aiXcoder上新Agent，内置MCP功能，端到端智能实现软件开发任务 - 文章 - 开发者社区

picture.image

近日， aiXcoder产品焕新升级，创新推出Agent模式，并内置MCP功能，助力企业实现复杂软件开发任务的自动化处理 。aiXcoder Agent就像人类开发者一样，承担着复杂任务规划、工具调用、逻辑推理等职能。而MCP作为核心技术支撑，通过标准化接口为Agent提供多样化、可定制、无限延展的动态工具。二者协同联动， 全流程智能完成项目级代码生成、修改、调试、重构等复杂任务 ，助力企业和个人开发者真正实现“端到端、边想边做”的最佳实践。

Agent和MCP双驱动，使得aiXcoder既具备人类开发者的战略思考能力，又拥有远超人工效能的工具操作精度， 助力企业降低技术门槛，优化业务流程，实现研发效能的显著提升 。具体价值体现在：

私有化部署安全可靠 ：及时响应业务需求，支持企业私有化部署，并针对性适配企业已有的开源大模型，确保企业在安全可控的生产环境下，拥有自主可控的Agent能力。

大幅缩短研发周期 ：无论是从零构建全新应用，还是基于复杂代码库迭代功能，通过聊天对话就能推动Agent自动执行任务，极大提高研发效率，大幅缩短研发周期，助力企业数字化转型。

企业私有化工具无缝集成 ：MCP的开放式架构展现出强大的环境适配能力，支持企业在不影响现有代码架构的前提下，快速接入企业私有化工具链（如内部SVN系统、定制化CI/CD平台），同时兼容常用本地开发工具的无缝集成。由此，既保障了企业核心资产的安全性，又为开发者保留了灵活的工具选择空间。

成本精细化控制 ：相比Cursor每月20-40美元费用，aiXcoder Agent功能计划在插件端免费开放，使用Agent无门槛，推动AI Coding行业发展。

picture.image

Agent：不仅是Copilot，更是资深Partner

大模型虽“上知天文下知地理”，但其作为数字世界产物，缺乏对物理环境的直接感知和操作能力，Agent技术突破让大模型得以跨越这一限制。2023年北大aiXcoder团队率先开展Agent在软件工程中的应用研究，发表了国际首篇基于Agent项目级别代码生成的论文成果 。

随着DeepSeek等一众开源模型的发布与增强，aiXcoder Agent也从Demo阶段迎来了产品化——我们通过赋予大模型工具调用、环境感知、任务规划及反思迭代的能力，成功给大模型这个“超级大脑”安装了“手和脚”，使其从被动的代码建议者进化为主动思考的资深软件开发工程师，与人类一起完成多类型软件开发任务 。随着模型能力的增强，aiXcoder Agent的潜力也将无限扩展。

picture.image

aiXcoder Agent实现原理

aiXcoder Agent具体能做什么？效果如何？先通过以下示例演示。

30分钟完成金融系统后台管理页面开发

任务需求：需要根据提供的API，自动化生成一个交互便捷的后台管理页面。aiXcoder Agent思考及执行过程如下：

1、结合任务目标，自动理解项目结构和可用API，规划开发路径；

2、自动搭建项目框架、配置文件并生成相关代码；

3、逐步实现路由配置、布局组件创建及登录、仪表盘、组织管理、交易管理等功能页面，并充分考虑业务逻辑、UI组件高度复用以及各模块扩展和维护等细节；

4、经用户确认后，自动运行项目并调用浏览器验证效果；

5、完整的思考过程、全程透明，实时反馈开发进度，任务完成后生成完整总结报告。

从需求解析到代码生成，从逻辑设计到效果验证，aiXcoder Agent展现出强大的规划能力、多文件编辑能力和工具调用能力，全程不到30分钟完成全部功能开发上线。

在aiXcoder Agent产品体验过程中，有四大亮点和使用技巧强烈推荐。

1、全自然语言实现

“高智商+全自动”的开发需求

aiXcoder Agent支持全自然语言交互，比如你刚接手一个代码库想要快速了解项目源代码，只需描述一句话：介绍一下代码库 。

Agent便能根据目标自动规划并分步骤执行，逐一查看项目文件进行分析，最后给出答案。开发者全程扮演决策者角色，不再需要逐行编写大量的代码或反复操作多个文件，只需点击接受或拒绝即可。

picture.image

2、智能调用工具，

与浏览器、终端实时交互

aiXcoder Agent系统预置了检索/读取/编辑文件、执行安全的终端指令、调用浏览器 等常用软件开发工具，能够自动感知环境信息，智能判断何时调用何种工具，完成复杂任务。

比如它可以直接在终端执行命令 ，检查代码是否出现了bug，或者程序是否按预期运行。一旦发现问题，会立刻采取行动，调整代码或修复问题；它还可以直接与浏览器进行交互 ，测试网页功能是否可以运行，形成「思考-行动-验证」的任务闭环。

picture.image

Agent自动与浏览器交互，

对功能进行测试验证

3、多类型上下文整合，精准交付结果

aiXcoder Agent高效整合了各种类型的上下文。开发者只需通过@的方式，即可为模型动态注入代码文件、目录结构、技术文档或 Lint 信息等关键上下文 。避免在复杂的开发任务中，系统自动检索可能遗漏关键信息。

例如：当任务涉及4个关联文件时，Agent可能仅识别其中2个，导致不完整的代码修改。通过手动添加上下文，可以有效帮助大模型精确关联与当前任务直接相关的信息，提高Agent处理效率和准确性。

与此同时，对于多模态模型，支持将图片作为上下文传给模型 。如下方示例，开发者可以直接把正在开发的网页报错截图发给Agent，它会自动分析、定位错误信息并进行修复。

picture.image

将报错截图发给Agent进行自动修复

4、内置检查点机制，

全程操作可追溯、可复原

aiXcoder Agent内置检查点机制，每当Agent完成一个小任务后，系统后自动备份当前工作区的完整状态 ，比如上下文、浏览器会话和终端命令的执行情况等，有助于开发者在需要的时候，随时对不同的修改版本进行比较和还原。

当你发现Agent修改结果不符合预期时，可一键还原到任一历史版本；
当你遇到Bug，Agent反反复复修不好时，可以在相应Git点回滚到上一次或者最初的文件/任务；
当你探索不同解决方案时，可以自由切换和比较多个方案版本。

picture.image

内置MCP功能：实现企业级工具生态的动态扩展，自定义构建智能开发工作流****

将当前火爆全网的MCP(Model Context Protocol，即模型上下文协议）内置于产品中，是此次aiXcoder焕新升级的又一大能力。

MCP协议通过三层解耦设计重构了大模型与开发工具的协作范式。相较于传统工具调用模式，MCP创造性地将模型决策层、工具管理层与执行层分离，开发者仅需通过标准化接口配置MCP Servers（通常指承载MCP协议的服务器），即可实现开发工具的"热插拔"式管理。

基于此，开发者可通过aiXcoder Agent快速配置安装MCP Servers，将常用软件开发工具和企业专属工具无缝集成至平台。 当大模型处理需求时，aiXcoder Agent智能中枢会通过MCP协议栈实时分析任务上下文， 自主选择最优工具进行调用 ，进而完成多类型任务。

例如，在下面的演示场景中，我们结合高德MCP Server，制定了一个五一假期出行规划的网页。大概流程如下：

1、在aiXcoder中配置高德MCP Server，安装相关工具；

2、在Agent模式中，用自然语言描述开发需求；

3、Agent首先通过MCP调用各个工具，如：经纬度坐标、驾车路线、天气等，获取所需信息。然后，一一完成HTML和CSS文件创建等步骤，并启动项目预览网页；

4、最终生成的网页，很详细地给出了行程概览、出行方式、行程安排、旅行清单、旅行贴士等内容板块。

aiXcoder Agent结合高德MCP Server

制作五一出行规划网页

Chat模式支持一键应用、丰富的上下文引用和工具调用，大幅提升使用体验和问答效果

本次Chat模式也迎来重要更新。与Agent模式不同，Chat默认不会自动编辑文件以及执行命令，而是专注于研发问答以及代码库相关分析，避免在模型能够不够强时，意外修改代码或执行其他指令，降低风险。

此次Chat模式中新增Apply方式。当aiXcoder生成代码后，开发者仅需要点击代码块上方的“应用”按钮，aiXcoder就会在编辑区生成行间Diff；点击“全部接受”，生成代码就会直接被应用到相应文件中 ，整个过程更加流畅和高效。告别以往应用AI生成代码需逐行对比、手动粘贴的低效场景，大大节省开发者的时间和精力。

Chat模式支持一键应用

除上述内容外，我们还在Chat区进行了多处细节的更新，进一步降低新手上手难度：

支持更丰富类型的上下文，包括@File、@Codebase、@Code、@Docs、@Git、@Terminal、@Problems、@Floder；

对部分模型支持工具调用，包括读取文件、查看目录、读取Repo Map、在代码库中精确检索、检索网络、查看Diff、查看当前打开的文件等；

支持对会话记录中的提问，进行重新编辑后提问；

支持在输入框通过键盘上下键，回显输入历史；

历史记录支持更便捷的查找与检索。

picture.image