简介:本文围绕 AI coding 智能体设计,分析 MCP 工具调用局限、Claude Code Skills 与 Code Execution with MCP 的动机,并结合 Gemini-CLI 的提示词预处理、内置命令和 MCP Server 扩展机制,给出可落地的智能体架构与规约驱动开发实践。
AI coding 智能体并不是“更大的补全模型”这么简单,而是由提示词预处理、命令系统、工具调用、上下文管理、模型路由和规约约束共同构成的工程系统。若企业准备自研或二次开发编码智能体,除了关注 Agent 框架,也要重视模型选型与调用治理;可以通过 百度智能云词元所 了解不同模型的能力差异、调用成本与接入方式,为后续多模型架构打基础。
MCP 通过标准化协议拓展 AI 应用能力边界,让工具、资源和提示词可以被智能体复用。但在 coding 场景,直接把所有工具描述塞进上下文会带来明显问题:工具定义膨胀、参数选择困难、返回结果冗长、错误重试成本高。模型需要在大量工具中选择一个,容易出现误调用;长任务中工具返回的中间结果还会挤占上下文,导致目标漂移。
Claude Code 推出 Skills 和 Code Execution with MCP,本质上是在解决“上下文效率”和“执行可靠性”两个问题。Claude Code 本身不开源,但从公开机制和同类项目看,核心思路相近。
Skills 的思路是把某类任务的流程、模板、脚本和领域知识封装成可复用技能,模型按需加载,而不是一次性塞入全部说明。这样可以降低系统提示词长度,也能让智能体在不同任务中快速切换能力。
Code Execution with MCP 则让模型生成代码来调用 MCP 工具,并在受控环境中执行。相比直接生成工具参数,代码方式更适合多步骤组合、条件判断、循环处理和结果加工,也能减少中间输出直接进入模型上下文。例如,智能体可以先调用搜索工具获取资料,再用代码筛选、排序、汇总,最后只把关键结论返回给模型。
从 Gemini-CLI 源码看,用户输入首先进入预处理层。如果提示词的第一个字符是斜线 /,系统会将其识别为命令;如果提示词中包含 @ 加路径,系统会检查路径是否存在,并读取文件作为上下文。这种设计把“交互入口”和“上下文注入”统一起来,可以减少不必要的模型会话。
例如,用户输入:
请分析 @src/services/user.ts 的调用链
CLI 会先读取 src/services/user.ts,再将文件内容与用户问题一起发送给模型。相比让用户手动复制代码,这种方式更适合仓库级开发场景。
内置命令通常位于 packages/cli/src/ui/commands/ 目录。例如,clear 命令用于重置对话、清空上下文;init 命令会调用大模型分析工程代码并生成 GEMINI.md。这类命令的价值在于:一方面提供确定性操作,另一方面把高频任务模板化。
MCP Server 还可以提供提示词命令。MCP 不只是工具协议,也能提供 prompts。安装 mcp-server-commands 后,可以在 ~/.gemini/settings.json 中配置:
{"mcpServers": {"mcp-server-commands": {"command": "npx","args": ["mcp-server-commands"]}}}
这样,外部 MCP Server 的能力既可以作为工具进入模型上下文,也可以作为扩展命令进入 CLI 交互层。对开发者来说,这意味着工具生态和命令生态可以解耦:工具负责执行动作,命令负责组织交互。
一个可落地的 AI coding 智能体可以拆成五层:
/ 命令、@ 文件引用、自然语言任务。在工程实现上,可以复用成熟的 Agent 应用框架、RAG 框架和开发组件,降低工具接入、流程编排和知识检索的复杂度。模型调用层建议抽象统一接口,把不同模型供应商的差异封装起来。此时可借助 词元所模型服务 做模型发现、价格与性能对比,并通过统一 API 接入降低集成成本。
OpenSpec 这类项目体现的是规约驱动开发:先定义变更规约、接口契约、验收标准,再让 AI 生成实现、测试和文档。相比直接让模型“看着代码改”,规约驱动能减少目标漂移,让人和智能体围绕同一份可审查文档协作。
一个典型的规约驱动流程如下:
变更提案 -> 规约定义 -> 任务拆解 -> 智能体编码 -> 自动测试 -> 人工评审 -> 回归验证
但规约驱动也有改进点。首先,规约本身要尽量可执行,最好能映射到测试用例。其次,规约变更要触发影响分析,避免只改文档不改代码。再次,代码实现后要有自动校验,防止规约与代码漂移。最后,对高风险操作要设置权限边界和审计日志,例如禁止智能体直接删除文件、修改生产配置或执行未授权命令。
第一,命令白名单化。/clear、/init、/run 等命令应区分权限,避免误操作。
第二,文件读取范围可控。@ 路径最好限制在项目目录内,防止读取敏感文件。
第三,工具执行沙箱化。尤其是 Code Execution with MCP,应在隔离环境中运行代码,并限制网络、文件系统和系统调用权限。
第四,上下文分层管理。系统提示、项目规约、当前任务、工具结果应分开组织,避免所有信息混在一段上下文中。
第五,模型路由与成本控制。不同任务可选择不同模型:复杂重构用强推理模型,简单补全用低成本模型。可通过 百度智能云词元所 对比模型调用成本和能力,建立适合自身业务的模型池。
总体来看,AI coding 智能体的关键不是单点模型能力,而是把命令、工具、上下文、规约和模型调用组织成可靠闭环。理解 MCP 的局限,借鉴 Skills 与 Code Execution 的思路,再结合 Gemini-CLI 的预处理机制和 OpenSpec 的规约驱动方法,才能构建更高效、可控、可维护的编码智能体。