从 Chat 到 Agent：现代编程智能体

过去我们使用 AI 编程工具时，最常见的交互方式是“问一个问题，得到一段答案”。

例如：

• 解释一段代码；
• 生成一个函数；
• 分析一个报错；
• 提供重构建议。

如今，AI 编程工具开始从“回答问题”转向“直接完成任务”。

你可以对它说：

给这个项目添加用户登录功能，包括接口、权限校验、测试和文档。

它不仅会生成代码，还可能主动阅读项目、修改多个文件、运行测试、检查错误，并根据运行结果继续修复。

这种能够围绕目标连续执行任务的系统，通常被称为 Agent，也就是智能体。

可以把“编程 Agent”理解成：

一个能观察项目、制定步骤、调用工具、执行操作、检查结果并继续修正的 AI 程序员。

GPT-5.5

普通大模型主要是“输入文字，输出文字”；编程 Agent 则在大模型外面加上了项目上下文、工具、权限、循环执行机制以及各种定制规则。

---

一、agent整体架构

一个典型编程 Agent 大致由这些部分组成：

你的任务
   ↓
Agent / 智能体
   ├── 大语言模型：理解、推理、规划
   ├── 上下文：代码、对话、错误、文档
   ├── 指令：项目规则和行为约束
   ├── 技能：可复用的专业工作流程
   ├── 工具：读文件、改文件、终端、搜索
   ├── MCP 服务器：连接外部系统和数据
   ├── 挂钩 Hooks：在固定节点强制执行脚本
   └── 权限和沙箱：控制它能做什么
          ↓
读取代码 → 修改代码 → 运行测试 → 查看错误 → 再修改

VS Code 官方把这个过程称为 Agent loop，智能体循环：模型选择工具，工具返回结果，结果进入下一轮上下文，模型再决定下一步，直到任务完成或需要人工介入。

二、什么是智能体 Agent

1. 大模型和 Agent 的区别

大模型本质上是一个推理和文本生成引擎。

你输入：

请帮我给这个 Express 项目添加登录功能

仅有大模型时，它可能输出一段示例代码。

Agent 则能进一步：

1. 查看项目目录；
2. 读取 package.json；
3. 找到路由、数据库和用户模型；
4. 判断项目使用 JavaScript 还是 TypeScript；
5. 修改多个文件；
6. 安装依赖；
7. 执行测试或启动项目；
8. 阅读报错；
9. 根据报错继续修改。

因此可以粗略写成：

Agent = 大模型 + 上下文 + 工具 + 执行循环 + 权限控制

2. Agent loop 是怎样工作的

假设你说：

修复所有失败的单元测试。

Agent 内部可能经历如下循环：

第一轮：观察

Agent 调用终端工具：

npm test

得到：

UserService should reject duplicate email
Expected status 409, received 500

第二轮：分析

模型推断：

• 测试预期重复邮箱返回 409；
• 当前代码可能没有处理数据库唯一约束错误；
• 需要查看 UserService 和异常处理中间件。

第三轮：使用工具

Agent 读取：

src/services/UserService.ts
src/middleware/errorHandler.ts
tests/UserService.test.ts

第四轮：修改

Agent增加重复邮箱错误映射。

第五轮：验证

再次运行：

npm test

如果还有失败，它继续循环。

这就是 Agent 与“一次性生成代码”的根本差异：它能够根据真实执行结果修正自己的方案。

三、Agent 的核心组成

1. 模型 Model

模型是 Agent 的“大脑”，负责：

• 理解你的目标；
• 阅读代码；
• 推断项目结构；
• 制定步骤；
• 选择工具；
• 分析工具结果；
• 决定是否继续。

但模型本身并不能直接操作电脑。没有工具时，它只能输出文字。

模型也不是传统意义上的确定性程序。相同任务可能产生不同计划，因此需要测试、权限和审查机制。

2. 上下文 Context

上下文是当前这次推理中，模型能够看到的信息，例如：

• 你的提示词；
• 之前的对话；
• 当前打开的文件；
• 选中的代码；
• 项目目录结构；
• 搜索结果；
• 编译错误；
• 测试输出；
• Git 差异；
• 项目指令；
• 技能内容；
• MCP 工具说明。

上下文不是无限的。给 Agent 太多无关内容，会导致：

• 成本增加；
• 响应变慢；
• 重要信息被淹没；
• 工具选择变差；
• 模型“忘记”早期细节。

VS Code 官方也建议限制可用工具，因为每个工具定义和每次工具调用都会占用上下文。

3. 工具 Tools

工具是 Agent 的“手和眼睛”。

没有工具，模型只能说：

你应该打开文件并修改这一行。

有工具，Agent 可以自己完成修改。

VS Code 将工具分为三类：

内置工具

由 VS Code 自带，例如：

• 读取文件；
• 编辑文件；
• 创建文件；
• 搜索工作区；
• 查看诊断错误；
• 运行终端命令；
• 查找符号；
• 获取 Git diff。

扩展工具

由 VS Code 扩展提供，例如：

• 数据库扩展暴露查询工具；
• 云平台扩展暴露部署工具；
• 自定义企业扩展暴露内部系统工具。

MCP 工具

由 MCP Server 提供，例如：

• 查询 GitHub issue；
• 读取 Jira 任务；
• 查询 PostgreSQL；
• 操作浏览器；
• 查询内部 API；
• 获取云平台资源；
• 读取设计系统。

你可以把工具理解成普通函数：

readFile(path)
writeFile(path, content)
runTerminal(command)
searchCode(query)
queryDatabase(sql)
createGitHubIssue(title, body)

模型不会直接执行操作，而是生成一个“工具调用请求”。Agent 运行工具，再把结果交回模型。

四、Instructions 指令

指令用于告诉 Agent：

在这个项目里，应当遵守哪些长期规则。

例如：

- 使用 TypeScript strict 模式。
- 不要使用 any。
- 日期处理统一使用 date-fns。
- API 错误必须转换为统一的 ApiError。
- 修改业务逻辑时必须补充测试。
- 不允许直接修改生成目录。

这些不是某一次任务，而是项目长期约定。

1. 指令和普通提示词的区别

普通提示词：

帮我实现用户注册接口。

项目指令：

所有接口使用 Zod 验证。
业务层不得直接依赖 Express。
测试使用 Vitest。

最终 Agent 得到的任务相当于：

实现用户注册接口，
并遵守 Zod、分层架构、Vitest 等项目规则。

2. VS Code 中常见的指令文件

VS Code 当前支持多种指令来源，包括：

.github/copilot-instructions.md

整个项目默认应用。

.github/
└── copilot-instructions.md

适合放：

• 技术栈；
• 架构规范；
• 命名规则；
• 安全规范；
• 测试约定；
• 禁止事项。

AGENTS.md

也是项目级 Agent 指令文件，并可在不同目录中定义更局部的规则。

例如：

AGENTS.md
frontend/AGENTS.md
backend/AGENTS.md

根目录规则作用于整个项目，而子目录规则可针对特定区域。

*.instructions.md

条件式指令，通常根据文件路径或文件类型应用。

例如：

.github/instructions/
├── react.instructions.md
├── backend.instructions.md
└── testing.instructions.md

React 指令可能只作用于：

---
applyTo: "src/frontend/**/*.{ts,tsx}"
---

这适合大型项目，因为前端、后端和测试代码可能遵循不同规范。

3. 好指令与坏指令

较差：

写出高质量代码。
使用最佳实践。
注意安全。

这些规则过于抽象。

较好：

- 所有外部输入必须先通过 Zod schema 验证。
- Controller 只负责 HTTP 映射，业务逻辑放在 service。
- 不得在日志中记录 access token、密码和完整身份证号码。
- 新增功能必须包含正常路径和失败路径测试。

好的指令应当：

• 具体；
• 可执行；
• 尽量避免歧义；
• 说明原因；
• 必要时给正反例；
• 只写项目特有、非显而易见的规则。

五、Prompt Files 提示文件

提示文件是一个可以重复调用的任务模板，也常被显示为斜杠命令。

例如：

.github/prompts/
├── create-api.prompt.md
├── fix-tests.prompt.md
└── review-pr.prompt.md

执行时可以输入：

/create-api customers

或者：

/review-pr

Prompt 文件适合把经常重复输入的一大段要求保存下来，例如：

---
description: 创建符合项目规范的 REST API
tools:
  - codebase
  - editFiles
  - terminal
---

分析现有项目结构，为指定资源创建：

1. 路由
2. controller
3. service
4. schema
5. 单元测试
6. API 文档

先查找项目中的同类模块并保持一致。

Prompt 文件需要你主动调用；而项目指令通常会自动应用。VS Code 官方正是这样区分二者的。

六、Skills 技能

技能是比普通指令更完整的、可复用的专业能力包，把重复出现的经验、流程、规范和验证方式提前固化下来。

简单地说：

指令告诉 Agent 要遵守什么规则；技能教 Agent 如何完成某类任务。

技能通常是一个文件夹：

database-migration/
├── SKILL.md
├── scripts/
│   └── validate-migration.sh
├── references/
│   └── migration-rules.md
└── assets/
    └── migration-template.sql

其中 SKILL.md 是入口文件，描述：

• 技能何时应该被使用；
• 输入是什么；
• 工作步骤是什么；
• 应调用哪些脚本；
• 应读取哪些参考资料；
• 输出如何检查。

技能还可以包含脚本、示例、模板和参考资料，并且只在任务相关时按需加载。VS Code 和 GitHub Copilot 将 Agent Skills 作为开放标准支持，可用于 VS Code、Copilot CLI 和 Copilot cloud agent。

1. 一个技能示例

假设团队经常做数据库迁移，可以创建：

---
name: safe-database-migration
description: 创建和检查 PostgreSQL 数据库迁移
---

# 工作流程

1. 阅读当前数据库 schema。
2. 检查是否需要无停机迁移。
3. 禁止直接对大表添加带默认值的非空字段。
4. 创建向前迁移和回滚迁移。
5. 运行 scripts/validate-migration.sh。
6. 输出风险说明和部署顺序。

以后你只需要说：

为 orders 表添加 delivery_status 字段。

Agent 识别到数据库迁移任务后，可以自动加载这个技能。

2. 技能和指令的区别

维度	指令	技能
主要作用	规定规则	教会工作流程
内容	主要是文字要求	指令、脚本、模板、参考资料
加载方式	经常自动或按文件匹配	通常按任务需要加载
典型范围	项目编码规范	测试、发布、迁移、安全扫描
可移植性	常与特定 IDE 或项目绑定	可以跨多个兼容 Agent
复杂程度	较轻	可包含多步骤执行

可以类比为：

• 指令：员工手册；
• 技能：专项操作手册和工具箱。

在 ChatGPT 中，技能库可以从 /skills 查看；也可以直接在对话中要求创建，例如：

创建一个技能，把客户访谈记录整理成产品洞察。

在 VS Code 中，技能通常位于 .github/skills/、.agents/skills/、.claude/skills/ 或用户目录中，并包含 SKILL.md。

七、Custom Agents 自定义智能体

自定义 Agent 是一个专门化的“角色”。

例如：

• 后端开发 Agent；
• 安全审查 Agent；
• 测试 Agent；
• 文档 Agent；
• 架构评审 Agent；
• 数据库迁移 Agent。

一个自定义 Agent 可以规定：

• 它是谁；
• 它擅长什么；
• 它不应做什么；
• 它能使用哪些工具；
• 它使用哪些 MCP Server；
• 它应该遵循什么流程。

例如：

---
name: security-reviewer
description: 审查代码中的安全风险
tools:
  - search
  - readFile
  - diagnostics
---

你是一名应用安全审查员。

重点检查：

- SQL 注入
- XSS
- SSRF
- 权限绕过
- 密钥泄露
- 不安全反序列化

默认只分析并提出建议，不直接修改业务代码。
每条问题必须包含位置、风险、攻击路径和修复建议。

GitHub 将自定义 Agent 描述为 Copilot 的专门化版本，其配置通常是带 YAML frontmatter 的 Markdown Agent profile，定义提示、工具和可选的 MCP Server。

自定义 Agent 和Skill的区别

这是最容易混淆的一组。

Agent 定义“谁来做”

例如：

安全审查员
数据库专家
测试工程师
技术文档工程师

Skill 定义“怎么做某件事”

例如：

如何执行威胁建模
如何完成数据库迁移
如何生成发布说明
如何诊断 CI 失败

一个 Agent 可以加载多个技能：

安全审查 Agent
├── OWASP 审查技能
├── 依赖漏洞检查技能
└── 密钥泄漏检测技能

同一个技能也可以被不同 Agent 使用。

八、MCP Server

MCP 全称是 Model Context Protocol。

它是一个开放协议，用来标准化 AI 应用与外部工具、数据源之间的连接方式。

可以把 MCP 类比为：

AI 工具生态中的通用接口。

以前，每个 AI 客户端都需要为 Jira、GitHub、数据库、浏览器分别编写私有集成。

有了 MCP：

VS Code Agent ──MCP── GitHub Server
             ├─MCP── Jira Server
             ├─MCP── PostgreSQL Server
             ├─MCP── Browser Server
             └─MCP── 公司内部系统 Server

只要客户端和服务器都实现 MCP，就可以按统一方式连接。

1. MCP Server 提供什么

一个 MCP Server 可以暴露三类能力：

Tools

模型可调用的操作，例如：

list_issues()
create_issue()
query_database()
open_webpage()
deploy_service()

Resources

可以读取的资料，例如：

数据库 schema
内部文档
日志
项目配置
知识库

Prompts

服务端提供的可复用提示模板。

不过不同 Agent 产品对 MCP 能力的支持范围不同。例如 GitHub Copilot cloud agent 当前主要支持 MCP tools，并不一定支持 MCP Server 暴露的所有资源和提示能力。

2. 本地和远程 MCP Server

本地服务器

在你的机器上启动：

{
  "servers": {
    "postgres": {
      "type": "stdio",
      "command": "npx",
      "args": ["some-postgres-mcp-server"]
    }
  }
}

特点：

• 可访问本机环境；
• 延迟较低；
• 适合本地数据库和开发工具；
• 需要注意本机权限。

远程服务器

通过 HTTP 连接：

{
  "servers": {
    "company-api": {
      "type": "http",
      "url": "https://mcp.example.com"
    }
  }
}

特点：

• 可集中部署和管理；
• 适合企业内部服务；
• 需要认证、网络和权限控制；
• 服务端可以统一更新。

具体配置格式会随客户端和版本不同而变化，不应盲目复制示例。

3. MCP 不等于 API

MCP Server 内部通常仍然会调用 API，但 MCP 在 API 之上增加了适合模型使用的描述层。

普通 API：

POST /v1/issues/search

模型未必知道：

• 什么时候调用；
• 参数是什么意思；
• 返回值如何解释；
• 是否有副作用。

MCP 工具会附带机器可读描述：

Tool: search_issues

Description:
Search GitHub issues in a repository.

Arguments:
- repository: string
- query: string
- state: open | closed

Read-only: true

Agent 可以根据这些说明自动判断是否调用。

4. MCP 的主要风险

MCP Server 可以让 Agent 接触真实系统，因此风险远高于普通聊天：

• 读取敏感数据；
• 修改数据库；
• 创建或删除云资源；
• 发送消息；
• 泄露令牌；
• 执行恶意命令；
• 被外部内容进行提示注入；
• 供应链风险。

安全实践包括：

• 默认只开放只读工具；
• 使用工具白名单；
• 不要使用 "*" 无限制开放所有工具；
• 按最小权限配置令牌；
• 区分开发和生产凭据；
• 对写操作进行人工确认；
• 检查第三方 MCP Server 源码和维护者；
• 不把密钥直接写入仓库；
• 对外部返回内容视为不可信输入。

GitHub 官方同样建议只启用必要工具，优先允许明确的只读工具，并认真审查第三方 MCP Server。

九、Hooks 挂钩

Hook 是在 Agent 生命周期的特定节点，强制执行的确定性程序。

这是它与指令最大的区别：

• 指令是“告诉模型应该怎么做”；
• Hook 是“无论模型怎么想，都执行这段程序”。

例如：

Agent 准备运行终端命令
        ↓
PreToolUse Hook
        ↓
检查命令是否危险
        ↓
允许或阻止

或者：

Agent 修改文件
        ↓
PostToolUse Hook
        ↓
自动运行 Prettier
        ↓
自动执行 ESLint

VS Code 的 Agent hooks 当前仍属于预览功能。官方列出的用途包括安全策略、自动格式化、测试、审计记录、上下文注入和审批控制。

1. Hook 的典型节点

不同产品命名会有差异，常见概念包括：

• Session start：会话开始；
• Before tool use：工具执行前；
• After tool use：工具执行后；
• Before command：终端命令执行前；
• After file edit：文件修改后；
• Stop：Agent 即将结束；
• Error：工具调用失败时。

2. Hook 示例

自动格式化：

{
  "hooks": {
    "PostToolUse": [
      {
        "type": "command",
        "command": "npx prettier --write ."
      }
    ]
  }
}

阻止危险命令的伪代码：

command = hook_input["command"]

blocked = [
    "rm -rf /",
    "DROP DATABASE",
    "terraform destroy"
]

if any(item in command for item in blocked):
    deny("Dangerous command blocked")

3. Hook 和指令的区别

假设你写了一条指令：

不要运行 rm -rf。

模型通常会遵守，但不能提供绝对保证。

而执行前 Hook 可以直接检查命令并阻止：

rm -rf ...

因此：

需求	更适合
使用团队命名规范	指令
修改后尽量运行测试	指令或技能
修改后必须执行格式化	Hook
禁止执行某类命令	Hook
记录每次工具调用	Hook
指导 Agent 如何完成发布	技能

十、Plugins 插件

Agent 插件通常是一个更高层的分发包，可以把多个定制元素打包在一起：

Plugin
├── 自定义 Agents
├── Skills
├── Instructions
├── Hooks
├── MCP 集成
└── 其他资源

例如一个“团队后端开发插件”可能包含：

• Backend Agent；
• 数据库迁移 Skill；
• API Review Skill；
• 团队编码 Instructions；
• 修改后执行测试的 Hook；
• 连接 Jira 和内部文档的 MCP Server。

VS Code 官方将 Agent plugins 描述为上述多类定制能力的预打包组合，可通过市场分发。

十一、这些概念如何组合

可以用一个实际项目来说明。

你对 Agent 说：

实现订单退款功能，对应 Jira 的 PAY-417。

系统可能这样工作：

第一步：加载 Instructions

.github/copilot-instructions.md

Agent 得知：

• 后端使用 NestJS；
• 数据访问使用 Prisma；
• 金额使用整数分；
• Controller 不写业务逻辑；
• 所有写接口必须记录审计日志。

第二步：选择自定义 Agent

选择：

payment-backend.agent.md

这个 Agent 被限定为支付后端专家，并只能使用相关工具。

第三步：加载相关 Skill

根据任务自动加载：

refund-workflow/SKILL.md

技能规定：

1. 先查询支付状态；
2. 验证可退款金额；
3. 使用幂等键；
4. 调用支付网关；
5. 记录退款流水；
6. 发送领域事件；
7. 补充失败场景测试。

第四步：调用 MCP

Agent 使用 Jira MCP：

get_issue("PAY-417")

获得验收标准。

使用内部文档 MCP：

search_docs("refund API")

获得支付网关文档。

第五步：调用内置工具

• 搜索现有支付代码；
• 阅读 PaymentService；
• 编辑多个文件；
• 创建测试；
• 运行测试。

第六步：触发 Hooks

文件修改后：

Prettier → ESLint → unit tests

如果 Agent 尝试执行生产部署命令，Hook 将阻止。

第七步：人工审查

你检查：

• 修改的文件；
• 命令记录；
• 测试结果；
• Git diff；
• 是否满足业务要求。

Agent：负责整体执行。 
模型：负责推理。 
Instructions：提供项目规则。 
Skill：提供专业流程。 
Tools：操作项目。 
MCP：连接外部系统。 
Hooks：提供确定性控制。 
权限：构成真正安全边界。

十二、几个概念的快速对照

概念	回答的问题	类比
Model	谁负责思考？	大脑
Agent	谁负责完成任务？	能工作的员工
Context	它当前知道什么？	桌面上的材料
Tool	它能做什么操作？	手和工具
Instruction	它必须遵守什么规则？	员工守则
Prompt file	如何快速发起重复任务？	标准任务单
Skill	如何专业地完成某类任务？	操作手册和工具箱
Custom Agent	它以什么角色工作？	专岗员工
MCP Server	它能连接哪些外部系统？	标准化外接接口
Hook	哪些动作必须自动发生？	门禁和流水线开关
Plugin	如何整体安装这些能力？	扩展套装
Sandbox	它能在哪个范围活动？	隔离工作区
Approval	哪些操作需要你同意？	审批流程

VS Code 官方给出的组合逻辑也非常接近：指令塑造代码行为，Prompt 和技能封装重复任务，自定义 Agent 定义角色，MCP 扩展外部能力，Hooks 在生命周期节点提供确定性控制。

十三、有关Agent的一些经验

1. Agent 并不是真的“理解”整个项目

它只理解当前获得的上下文。

如果它没有读取某个关键文件，就可能做出错误判断。

因此高质量 Agent 会先：

• 查看目录；
• 搜索相似实现；
• 阅读配置；
• 阅读测试；
• 再修改代码。

2. Agent 的“计划”不代表一定正确

Agent 可能：

• 误判框架版本；
• 使用不存在的 API；
• 漏掉边界条件；
• 破坏兼容性；
• 写出能编译但业务错误的代码。

测试循环能减少错误，但不能消除错误。

3. MCP 越多不一定越好

连接几十个 MCP Server 后，Agent 面临大量工具：

应该用 search_issue？
还是 get_project？
还是 query_docs？
还是 semantic_search？

工具过多会：

• 占用上下文；
• 增加选择难度；
• 增加误调用概率；
• 扩大安全攻击面。

应当为不同 Agent 只开放必要工具。

4. 指令不是安全边界

“请不要删除生产数据库”只是一句话。

真正的安全边界应由这些措施提供：

• 权限；
• 沙箱；
• 只读凭据；
• 工具白名单；
• Hook；
• 网络限制；
• 人工审批。

---

十四、初学者建议的配置顺序

不建议一开始就同时搭建 Agent、Skills、Hooks 和多个 MCP Server。可以按下面顺序学习：

阶段一：使用普通 Agent

先熟悉：

• 让 Agent 阅读项目；
• 让它解释计划；
• 查看每次修改；
• 运行测试；
• 检查 Git diff；
• 控制终端审批。

阶段二：添加项目指令

创建：

.github/copilot-instructions.md

只写最重要的 5～15 条团队规范。

阶段三：创建 Prompt 文件

把频繁执行的任务做成：

/review-api
/fix-tests
/create-component

阶段四：创建 Skill

当一个任务具有稳定的多步骤流程时，再创建 Skill，例如：

• 数据库迁移；
• 发布检查；
• 安全审查；
• 创建新服务；
• CI 故障诊断。

阶段五：接入一个只读 MCP Server

优先选择：

• GitHub；
• Jira；
• 文档搜索；
• 只读数据库查询。

先不要开放删除、部署和生产写入权限。

阶段六：添加 Hooks

用 Hook 做确定性保障：

• 修改后格式化；
• 提交前测试；
• 阻止危险命令；
• 保存审计记录。

十五、Agent入门的最小配置

my-project/
├── .github/
│   ├── copilot-instructions.md
│   ├── prompts/
│   │   └── fix-tests.prompt.md
│   ├── skills/
│   │   └── test-debugging/
│   │       └── SKILL.md
│   └── hooks/
│       └── quality.json
├── src/
├── tests/
└── package.json

它的职责分别是：

copilot-instructions.md
→ 定义项目长期规则

fix-tests.prompt.md
→ 提供 /fix-tests 任务入口

test-debugging/SKILL.md
→ 教 Agent 如何系统排查测试失败

quality.json
→ 修改后强制运行格式化和检查

之后再按需要加入 MCP：

GitHub MCP
→ 查询 issue、PR 和代码评审信息

Jira MCP
→ 获取需求和验收标准

Database MCP
→ 查询 schema 和测试数据

总结：

Agent 是执行框架；模型负责思考，工具负责行动，指令约束行为，技能提供方法，MCP 扩展外部能力，Hooks 提供确定性控制，权限和沙箱负责真正的安全边界。