本页面介绍了如何使用 Gemini CLI 和 Mainframe Assessment Tool 的输出对大型主机应用进行现代化改造,然后 使用 Dual Run 在 Google Cloud 上验证已部署的应用。
使用 Mainframe Assessment Tool 评估大型主机应用并提取业务规则后,您可以使用 Gemini CLI 将旧版代码转换为高质量的云原生代码。此过程使用技术元数据和业务要求,以确保目标应用在架构和功能上与原始应用等效。
将现代化改造后的应用部署到 Google Cloud后, Dual Run 有助于降低转换风险。借助 Dual Run,您可以在现有大型主机和 Google Cloud上同时运行 工作负载,并比较每日报告和在线交易等输出。这种实时测试有助于您收集有关功能等效性、性能和稳定性的数据,从而确保降低转换风险。
按照本页面上的说明操作,您将了解如何:
- 使用 Gemini CLI 执行现代化改造任务,充分利用 Mainframe Assessment Tool 创建的
AGENTS.md文件。 - 启用 Gemini CLI 与评估数据之间的通信。
- 使用 Dual Run 验证已部署的应用。
本页面适用于参与大型主机现代化改造项目的 IT 专业人员、架构师和工程师。
准备工作
如需为代码现代化改造准备环境,请完成以下步骤。
角色与权限
- 确保您拥有访问 Mainframe Assessment Tool MCP 服务器所需的 IAM 角色。如需了解详情,请参阅 Mainframe Assessment Tool MCP 服务器。
- 确认您拥有在终端环境中运行 Gemini CLI 命令的权限。如需了解详情,请参阅 Gemini CLI 配置。
要求
- 导出代理配置:在 Mainframe Assessment Tool 中,导出
代理配置 (
AGENTS.md) 文件。 此文件为 Gemini CLI 提供有关评估的上下文。 - 安装 Gemini CLI :如果尚未安装,请按照 Gemini CLI 使用入门指南进行操作。
- 设置工作区 :为现代化改造项目创建一个本地目录,以存储导出的配置文件和生成的代码。
- 启用 Mainframe Assessment Tool MCP 服务器:配置 Mainframe Assessment Tool MCP 服务器,以启用 Gemini CLI 与评估数据之间的通信。
配置 AGENTS.md 文件
Gemini CLI 使用您从 Mainframe Assessment Tool 导出的 AGENTS.md 文件与评估进行通信。AGENTS.md 文件包含评估和特定业务规则提取作业的唯一标识符。
如需将 Gemini CLI 配置为对代码进行现代化改造,请按以下步骤操作:
前往工作区的根目录。
检查
AGENTS.md文件是否已存在。根据文件是否存在,执行以下操作之一:
如果
AGENTS.md文件不存在,请将从 Mainframe Assessment Tool 下载的AGENTS.md文件放在此目录中。如果
AGENTS.md文件已存在,请打开现有文件,并将以下内容附加到文件末尾。## Mainframe Assessment Tool MCP Configuration assessmentID: ASSESSMENT_ID jobID: JOB_ID替换以下内容:
ASSESSMENT_ID:您的特定评估 ID。JOB_ID:Mainframe Assessment Tool 中业务规则提取作业的作业 ID。
使用 Gemini CLI 对大型主机应用代码进行现代化改造
将 Gemini CLI 配置为对代码进行现代化改造后,它会自动使用 AGENTS.md 文件中的 assessmentID 和 jobID 来了解应用的上下文。
Gemini CLI 使用 Mainframe Assessment Tool MCP 服务器工具 ,并结合评估和设计 阶段的多个数据源来执行分析并生成以下内容:
- 经过验证的业务规则:从旧版代码中提取并由利益相关者验证的核心业务逻辑。
- 目标数据模型:针对目标 Google Cloud 环境(例如 Cloud Spanner 或 Cloud SQL)设计的优化数据结构。
- 产品要求文档 (PRD):一种人类可读的规范,可作为现代化改造后应用的蓝图。
- 现代化改造后的应用代码:采用您选择的语言编写的云原生代码,用于实现业务规则。
如需使用在评估期间收集的信息来了解大型主机应用并对其进行现代化改造,您可以在 Gemini CLI 中使用如下提示:
如需检索业务规则、规划目标数据模型并生成 PRD,请执行以下操作:
Get business rules for business rules extraction job JOB_NAME. Based on these rules, suggest a target data model for Spanner and generate a Product Requirements Document.将
JOB_NAME替换为 Mainframe Assessment Tool 中业务规则提取作业的作业名称。如需生成现代化改造后的代码,请执行以下操作:
Generate the Java code to implement the business rules from the business rules extraction job ID:JOB_NAME by using the suggested Spanner data model.将
JOB_NAME替换为 Mainframe Assessment Tool 中业务规则提取作业的作业名称。
查看生成的代码
生成代码后,请验证输出,以确保准确性和架构一致性。
| 审核清单 | |
|---|---|
| 逻辑准确性 | 将生成的方法与业务规则提取作业中经过验证的业务规则进行比较。 确保每个规则都映射到一个代码块。 |
| 架构一致性 | 验证代码是否正确实现了建议的数据 结构,并使用了适当的 Google Cloud 客户端库。 |
| 安全性和性能 | 扫描硬编码的凭据或低效的循环。使用 Gemini CLI 微调特定代码部分以提高性能。 |
使用 Dual Run 验证现代化改造后的代码
借助 Dual Run,您可以在现有大型主机和 Google Cloud上同时运行工作负载,从而执行实时测试并快速收集有关性能和稳定性的数据。
如需了解详情,请参阅 Dual Run 概览。
后续步骤
- 详细了解 Gemini CLI。