2020年代中期代理编码工具的兴起代表了软件开发领域的重大演进，超越了简单的代码补全，转向能够规划、执行和调试复杂编程任务的自主系统。这些工具基于大语言模型（LLM）构建，源于更广泛的代理式人工智能领域，与2023年主要回答问题的那种工具型AI形成对比。虽然不存在普遍认可的定义，但AI代理通常表现出目标导向行为，使用外部工具，与其环境交互并修改环境，以及自主执行多步骤任务。它们的控制流通常由LLM驱动，系统通常包含内存组件、规划逻辑、工具接口和编排软件。
代理编码工具的实际部署在2023年末和2024年迅速加速。一个关键催化剂是OpenAI的函数调用API，它允许LLM调用外部工具，随后是Anthropic在2024年末推出的模型上下文协议（MCP），这是一种标准化方式，通过调用各种外部工具让代理获得上下文感知并对世界采取行动。“代理式”一词直到2024年才开始频繁使用，部分由研究者吴恩达推广。这一时期出现了诸如德文等自主编码代理和光标等AI驱动的代码编辑器等显著工具，它们成为代理式开发新浪潮的标志。
历史背景
人工代理的理论基础出现在20世纪中期，源于控制论和人工智能。奥利弗·塞尔弗里奇1958年的论文《潘多魔：一种学习范式》是一个重要的早期理论贡献，确立了代理导向架构。实用实现于1990年代在信念-愿望-意图软件模型和代理导向编程引入后变得广泛。早期代理倾向于具有简单的if-then逻辑，随着时间扩展为大型决策树模型。到2010年代初，西里等产品发布并有时被称为AI代理，尽管它们缺乏后来LLM驱动代理的通用推理能力。在2010年代末和2020年代初，LLM的发展引入了新方法，GPT-3等模型展示了比早期系统更大规模的自然语言生成。学者们从2018年开始研究LLM代理，在函数调用API和MCP可用后，部署加速。
关键工具和平台
最突出的代理编码工具包括德文和光标。Devin由Cognition AI开发，被定位为自主AI软件工程师，能够在最少人工干预下处理整个编码项目。它可以独立规划、编写代码、运行测试和修复错误。Cursor由Anysphere-Cursor创建，将代理能力直接集成到代码编辑器中，允许开发者通过自然语言指示AI修改跨多个文件的代码、重构函数和导航复杂代码库。这些工具利用来自OpenAI和Anthropic等提供商的高级LLM，其成功激发了来自成熟公司和初创公司的类似产品浪潮。竞争格局在2025年加剧，云提供商和专门AI公司各有侧重，强调自主性、上下文处理以及与现有开发工作流集成的不同方面。
技术基础
代理编码工具的运作依赖于几个技术组件。一个核心元素是代理框架（或脚手架），即围绕LLM的软件层，使其能够作为代理运作。该框架管理提示词、上下文、工具使用、内存、执行状态、操作约束、沙箱、权限和结果处理。它将模型连接到内部和外部计算机硬件、软件、数据文件、数据库、网页浏览器、命令行界面和应用程序编程接口，同时控制代理如何访问这些资源以完成多步骤任务。另一个重要概念是代理编排，它协调多个代理以产生一个连贯的群体，实现比并行运行无交互的代理更好的结果。工作流作为相关层，允许在分阶段进行的任务上获得更好性能，包括提示链、路由、并行化、顺序处理和规划者-批评者模式（一个代理生成提案，另一个评估它）。
训练与评估
研究人员尝试构建世界模型和强化学习环境来训练或评估AI代理。对于编码，专门开发了基准测试和环境，用于在真实软件任务上测试代理，如在开源仓库中修复错误或根据问题描述实现功能。像《我的世界》和《无人深空》等视频游戏，以及公司网站的复制品，也被用于训练此类代理。代理编码工具的评估通常侧重于其自主完成任务的能力、生成代码的正确性以及工作流的效率。截至2025年，没有单一基准测试被普遍接受，评估在不同工具和研究组之间差异很大。
自主性水平
《金融时报》将AI代理的自主性与SAE对自动驾驶汽车的分类进行了比较，称大多数应用类似于2级或3级，有些在高度专门化情况下达到4级，而5级仍是理论性的。在编码中，这意味着大多数工具需要一定程度的人类监督，特别是对于复杂的架构决策或安全敏感操作，而编写样板代码或修复语法错误等更简单任务可以完全自主处理。自主性水平还取决于提供的上下文、基础模型的质量以及代理框架的健壮性。
采用与影响
代理编码工具的采用在软件开发人员中迅速增长，特别是在寻求加速开发周期的初创公司和技术公司中。支持者认为，这些工具通过处理重复任务、减少样板代码，让开发者专注于更高层次的设计来提高生产力。批评者则担忧代码质量、AI生成代码引入的安全漏洞，以及过度依赖自动化系统的潜在风险。这些工具还引发了关于编程工作未来的辩论，一些人预测人类开发者的角色将转向更多监督。到2025年，许多主要科技公司已将代理编码工具集成到内部工作流中，此类工具市场已成为更广泛生成式AI行业的重要细分市场。
标准与生态系统
Anthropic在2024年末推出的模型上下文协议（MCP）是生态系统的一个关键时刻，为代理访问上下文和调用工具提供了标准化方式。该协议被行业广泛采用，实现了不同代理框架和工具之间的互操作性。开放标准和共享框架的发展帮助减少了碎片化，并允许开发者构建更复杂的代理系统。此外，代理编码工具的兴起促进了更广泛的2025年代理编码繁荣，该时期见证了AI基础设施投资的增加，包括英伟达和AMD等公司的专用硬件，以及亚马逊网络服务、Azure和谷歌云等提供商提供的云服务。
未来方向
截至2025年，代理编码工具领域继续快速发展。研究集中在提高自主代理的可靠性和安全性、开发更好的评估方法，以及增强代理处理长周期任务的能力。多模态代理（除了文本外还能处理图像、视频和软件用户界面）是一个新兴的兴趣领域。代理工具与其他AI系统的集成，如强化学习和世界模型，有望进一步扩展其能力。虽然对软件开发的长期影响仍不确定，但编码中更大自动化和自主性的趋势是明确的，代理工具正成为现代开发者工具包中不可或缺的一部分。