AutoDev, 새로운 지평을 열다: MCP 프로토콜의 양방향 지원, 새로운 AI 코딩 도구 에코시스템 구축

在人工智能编码领域，如何让 AI 智能体（Agent）更有效地利用工具完成复杂的软件开发任务，一直是备受关注的核心议题。“工具使用”（Tool Use/Function calling）正是在此背景下诞生的关键技术。一个完善的软件开发流程，除了集成开发环境（IDE）本身及其丰富的插件生态外，还离不开版本控制系统 Git、容器化技术 Docker、容器编排平台 Kubernetes、持续集成/持续交付工具 Jenkins 等一系列外部工具的协同运作。如何让 AI 能够感知并熟练运用这些工具，成为提升 AI 编码能力的关键所在。

近日，AI 编码工具 AutoDev 宣布了一项重大更新，其核心在于实现了与模型上下文协议 MCP（Model Context Protocol）的双向集成。这意味着 AutoDev 不仅可以作为 MCP 服务端，为其他 AI Agent 工具提供服务，同时也能作为 MCP 客户端，调用来自 MCP 生态的各类工具。这一创新举措，无疑为 AI 编码工具的未来发展方向提供了新的思路。

从渐进式 AI Agent 方案到 AutoDev 即 MCP 服务

在更宏大的自动化计算机使用场景中，IDE 仅仅是众多可被 AI Agent 调用的工具之一。当前 AI Agent 的发展正处于一个渐进阶段。传统的用户界面（UI）操作效率低下，这制约了 AI Agent 的自动化能力。因此，以 IDE 为中心的 AI 编码模式仍然是主流，但未来的趋势必然是转向以 Agent Tool 为中心的模式，即 AI Agent 可以自主操控浏览器获取需求信息、启动 IDE 编写代码、调用 DevOps 工具发布应用，甚至进行更广泛的自动化操作。

面对 AI Agent 工具调用的浪潮，AutoDev 率先将自身定位为一个 MCP 服务。这意味着，任何支持 MCP 协议的 Agent 工具，例如 Cursor、Cline、GitHub 부조종사 等，都可以直接调用 AutoDev 提供的服务，从而获取 IDE 环境中的高质量上下文信息。这种转变打破了工具之间的壁垒，为构建更强大的 AI 编码生态系统奠定了基础。

从 MCP 即 Agent Tool 生态到 MCP 服务即 AutoDev 指令

过去，AutoDev 侧重于借助 IDE 的生态和插件体系，构建端到端的 AI 辅助开发流程。随着 AutoDev 集成了越来越多的插件功能，对 Agent Tool 的需求也日益凸显。

Agent Tool 奠定 AI IDE 的能力基线

对比市面上众多 AI 编码工具，可以发现基于 VSCode 的工具在功能上高度同质化，它们提供的工具集往往大同小异。然而，集成在 JetBrains IDE 平台上的 AI 编码插件，例如 AutoDev 和 JetBrains Junie，则展现出更强大的能力，能够提供包括抽象语法树（AST）分析、代码调试、全限定名（FQN）查找等更深层次的 IDE 功能。

基于 VSCode 的 AI 编码工具通常提供约十个工具，而 JetBrains 平台的 AI 编码插件则能提供大约二十个，但这仅仅是 IDE 基础能力的冰山一角。随着 AI 编码技术向需求分析、部署、运维等更广阔的领域延伸，对工具生态的丰富度和专业性都提出了更高的要求。

MCP 开源生态的崛起

模型上下文协议（MCP）由 인류학 公司（Claude 模型背后的公司）推出，旨在为大型语言模型（LLM）应用提供一套标准化的接口，使其能够便捷地访问外部信息、工具和资源。尽管 AutoDev 已经具备强大的自定义能力，例如支持自定义 Agent，但在面对快速迭代的技术环境和用户多样化的需求时，仍然存在局限性：

• 工具的不可预测性： 许多企业或组织内部存在定制化的工具，这些工具难以被预先集成到 AutoDev 等通用平台中。
• MCP 生态的蓬勃发展： MCP 协议及其相关工具生态正在迅速发展，并逐渐成为行业标准。特别是在 Cursor、Cline 等新兴编程工具引入 MCP 协议后，海外已经涌现出大量的 MCP 服务和开源实现，构建起了一个充满活力的生态系统。

AutoDev × MCP：双向赋能，构建开放式 AI 编码平台

基于对 AI 编码发展趋势和 MCP 协议价值的深刻理解，AutoDev 创新性地推出了 AutoDev × MCP 双向赋能方案。具体而言：

• AutoDev 作为 MCP 服务端： AutoDev 可以作为 MCP 服务提供者，向任何 Agent Tool 开放自身的功能和服务。
• AutoDev 作为 MCP 客户端： AutoDev 可以作为 MCP 服务消费者，调用 MCP 生态中丰富的工具和服务。

通过这两种模式，AutoDev 不仅能够充分利用 MCP 生态的资源，也为自身能力的扩展和开放性奠定了坚实的基础。

AutoDev 作为 MCP 服务端：开放 IDE 上下文

AutoDev 基于 JetBrains 平台的 MCP 方案，构建了作为 MCP 服务端的能力（需要手动开启 MCP 功能）。用户可以通过 JSON 格式进行配置，以下是 Cline 插件中的配置示例：

{
"mcpServers": {
"AutoDev": {
"command": "npx",
"args": [
"-y",
"@jetbrains/mcp-proxy"
],
"disabled": false,
"autoApprove": []
}
}
}

在当前版本中，AutoDev 主要基于官方提供的基础能力，并初步扩展了一些数据库相关的工具。未来，随着国内 MCP 生态的成熟和发展，AutoDev 将进一步扩展其作为 MCP 服务端的能力。

AutoDev 作为 MCP 客户端：扩展工具边界

用户可以在 AutoDev 的自定义 Agent 页面配置 MCP 服务，以下是 MCP 官方提供的文件系统服务示例：

{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Volumes/source/ai/auto-dev"
]
}
}
}

配置完成后，该 MCP 服务提供的工具即可在 AutoDev 中被调用。例如，文件系统服务可以提供 list_directory 工具，在 AutoDev 中可以通过 DevIns Command 形式调用：

/list_directory
```json
{
"path": "/Volumes/source/ai/autocrud/docs/mcp"
}

借助 AutoDev 强大的 DevIns Command 功能，用户可以在 AutoDev 中灵活调用任何 MCP 服务，甚至可以通过 Agent 智能地编排和使用这些工具。

결론

AutoDev 对 MCP 协议的双向赋能，不仅仅是一项技术升级，更是 AI 编码工具发展理念的一次重要跃迁。通过拥抱 MCP 生态，AutoDev 打破了传统 AI 编码工具的封闭性，构建了一个更加开放、灵活、可扩展的平台。这预示着未来的 AI 编码工具将更加注重生态合作和工具互联互通，共同推动 AI 辅助软件开发迈向新的高度。