220 多个工具，与一套治理规则
这套连接依赖 MCP。Atlassian 在 MCP 更新博客中称，重建后的 Atlassian MCP Server 每天处理超过 1,500 万次调用，提供 220 多个工具，覆盖 Jira、Confluence、Bitbucket Cloud、Loom、Goals 等产品，对 Jira Service Management 的支持「即将到来」；基于 Claude 模型的内部基准测试显示，在相同的 Jira 和 Confluence 工作上，它比上一版本最多节省 25% 的 token。这些更新在 Team '26 Europe 用户大会上公布。
治理方面，Atlassian 称 MCP 由 Atlassian 托管，默认使用 OAuth 2.1 与 PKCE 保护；每个请求严格遵守用户已有权限，使用智能体不会拿到用户本人无权访问的数据；数据安全策略（DSP）与数据防泄漏（DLP）通过 Atlassian Guard 执行；读、写、破坏性操作被分入不同风险等级，客户端可以对高风险步骤要求显式确认；管理员可在 Admin Console 里管理域名与 IP 允许列表、读/写/搜索的权限范围，并拥有全组织范围的审计日志。
据 VentureBeat 报道：Atlassian 表示只有被调用的 MCP 工具返回的具体数据会作为该次查询的上下文发送给 OpenAI，范围受请求者权限约束；Astra 对符合条件的 API 客户支持 Zero Data Retention（零数据保留），企业对 Astra 的访问默认关闭、需管理员启用；Atlassian 的常设政策则把 OpenAI 列为不拿客户输入与输出训练的子处理方。VentureBeat 同时指出，这套设计本身并不能完全消除提示注入（prompt injection）风险。
「地平线上」的智能体，与仍待厘清的边界
公告中更进一步的集成都列在「On the horizon（地平线上）」：让自主智能体领取工作项、运行测试、把本地会话历史同步回团队面板，以及支持带内置人工检查点的多智能体编排。Atlassian 同时称，正在「积极探索」把 Codex 更直接地带进开发者工作流。
VentureBeat 的报道还补充了一些成本与安全细节：Atlassian 表示 Rovo 的 credit 消耗会随任务使用的模型与算力变化；Astra 的 API 定价为每百万输入 token 10 美元、每百万输出 token 50 美元。报道还称，Astra 配套的安全机制可能减慢、暂停甚至停止合法工作，防御性安全任务也不例外，构建自动化流水线的团队需要为中断做好准备。
VentureBeat 还指出，对受监管的工作负载来说，有两处边界需要确认：Zero Data Retention 里「符合条件」的范围，以及 Rovo 内部模型路径与 ChatGPT/Codex 的 MCP 连接是否适用完全相同的保留条款。