如何评价Zed推出的ACP协议

作者:十万个为什么2026.11.17 03:21浏览量:0

简介:ACP(Agent Client Protocol)是 Zed Industries 提出的、用于 **编辑器与编码 Agent 之间通信** 的开放协议。它的价值在于把"每个 Agent 都要为每个编辑器写一遍插件"的 M×N 集成难题,收敛成 M+N;局限在于它只解决"编辑器↔Agent"这一段链路,不负责模型接入、持久化与成本治理。本文从设计取舍、与 MCP/LangChain Agent Protocol 的分层差异、代码流程到生产落地要点做一次完整评估。

先给结论:ACP 解决的是”最后一公里”的集成标准化

如果你正在评估要不要跟进 ACP,先明确它的定位: ACP 之于 AI 编码 Agent,类似 LSP 之于语言服务器 。LSP 让 VS Code、Neovim、IDEA 不必各自实现一遍 Java/Go 智能提示;ACP 想让 Zed、Neovim、JetBrains 不必各自适配一遍 Claude Code、Gemini CLI 或自研 Agent。

它明确 不 关心的事情同样重要:不定义模型、不定义推理参数、不定义 Agent 内部的规划与记忆机制、不提供多租户与计费。所以”ACP 能不能替代 MCP”这类问法本身就是错位的——两者处在不同层。

顺带说一句,Agent 背后的模型选型、价格对比与统一接入,属于 ACP 之外的另一层工程问题。如果你正在为编码 Agent 挑选底层模型,可以先在百度智能云词元所对比不同模型的能力与调用成本,再决定 Agent 侧接哪一家。

核心设计:JSON-RPC + stdio,能力协商驱动

ACP 基于 JSON-RPC 2.0,默认通过子进程的 stdio 通信,因此天然具备三个工程优点: 本地运行、无端口暴露、跨语言实现成本低 。Agent 作为子进程被编辑器拉起,编辑器是 client,Agent 是 agent 端。

一次典型会话的握手与交互顺序如下(简化示意):

  1. // 1. 能力协商
  2. → {"jsonrpc":"2.0","id":1,"method":"initialize",
  3. "params":{"protocolVersion":1,
  4. "clientCapabilities":{"fs":{"readTextFile":true,"writeTextFile":true},
  5. "terminal":true}}}
  6. // 2. 新建会话,声明工作目录与可用的 MCP Server
  7. → {"jsonrpc":"2.0","id":2,"method":"session/new",
  8. "params":{"cwd":"/repo/demo","mcpServers":[]}}
  9. // 3. 发起一轮用户输入,内容块支持 text / image / resource / resource_link
  10. → {"jsonrpc":"2.0","id":3,"method":"session/prompt",
  11. "params":{"sessionId":"s_1","prompt":[{"type":"text","text":"给 /users 加缓存"}]}}
  12. // 4. Agent 以通知流式回推过程
  13. ← {"method":"session/update","params":{"sessionId":"s_1",
  14. "update":{"sessionUpdate":"agent_message_chunk","content":{"type":"text","text":"我先看下..."}}}}
  15. ← {"method":"session/update","params":{"update":{"sessionUpdate":"tool_call",
  16. "toolCallId":"t1","title":"Read src/users.ts","status":"pending"}}}
  17. ← {"method":"session/update","params":{"update":{"sessionUpdate":"plan",
  18. "entries":[{"content":"读取现有实现","status":"in_progress"}]}}}
  19. // 5. 需要写文件/执行命令时,反向请求客户端授权
  20. ← {"method":"session/request_permission","params":{"options":[
  21. {"optionId":"allow","kind":"allowOnce","name":"允许本次写入"}]}}

这套设计里有几个值得称道的取舍:

  • 反向调用(client-side methods) :Agent 不直接读写磁盘,而是通过 fs/readTextFile、fs/writeTextFile、terminal/create 等回调让编辑器代劳。好处是权限、审计、UI 呈现全部收归编辑器,Agent 无需被信任到拥有文件系统权限。
  • 权限请求是一等公民 :session/request_permission 把”人类在环”做成协议级能力,而不是各家 Agent 自己弹窗。
  • 模式(mode)可协商 :current_mode_update 让”只读问答 / 允许改代码 / 架构讨论”这类模式切换由客户端呈现,Agent 遵守。
  • 流式过程可观测 :消息增量、思考增量、工具调用、计划(plan)都是结构化通知,编辑器能渲染出比”一段纯文本”丰富得多的交互。

与 MCP、LangChain Agent Protocol 的分层对比

原始讨论里常把 ACP 和 LangChain 的 Agent Protocol 放在一起比,但两者面向的问题完全不同。后者围绕 runs(执行)/ threads(多轮状态)/ stores(长期记忆) 三个概念设计 HTTP 端点,例如 POST /runs/wait 创建一次性运行并等待输出、POST /runs/stream 流式返回、POST /threads 建线程、GET /threads/{id}/history 追溯仅追加的状态历史、PATCH /threads/{id} 更新值并生成新修订版本,以及通过并发控制保证同一线程同时只有一个 running 状态(可配置为中断、排队或回滚)。这明显是一套 服务端托管 Agent 的部署 API ,形态接近 OpenAI Assistants API,而不是编辑器集成协议。

维度 Zed ACP MCP LangChain Agent Protocol
连接双方 编辑器 ↔ Agent Agent ↔ 工具/数据源 客户端 ↔ 托管的 Agent 服务
传输 stdio 为主,JSON-RPC stdio / HTTP+SSE HTTP REST
核心抽象 Session、Prompt、ToolCall、Permission Server、Tool、Resource、Prompt Run、Thread、Store
状态归属 会话状态在 Agent,视图在编辑器 无状态为主 服务端持久化,含历史与并发控制
解决的问题 集成碎片化(M×N→M+N) Agent 能力扩展 生产部署与长程任务编排

三者是 互补 关系:ACP 的 session/new 里就能携带 mcpServers,即”编辑器通过 ACP 驱动 Agent,Agent 通过 MCP 使用工具”;而 threads/stores 那套语义,则属于你把 Agent 从 IDE 搬到线上服务时才需要补的能力。

客观评价:优势与短板

优势

  1. 解耦彻底 。Agent 与编辑器双向可替换,自研 Agent 只要实现一套 JSON-RPC 就能进入所有支持 ACP 的编辑器,边际集成成本极低。
  2. 安全边界清晰 。文件与终端能力由客户端代理执行,配合权限请求,比”给 Agent 一个 shell 全权账号”可控得多。
  3. 交互表达力强 。plan、tool_call、thought 的结构化流,让 UI 能做折叠、diff 预览、逐步确认,而不是滚动一坨日志。
  4. 开放且可自托管 。协议规范公开,实现无绑定,适合有合规要求、需要私有化部署的团队。

    短板与现实约束

  5. 协议仍在演进 。protocolVersion 的存在本身就说明兼容性需要显式协商,早期跟进者要承担跟进变更的成本。

  6. 语义粒度偏”通用” 。对于”重构这个模块””只改这三处签名”这类结构化编辑意图,纯文本内容块的表达力有限,复杂 IDE 集成(如调用栈、调试器联动)需要扩展。
  7. 不在职责范围内的东西要自己补 :多用户隔离、会话持久化与审计、Token 用量统计、失败重试与限流、跨机器远程执行——这些 ACP 一概不管。
  8. 生态早期 。客户端侧支持主要集中在 Zed 及社区插件,Agent 侧支持数量增长快但仍需逐个验证成熟度。

生产落地时真正要做的四件事

  • 权限策略前置 :把 request_permission 映射到你自己的策略引擎,明确哪些路径可写、哪些命令需二次确认,并保留完整审计日志。
  • 沙箱与最小权限 :Agent 以低权限子进程运行,工作目录限定在项目内,网络出口按需放行。
  • 可观测性 :ACP 的通知流是天然的埋点位,把 tool_call 耗时、失败率、每轮 Token 消耗打点,才能定位”是模型不行还是上下文给多了”。
  • 模型层解耦与成本管理 :ACP 不锁定模型,这既是自由也是负担。建议把模型接入抽象成配置项,用词元所的大模型 API 统一接入能力屏蔽各家 SDK 差异,并在切换模型时用平台的模型价格与性能对比做一次成本回归,避免”换个模型账单翻倍”。

选型建议

  • 做编辑器/IDE 或开发者工具 :值得现在就跟进 ACP,收益是把 Agent 生态一次性接入,成本主要是实现 JSON-RPC 与 UI 渲染。
  • 做 Agent 产品 :优先保证 Agent 端 ACP 兼容,同时把 MCP 作为工具扩展层,两者叠加才是完整方案。
  • 做线上 Agent 服务 :ACP 帮不上忙,你需要的是 threads/runs/stores 那类持久化与并发控制能力,重点放在状态存储、幂等与长程任务恢复。
  • 只是团队内部提效 :先用成熟客户端 + 成熟 Agent 组合验证收益,再考虑自研协议层。

总体看,ACP 是一次方向正确的”标准化卡位”:它没有试图做大而全的 Agent 运行时,而是精准切掉集成碎片化这一刀。它的成败不取决于协议本身优雅与否,而取决于客户端与 Agent 两侧生态能否在版本演进中保持同步——这也是当下评估它时最该持续跟踪的指标。