打造可扩展的生态体系：从 MCP 到 Agent 集成的实践与趋势

1. 打造可扩展的生态体系从 MCP 到 Agent 集成的实践与趋势演讲人：陈仲寅字节跳动 / Trae 架构师

2. 自我介绍陈仲寅 Trae IDE 架构师，致力于大语言模型在研发工程落地的实践，为研发领域提供 AI 相关能力。了解 Trae：https://www.trae.com.cn 微信

3. 01 目录 02 03 04 05 AI 与 IDE 01 Agent 与 IDE 02 Tool 与 Agent 的演进 03 案例分享未来展望

4.

5. 01 AI 与 IDE

6. IDE 演进史上古时代文本编辑器 vs 集成开发环境代码编辑器 AI-Native IDE Copilot VIM Emacs Sublime Cursor UltraEdit … Atom Windsurf Eclipse JetBrains VSCode Devin ? 打孔机 + 编织机 Visual Studio … … Trae

7. 开发者对 AI Coding 的诉求研发提效 - 更快地完成编码辅助决策 - 提供高质量回答代码补全代码问答补全光标后下一段代码、预测用户下一步编码动作并修改代码理解项目代码信息，进行问答和分析总结代码生成知识搜索根据自然语言生成所需代码、自主分析需求并修改代码接入联网搜索，提供即时、准确的知识和信息

8. 代码补全 - 预测下一个字符 • 交互形态 • • • 下拉列表选择 → Ghost Text 展示优势 • • • • 先行者：GitHub Copilot 发挥模型在多行补全上的优势符合直觉的，不改变用户习惯，与代码融为一体爽快的 Tab、Tab、Tab 即可采纳，正反馈强烈关键点 • • 高性能低延迟的小模型 Prompt Engineering

9. 代码补全 - 预测下一个编辑位置 • 交互形态：多点编辑 • • • • 先行者：Cursor Tab Tab 新增代码 → 修改存量代码预测下一个字符 → 预测下一个位置优化点 • 根据前置编辑内容，去预测下一次编辑的位置和内容 • 爽快的 Tab、Tab、Tab 即可采纳，正反馈强烈

10. 代码问答 - Chat Bot • 代码问答 • • • • • 先行者：ChatGPT 学习一⻔新的语言生成一段代码询问一个报错信息 …

11. 代码问答 - Chat Bot • 代码问答 • ChatGPT Code Interpreter • Claude Artifacts • ChatGPT Canvas • 优化点 • • • 代码编辑器代码运行⻚面预览

12. 代码问答 - Chat in IDE • AI-Native IDE • Cursor • Windsurf • Trae • 优化点 • • • 不用反复切换窗口复制黏贴贴近开发者习惯充足的上下文

13. 从 Chat 到 Builder 从手动挡到自动挡自动写入文件自动修复问题自动打开浏览器 …

14. Agent In IDE Chat Builder Builder With MCP Custom Agent …

15. Trae Agent 示例 - gma

16. 02 Agent 与 IDE

17. 大家认为的 Agent 循环的核心在于 Action 和 Feedback Anthropic 进一步将典型的“智能体”描述为： “……通常就是在循环中，根据环境反馈使用工具的 LLM ”。

18. IDE 里的 Agent • Agent • • • • • • AI 的自主性 ⬆ 思考能力调度能力工具调用上下文获取每个人独属的辅助工程师 • • • 有足够的潜力经验还需要积累当下：结对编程 vs 放手不管

19. IDE Agent 架构概览

20. IDE Agent 工程能力构建 Agent 的典型工作模式：思考 (Thought) → 规划(Plan) → 执行(Action) → 观察 (Observation)的循环，同时结合了工具调用能力和上下文管理，形成了一个完整的智能助手工作流程。

21. 工具调用：IDE Toolings

22. 工具样例 Base tool information Tool instructions Few shot 并非所有模型都支持 Native toolcall

23. 03 Tool 和 Agent 演进

24. 让 Tool 可复用一方 IDE 工具集 Chat 代码检索工具文件操作工具 Builder 项目管理工具终端命令工具 Custom Agent 三方工具

25. 让 Tool 可复用需要解决意图问题和多轮历史问题!! Native call file_edit 一方 IDE 工具集 Chat file_create 三方工具 terminal_search Builder MCP Server MCP Server MCP Server MCP Server MCP Client 定义 JSON RPC Custom Agent run_mcp github_search figma_get

26. Tool 的意图问题 file_edit file_create terminal_search run_mcp github_search figma_get

27. 解决 Tool 多轮历史问题第一次交互第二次交互 User input message User input message User input message Assistant output message Assistant output message Assistant output message User input message User input message Assistant output message Assistant output message 第三次交互 0 tokens 随着与 LLM 交互次数的增加，因需要包含历史的所有信息，对 tokens 的消耗线性增⻓ Limit tokens User input message Assistant output message

28. 解决 Tool 多轮历史问题第一次交互第二次交互 User input message User input message 第三次交互 0 tokens User input 摘要 Toolcall History name Assistant output message Assistant output message Assistant output 摘要 User input message params User input message Assistant output message Limit tokens result Assistant output message Thought 不能直接丢弃，需要压缩信息 description Toolcall status

29. 开放 Agent

30. 组合 Agent 聚合 Agent Agent A 负责生成执行步骤 Agent B 负责生成代码 … A2A

31. 组合 Agent 聚合 Agent Agent A 负责生成执行步骤 Agent B 负责生成代码 Parent Agent … Agent A Agent B Prompt Prompt Tool A Tool B Tool C Tool D

32. Workflow 驱动和大模型驱动 Workflow 驱动形态模型驱动形态 User Input Requirement Agent Assistant output Parent Agent Prompt Tool A Tool B Plan Agent Coding Agent Output: Requirement Output: Requirement Requirement Agent Output: Plan description Plan Agent Prompt Tool A Output: Coding Output: Coding Output: Plan description Tool B Coding Agent

33. Agent 的形态并非一成不变 User Input Assistant output Side Agent 由模型自己判断是走 Plan 阶段还是 Coding 阶段固定首次调用 Requirement Agent Plan Agent Prompt Tool A Tool B Coding Agent 实际情况：工程和模型驱动共同协作来达到目标

34. 04 案例分享

35. 案例 - Github 通过 Issue 创建 PR

36. 案例 - 行程助手

37. 05 未来与展望

38. AI Agent 未来展望 1. AI Agent 将通过多模态融合与领域知识建模，持续增强认知与推理能力。 2. 基于如 MCP 的协议体系，构建可扩展的工具集成与物理交互能力。 3. 支持多 Agent 协同与⻆色分工，推动集体智能与知识共享机制演进。 4. 具备自主决策、自我优化与未知问题求解能力，向更强通用智能迈进。

39. Q&A 『专业生产力工具的颠覆式创新，必然会全面重塑开发者的认知和开发方式，未来的 IDE 很有可能不再是当前 IDE 的 “以代码为中心” 形态，这很可能会发生在 3 年内。我们每个人都应该学会如何正确的和 AI 相处。』

40.

41. THANKS 探索 AI 应用边界 Explore the limits of AI applications