AI агенти във VS Code: от интелигентен чат до пълноценни работни процеси, задвижвани от инструменти

Начало » Питон » AI агенти във VS Code: от интелигентен чат до пълноценни работни процеси, задвижвани от инструменти

Кодирането, задвижвано от изкуствен интелект, във Visual Studio Code е отишло далеч отвъд простото автоматично довършване, а съвременните AI агенти вече могат да четат работното ви пространство, да изпълняват инструменти, да рефакторират цели функции и дори да ви помагат да проектирате и внедрявате цели приложения директно от редактора. Ако имате опит с JavaScript и React и използвате VS Code от години, пейзажът от AI разширения и работни процеси на агенти в редактора може да изглежда коренно различен от това, което си спомняте от ранните дни на Копилот на GitHub.

Вместо да мислите само от гледна точка на „предложения за код“, новата вълна на изкуствен интелект във VS Code се върти около агенти, инструментална екипировка, и интегрирани работни процеси на модела които обхващат целия жизнен цикъл на приложение, подобрено с изкуствен интелект: откриване и тестване на модели, изграждане на агенти с инструменти, оценка на качеството, оптимизиране на производителността и накрая внедряване на всичко в локални или облачни среди. В това ръководство ще разгледаме какво могат да правят AI агентите във VS Code днес, как AI Toolkit на Microsoft и разширенията Azure AI Foundry структурират това преживяване и как това се сравнява с по-традиционни асистенти като GitHub Copilot, за да можете да изберете най-добрата настройка за вашите лични проекти.

Какво всъщност представляват AI агентите във VS Code днес

Когато хората говорят за „AI агенти във VS Code“ в днешно време, те се отнасят до много повече от балончета за чат в страничната лента. Съвременните агенти следват пълен агентски цикъл: те могат да четат и анализират вашите файлове, да решават кои части от кодовата база да докоснат, да изпълняват команди, да оркестрират инструменти и да итерират по собствен план, докато достигнат до разумно решение. Тези възможности наподобяват идеята за многоагентен контрол в съвременните IDE, където координираните агенти поемат по-големи задачи.

Вградените функции за изкуствен интелект на VS Code са разположени в спектър от режими на взаимодействие които споделят едни и същи големи езикови модели „под капака“ (като модели, хоствани от GitHub Copilot, и други LLM), но се усещат много различно в ежедневната работа: някои са ултралеки и едва прекъсват потока ви, докато други се държат като автономни сътрудници, които поемат големи рефактори или промени в архитектурата.

Първият слой са вградени предложения: тези довършвания с фантомни текстове, които се появяват, докато пишете. Те се захранват от специализирани модели за довършване и не включват пълен цикъл на агент или инструменти; те просто се опитват да предскажат следващата ви редакция, включително „предложения за следваща редакция“, които могат да подскажат къде трябва да се случи следващата промяна. Те са идеални, когато просто искате по-бързо писане, а не пълен разговор с изкуствен интелект.

Освен това получавате вграден чат, малък чат интерфейс директно в редактора, който ви позволява да заявявате фокусирани промени около конкретна селекция или файл. Вместо да превключвате към страничен панел, можете да въвеждате инструкции там, където се намирате: неща като „извлечете това в многократно използваема кука“ или „конвертирайте този компонент от клас React във функция с куки“.

По-тежкият край на спектъра е мястото, където се провеждат агенти и чат сесии.Тук взаимодействате в специален чат изглед, където агентите могат да разсъждават върху множество файлове, да поддържат контекст във времето и да извикват инструменти. Това е моментът, в който новите типове агенти (Агент, План, Запитване и вашите собствени персонализирани агенти) започват да се усещат като истински съотборник, вграден във VS Code, а не просто като подобрено автоматично довършване.

AI Toolkit за VS Code: центърът за модели, агенти и работни процеси

AI Toolkit за Visual Studio Code е цялостното разширение на Microsoft насочено към разработчици и инженери по изкуствен интелект, които искат да изграждат, тестват и доставят интелигентни приложения, използвайки генеративни модели, без да напускат редактора. Мислете за него като за вашата интегрирана среда за разработка на самия изкуствен интелект: от ранно експериментиране и бързо проектиране до оценка, оптимизация и внедряване.

Този инструментариум се интегрира тясно с много популярни доставчици на модели, включително модели, хоствани от OpenAI, Anthropic, Google и GitHub, като същевременно поддържат локални модели чрез ONNX и Ollama. Това означава, че можете да комбинирате облачни и локални модели, да експериментирате с всеки от тях и да решите коя комбинация най-добре отговаря на вашите ограничения по отношение на производителност, поверителност или разходи. Ако се интересувате как да alojar modelos de lenguaje localmente, поддръжката на локални модели от инструментариума е особено важна.

Разширението организира възможностите си в няколко основни раздела достъпно от иконата на AI Toolkit, която се появява в лентата с дейности на VS Code след инсталирането на разширението. Основните точки за вход са „Моите ресурси“, „Инструменти за модел“, „Инструменти за агенти и работни потоци“, „Работен процес на MCP“ и „Помощ и обратна връзка“, като всяка от тях действа като табло за управление за различни части от жизнения цикъл на разработка на AI.

„Моите ресурси“ е мястото, където виждате всичко, което вече можете да използвате във вашата текуща среда: разположени модели, дефинирани агенти и MCP сървъри. Например, под Модели ще намерите наличните внедрявания за вашите AI приложения, докато Агенти изброява вашите активни агенти на AI Toolkit, а MCP сървъри събира сървърите на Model Context Protocol, към които сте свързани.

Инструментите за моделиране са работното пространство, където всъщност изграждате и усъвършенствате основата на вашия изкуствен интелект.Тук можете да разгледате каталога с модели, за да откриете модели от GitHub, ONNX, Ollama, OpenAI, Anthropic, Google и други източници, да сравните опциите една до друга и да изберете най-подходящия модел за всяка задача. Моделната площадка ви предоставя интерактивна среда за чат, за да тествате подкани, да настройвате параметри и да изследвате мултимодални функции, като например входни изображения или файлове.

Инструментът за преобразуване в Model Tools се фокусира върху превръщането на съществуващите модели в ефективни локални внедрявания.Ако работите с модели за машинно обучение от места като Hugging Face, можете да ги конвертирате, квантирате и оптимизирате, така че да работят гладко в Windows, използвайки ускорение от процесор, графичен процесор или NPU. Междувременно инструментът за фина настройка ви позволява да адаптирате предварително обучен модел към вашия специфичен домейн, използвайки ваш собствен набор от данни, локално с графичен процесор или в облака чрез Azure Container Apps.

Инструменти за агенти и работни процеси: изграждане, тестване и оценка на AI агенти

След като моделите са готови, секцията „Инструменти за агенти и работни процеси“ е мястото, където се случва истинската „агентска“ магия.Тази област обединява всичко необходимо за изграждане, внедряване и усъвършенстване на AI агенти, които могат да действат от ваше име във VS Code и извън него.

Agent Builder е сърцето на работния процес на агентаТой рационализира инженерството на подканите и дизайна на агенти, така че да можете да създавате сложни AI роли, които разчитат на структурирани изходи и MCP инструменти. Можете да дефинирате системни подкани, роли и поведения, а след това да генерирате готов за производство код, който включва тези агенти във вашите приложения. Ако искате задълбочено четене за el diseño y construcción de equipos de agentes de IA, този ресурс допълва работния процес на Agent Builder.

Bulk Run се справя с по-малко бляскавата, но абсолютно критична част от работните процеси с изкуствен интелект: тестване в голям мащаб.Вместо ръчно да подканяте модел или агент отново и отново, можете да изпълнявате пакетни тестове на подкани едновременно в множество модели. Това е изключително полезно за сравняване на резултати, валидиране на поведение в различни сценарии и вземане на решения, основани на данни, за това кой модел или конфигурация на подкани да се използва.

Оценката е вградена в AI Toolkit, така че не е нужно да въвеждате свои собствени показатели всеки пътМожете да оцените производителността на модела и агента, използвайки набори от данни и набор от стандартни оценители, като например F1 оценка, релевантност, сходство и съгласуваност. Ако вашият случай на употреба има специални нужди – например специфична за домейна коректност или тон – можете също да дефинирате персонализирани критерии за оценка, за да прецените резултатите спрямо данните от реалния анализ.

Проследяването ви дава видимост върху това, което вашите агенти и модели всъщност правятТой събира данни за проследяване и ви позволява да проверявате повиквания, решения и времена, за да можете да диагностицирате странно поведение или проблеми с производителността. В Windows профилирането (Windows ML) отива по-задълбочено и показва използването на ресурси на процесора, графичния процесор и невронния процесор за ONNX модели на различни доставчици на изпълнение, както и събития на машинно обучение на Windows, което ви помага да извлечете максимална ефективност от вашия хардуер. Тези възможности са добре съчетани с... herramientas AI para depuración и анализ на производителността в работните процеси за разработка.

Заедно тези инструменти превръщат VS Code в практическа лаборатория за разработване на AI агентиМожете да проектирате своя агент, да го оборудвате с инструменти, да го стартирате срещу реалистични натоварвания, да измервате как се държи и да извършвате бързи итерии – без постоянно да превключвате между облачни портали, скриптове и табла за управление на трети страни.

MCP Workflow: свързване на външни инструменти и сървъри

Ключов фактор за мощните AI агенти във VS Code е способността им да извикват инструменти, включително както инструментите, предоставяни от инсталирани разширения, така и тези, достъпни чрез MCP (Model Context Protocol) сървъри. Разделът „MCP Workflow“ в AI Toolkit е посветен на свързването на тези сървъри и превръщането им в част от инструментариума на вашия агент.

Записът „Добавяне на MCP сървър“ ви позволява да включите съществуващи MCP сървъри така че вашите агенти могат да правят заявки към външни API, да взаимодействат с бази данни или да изпълняват задачи, които се намират извън кодовата база на вашия проект. Това ефективно разширява възможностите на един агент далеч отвъд четенето на текстови файлове и изпълнението на прости команди.

Ако искате персонализирани възможности, опцията „Създаване на нов MCP сървър“ ще ви преведе през настройването на чисто нови сървъри. които предоставят вашите собствени инструменти или услуги на агентския слой. Това е удобно, например, когато искате агент, който разбира вътрешните API-та, бизнес логиката или инфраструктурните команди на вашата компания, но не искате да кодирате всичко това твърдо в подкани. Корпоративните сценарии все по-често приемат Агенти на IA с роли за улавяне на бизнес правила и разрешения.

След като MCP сървърите са свързани към инструментариума, те стават част от набора от инструменти, които агентите могат да извикват автоматично по време на своя цикъл на действие. От гледна точка на потребителя, вие просто виждате как агентът прави по-умни движения: той търси информация, манипулира ресурси и изпълнява задачи, които преди изискваха няколко ръчни стъпки от ваша страна.

Кой се възползва най-много от AI Toolkit и работните процеси на агентите

Агентите на AI Toolkit и VS Code не са ограничени само до хардкор практикуващи машинно обучение.; те са предназначени да помогнат на широка група хора, работещи с генеративен изкуствен интелект, от разработчици на приложения за ежедневието до преподаватели и студенти. Един и същ набор от инструменти може да се усеща много различно в зависимост от това колко дълбоко искате да се задълбочите.

Разработчиците на традиционни приложения могат да спечелят многоАко създавате уеб или настолни приложения и искате да добавите интелигентни функции като чатботове, обобщаване, генериране на код или филтриране на съдържание, тези инструменти улесняват интегрирането на езикови модели. Разработчиците на пълен стек могат бързо да извършват итерации както върху front-end, така и върху back-end логиката, като същевременно позволяват на агентите да се справят с шаблонни елементи, окабеляване и рефакториране.

Мобилните разработчици могат да използват една и съща среда за създаване на прототипи на функции с изкуствен интелект— например, тестване на подкани за вграден асистент или система за препоръки на съдържание — преди да се ангажирате с конкретна стратегия за внедряване на устройство или в облак. С локални модели чрез ONNX и Ollama можете дори да валидирате настройки, съобразени с поверителността, без непосредствени зависимости от облака.

От страна на данните, инженерите по изкуствен интелект и специалистите по данни получават инструменти, които отговарят на ежедневните им работни процеси.Те могат да настройват фино модели за специфични домейни, да извършват оценки на множество кандидати и да управляват целите за внедряване директно от VS Code. Машинното обучение (ML) инженерите се възползват по-специално от функциите за конвертиране и оптимизация, които помагат моделите да се доближат до производствените среди в Windows.

Изследователите, преподавателите и студентите също имат ясен път към практически експериментиИзследователите на ИИ могат да изследват различни модели и техники за инженерство на подкани в игралната площадка, докато преподавателите могат да демонстрират възможности на живо в редактора, включително поведение на агентите, използване на контекста и показатели за оценка. Учениците могат да научат генеративен ИИ, като реално чатят с модели, изграждат прости агенти и наблюдават как различните подкани и инструменти променят резултатите.

Ключови случаи на употреба на AI агенти и модели във VS Code

След като всички елементи са на мястото си, практическите случаи на употреба на AI Toolkit и VS Code агенти обхващат почти целия жизнен цикъл на разработка на AI.Можете да започнете с малки интерактивни експерименти и да завършите с внедряване на надеждни, добре оценени агенти като част от реални приложения.

Изследването и сравнението на модели е една от първите стъпкиС каталога на моделите можете бързо да преглеждате модели от Anthropic, OpenAI, GitHub и други, да проверявате възможностите и след това да сравнявате отговорите директно в Playground или чрез Bulk Run. За екипите за разработка възможността да тестват едни и същи подкани от множество доставчици е безценна за избора на правилния компромис между цена, латентност и качество.

Локалното изпълнение на модели чрез ONNX и Ollama е от голямо значение за сценарии, чувствителни към поверителност или ограничени бюджети.Можете да съхранявате данни на собствената си машина, докато все още се наслаждавате на генеративни функции, което е особено привлекателно за лични проекти с поверителен код или организации, които имат строги изисквания за съответствие.

Конструирането и тестването на агенти е друг основен случай на употребаС Agent Builder и инструментите, фокусирани върху агенти, можете да проектирате многостъпкови асистенти (например, инструмент за преглед на код или генератор на документация), да прикачите MCP инструменти, да генерирате интеграционен код и след това да използвате Playground и инструментите за оценка, за да се уверите, че вашият агент се държи последователно.

И накрая, работните процеси за преобразуване и оптимизация ви помагат да преодолеете разликата между експериментирането и внедряванетоКонвертирането на модели от хранилища като Hugging Face, оптимизирането им за хардуер на Windows и фината им настройка със собствени данни означава, че можете да пренесете локалните прототипи чак до производствена среда, без да пресъздавате изцяло настройката си другаде.

Инсталиране и настройване на AI Toolkit във VS Code

Първите стъпки с AI Toolkit в Visual Studio Code са умишлено лесниНай-бързият начин е да вземете разширението от Visual Studio Marketplace, да го инсталирате и да потърсите новата икона на AI Toolkit в лентата с дейности, за да отворите специалния изглед за него.

Ако предпочитате или имате нужда от ръчен маршрутМожете също да инсталирате разширението, като следвате стандартния процес „Инсталиране на разширение“, документиран за VS Code, след което отново потвърдите, че иконата на AI Toolkit се появява в лентата с дейности. След като я отворите, ще видите основните раздели, които разгледахме – Моите ресурси, Инструменти за моделиране, Инструменти за агенти и работни потоци, Работен процес на MCP и Помощ и обратна връзка.

„Моите ресурси“ става вашият контролен център за ресурси с изкуствен интелект в Azure можете да използвате от редактора: внедрени модели за вашите приложения, съществуващи агенти, които сте конфигурирали, и MCP сървъри, с които работите в момента. Тук потвърждавате какво е налично, преди да изградите нови инструменти върху тях.

Под „Инструменти за модели“ можете веднага да се потопите в разглеждането и тестването на модели.Каталогът с модели ви позволява да откривате различни доставчици и да ги сравнявате на едно място, докато Детската площадка ви предоставя интерактивна, мултимодална среда, където можете да прикачвате файлове, да изпращате изображения и да експериментирате с параметри като температура или максимален брой токени.

Опциите за преобразуване и фина настройка са достъпни от същия раздел, което ви позволява да превърнете предварително изградените ML модели в локални, оптимизирани артефакти и да обучавате специфични за домейна варианти или на вашата машина, или в Azure Container Apps с GPU ускорение. За много екипи това е пътят от модели с общо предназначение към специализирани „домашни модели“, оптимизирани за техните данни.

Учебни ресурси: ръководства и документация

За да избегнете типичното чувство „инсталирах го, сега какво?“AI Toolkit се предлага с ръководство за първи стъпки, което се отваря от секцията „Помощ и обратна връзка“. Това ръководство ви превежда през Playground и основните взаимодействия в чата, така че можете да се запознаете с основните възможности, без първо да четете пълно ръководство.

Можете да стартирате ръководството, като отворите изгледа на AI Toolkit от лентата с дейности, след което потърсете в „Помощ и обратна връзка“ записа „Първи стъпки“. Това отваря стъпка по стъпка ръководство, което показва къде да щракнете, какво да опитате и как основните части се съчетават.

Същата област „Помощ и обратна връзка“ препраща към подробна документация и уроци, включително документацията на разширението Microsoft Foundry, галерия с уроци, бележки за изданието в секцията „Какво е новото“ и хранилището на GitHub, където можете да съобщавате за проблеми или да следите разработката. Ако сте от хората, които обичат да разбират основната архитектура, тези ресурси разглеждат задълбочено как взаимодействат модели, инструменти и агенти.

За по-разказвателен, демонстрационен преглед, има и записани сесии където продуктовите мениджъри разглеждат свързването на модели, оценката на производителността, изграждането на интелигентни агенти и свързването на MCP инструменти, всичко това от редактора. Тези демонстрации разглеждат по-подробно функциите на Azure AI Foundry, внедряването на модели в Azure, визуалния дизайн на агенти, интеграцията на търсенето в Bing, инструментите за интерпретиране на код и отстраняването на грешки във взаимодействията на агентите.

Вградените типове агенти и сесии на локални агенти във VS Code

Освен AI Toolkit, самият Visual Studio Code вече се предлага с вградени концепции за агенти. които се намират в интерфейса за чат и работят като „локални агенти“ на вашата машина. Тези агенти работят интерактивно във VS Code, имат достъп до текущото ви работно пространство и могат да използват инструменти от разширения и MCP сървъри, което ги прави много контекстно-осъзнати партньори за кодиране.

Локалните агенти са особено подходящи за интерактивни задачи, които изискват бърза комуникация., като например брейнсторминг на архитектури, планиране на работа или итерации върху частично дефинирани изисквания. Тъй като могат да виждат вашите файлове, да четат диагностични данни и да изпълняват инструменти, те са идеални и за дебъгване, рефакторинг и документиране.

Ключовите характеристики на тези локални агенти включват пълен достъп до работното пространство—те могат да четат и променят файлове, да вземат предвид контекста на вашия проект и да извикват всички инструменти на агенти, конфигурирани във VS Code, от вградени възможности до инсталирани разширения и MCP крайни точки. Те могат също така да използват всички налични за вас модели, независимо дали са модели по подразбиране на Copilot или модели „донеси свой собствен ключ“ (BYOK) от други доставчици.

Дори когато затворите панел за чат, самата сесия на локалния агент може да остане активна.и можете да проследявате и управлявате активни сесии от специален изглед. Тази постоянство е удобна, когато работите по дългосрочни задачи, при които агентът може да се нуждае от преразглеждане на контекста от по-рано през деня.

VS Code се доставя с три основни вградени персони на агенти оптимизиран за различни работни потоци – Агент, Планиране и Запитване – плюс възможност за дефиниране на ваши собствени персонализирани агенти за високоспециализирани задачи като преглед на код, автоматизация на тестването или генериране на документация.

Обяснение на вградените режими „Агент“, „Планиране“ и „Запитване“

Общата персона на „Агент“ е настроена за сложни задачи по кодиране базирано на изисквания на високо ниво. Вместо микроредактиране на редове код, този агент може да чете големи части от вашия проект, да планира набор от промени, да изпълнява команди и инструменти в терминала и да извършва итерии, докато заявената функция или рефакторинг не бъде завършена.

В режим на агент, VS Code прилага промените директно в редактора...и получавате наслагващи се контроли, които ви помагат да се придвижвате между предложените редакции и да ги преглеждате, преди да ги приемете. Зад кулисите агентът може да извика множество инструменти – като например изпълнение на тестове, проверка на диагностика или търсене в работното ви пространство – за да си свърши работата. Това е пряко свързано с модели за... Отладка и тестване, задвижвани от изкуствен интелект и автоматизирани работни процеси за валидиране.

Можете да обогатите режима на агент, като добавите още инструменти, независимо дали чрез MCP сървъри или разширения, които предоставят персонализирани инструменти. Това означава, че вашият агент може например да осъществява достъп до външни API, да комуникира с инфраструктурни услуги или да извършва трансформации на код, задвижвани от други разширения, всичко това в рамките на един и същ разговор.

Персонажът на „Плана“ е специализиран в изграждането на ясна пътна карта за изпълнениеВместо директно редактиране на файлове, той се фокусира върху разделянето на вашата заявка на високо ниво на структурирани стъпки, задаването на уточняващи въпроси и гарантирането, че имате солиден и изпълним план. След това можете да прехвърлите този план в режим на агент или да го следвате ръчно, докато го внедрявате.

Персоната „Питай“ е вашият предпочитан адрес за въпроси и отговори относно код и концепции.Оптимизиран е за разбиране, обяснение и изследване на идеи: как работи определен фрагмент от код, къде е дефинирана конфигурация или различни начини за имплементиране на функция. Ask използва агентни възможности, за да събере контекст от вашата кодова база, така че отговорите да са базирани на вашия действителен проект, вместо на общи шаблони.

Когато Ask отговаря с блокове код, можете да задържите курсора на мишката върху тях и да използвате действието „Приложи в редактора“, за да вмъкнете или замените код в съответния файл, което ви дава прецизен контрол, вместо мащабни редакции на множество файлове. За много разработчици това е най-безопасният начин да започнат да използват изкуствен интелект в кодовата база, без да се чувстват сякаш губят контрол.

Стартиране на собствени сесии с локални агенти във VS Code

Започването на сесия с локален агент във VS Code е много подобно на започването на чат с Copilot, но с по-ясен контрол върху това коя персона използвате и кои инструменти са налични по време на сесията.

За да започнете сесия с общата персона на агента, отворете изгледа за чат, изберете „Агент“ от селектора на агенти и въведете заявка от високо ниво в полето за въвеждане. Това може да е нещо като „Внедряване на поток за удостоверяване OAuth2 + JWT за това приложение“ или „Настройване на CI/CD за това хранилище с помощта на действия на GitHub“.

Преди изпращане можете да използвате инструмента за избор на инструменти, за да активирате или деактивирате конкретни инструменти, като по този начин ефективно решавате колко мощност искате да дадете на агента (например дали може да изпълнява тестове, да променя файлове групово или да извиква външни MCP инструменти). След това натиснете Enter или щракнете върху Изпращане, за да стартирате цикъла на агента.

Докато агентът предлага промени и използва инструменти, преглеждате и потвърждавате или коригирате действията му. Можете да продължите да изпращате последващи подкани, докато той все още работи, за да насочвате посоката, да поставяте нови заявки на опашка или да прекъсвате и да изпращате различна инструкция незабавно. Този вид контрол в разговор ви позволява да се отнасяте към агента като към истински сътрудник, когото ръководите в реално време.

Започването с персоната „Ask“ е още по-лесноПросто въведете въпроса си в чата, изберете „Попитай“ в инструмента за избор на агент и го изпратете. Можете да добавите специфичен контекст, като например препратки към файлове или фрагменти от код, за да получите по-целенасочени отговори, особено когато работите с големи проекти, където агентът би търсил твърде широко.

За всяка от тези персони има допълнителни пътеки за обучение и уроци—включително общ преглед на агентите, практически ръководства, документация за инструменти и персонализирани агенти, както и специални статии за интерфейса за чат — които ви помагат да надхвърлите основната употреба, след като се почувствате комфортно.

Отстъпвайки назад, модерният AI стек на VS Code – AI Toolkit, интеграция с Azure AI Foundry, локални агенти, вградени персони и MCP инструменти – превръща редактора в цялостно AI работно пространство. където можете да откривате модели, да създавате подкани, да изграждате и оценявате агенти, да ги свързвате с външни услуги и накрая да ги вграждате във вашите JavaScript, React или други приложения, като същевременно поддържате строг контрол върху вашата кодова база и работен процес за разработка.