- VS Code 现在包含丰富的 AI 代理、聊天界面和内联建议，它们协同工作，支持从快速编辑到多文件重构的各种操作。
- 微软的 AI Toolkit 扩展程序将模型发现、测试环境、转换、微调、评估和跟踪等功能直接集中在编辑器内。
- 代理和工作流工具以及 MCP 服务器可让您设计自定义代理、附加工具、批量测试它们并将其集成到实际应用程序中。
- 具有内置角色（代理、计划、提问）的本地代理利用您的工作区上下文和可用模型，在日常编码中充当自主协作者。
Visual Studio Code 中的 AI 驱动型编码功能已经远远超越了简单的自动完成功能。如今，现代 AI 代理可以读取您的工作区、运行工具、重构整个功能，甚至可以帮助您直接从编辑器设计和部署完整的应用程序。如果您有 JavaScript 和 React 的经验，并且使用 VS Code 多年，那么编辑器中 AI 扩展和代理工作流程的格局可能与您记忆中早期版本截然不同。 GitHub 副驾驶.
不要仅仅从“代码建议”的角度去思考VS Code 中的新一轮 AI 浪潮围绕着…… 中介代理, 模具和 集成模型工作流程 涵盖人工智能增强型应用程序的整个生命周期：发现和测试模型、使用工具构建代理、评估质量、优化性能，最终将所有内容部署到本地或云环境。在本指南中，我们将介绍 VS Code 中的 AI 代理目前可以做什么，Microsoft 的 AI Toolkit 和 Azure AI Foundry 扩展如何构建这种体验，以及它与 GitHub Copilot 等更传统的助手有何不同，以便您可以为自己的项目选择最佳配置。
VS Code 中的 AI 代理目前究竟是什么样的？
如今人们谈论“VS Code 中的 AI 代理”时他们所指的远不止是侧边栏的聊天气泡。现代智能体遵循完整的智能体循环：它们可以读取和分析文件，决定要修改代码库的哪些部分，运行命令，协调工具，并不断迭代自己的方案，直到找到合理的解决方案。这些能力类似于…… 现代集成开发环境（IDE）中的多智能体控制其中，协调的代理承担更大的任务。
VS Code 内置的 AI 功能涵盖了一系列交互模式。 它们底层共享相同的大型语言模型（例如 GitHub Copilot 托管的模型和其他 LLM），但在日常工作中感觉却截然不同：有些非常轻量级，几乎不会中断您的工作流程，而另一些则像自主协作者一样，可以接管大型重构或架构变更。
第一层是内联建议：就是那些在你输入时自动补全的“幽灵文本”。它们由专门的补全模型驱动，无需完整的智能体循环或工具；它们只是尝试预测你的下一步编辑，包括提供“下一步编辑建议”，提示你下一步应该在哪里修改。如果你只是想提高输入速度，而不是进行完整的AI对话，它们就非常合适。
除此之外，你还可以使用在线聊天功能。这是一个直接集成在编辑器中的小型聊天界面，允许您针对特定选区或文件提出修改请求。您无需切换到侧边栏，即可在当前位置输入指令，例如“将此提取为可重用的 Hook”或“将此 React 类组件转换为带有 Hook 的函数”。
频谱中较重的部分是代理和聊天会话所在的区域。在这里，您可以在专门的聊天视图中进行交互，代理可以处理多个文件，保持上下文关联，并调用各种工具。正是在这里，新的代理类型（代理、计划、提问以及您自己的自定义代理）开始感觉像是嵌入在 VS Code 中的真正队友，而不仅仅是功能强大的自动完成工具。
适用于 VS Code 的 AI 工具包：模型、代理和工作流的中心
适用于 Visual Studio Code 的 AI 工具包是微软的综合扩展程序。 面向希望使用生成模型构建、测试和发布智能应用程序的开发者和人工智能工程师，所有操作均无需离开编辑器。您可以将其视为人工智能的集成开发环境：从早期实验和快速设计到评估、优化和部署。
该工具包与许多流行的模型提供商紧密集成。其中包括 OpenAI、Anthropic、Google 和 GitHub 托管的模型，同时还支持通过 ONNX 和 Ollama 实现的本地模型。这意味着您可以混合搭配云端模型和本地模型，分别进行试验，并确定哪种组合最符合您的性能、隐私或成本限制。如果您有兴趣了解如何…… 本地语言模型其中，该工具包的本地模型支持尤为重要。
该扩展程序将其功能分为几个主要部分。 安装扩展程序后，即可通过 VS Code 活动栏中出现的 AI Toolkit 图标访问该功能。主要入口点包括“我的资源”、“模型工具”、“代理和工作流工具”、“MCP 工作流”以及“帮助和反馈”，每个入口点都相当于一个仪表板，分别对应 AI 开发生命周期的不同阶段。
“我的资源”页面展示了您目前可以使用的所有资源。 在您当前的环境中：已部署的模型、已定义的代理和 MCP 服务器。例如，“模型”下列出了可用于您的 AI 应用程序的部署，而“代理”则列出了您活动的 AI 工具包代理，MCP 服务器则汇总了您连接的模型上下文协议 (MCP) 服务器。
模型工具是您实际构建和完善 AI 基础架构的工作空间。在这里，您可以浏览模型目录，发现来自 GitHub、ONNX、Ollama、OpenAI、Anthropic、Google 等来源的模型，并排比较不同模型，为每个任务选择最合适的模型。模型试验场提供了一个交互式聊天环境，供您测试提示、调整参数，并探索图像或文件输入等多模态功能。
模型工具中的转换工具专注于将现有模型转换为高效的本地部署。如果您使用来自 Hugging Face 等平台的机器学习模型，您可以对其进行转换、量化和优化，使其在 Windows 系统上利用 CPU、GPU 或 NPU 加速流畅运行。同时，微调工具允许您使用自己的数据集，将预训练模型适配到您的特定领域，既可以在本地使用 GPU 进行测试，也可以通过 Azure 容器应用在云端进行测试。
代理和工作流工具：构建、测试和评估人工智能代理
模型准备就绪后，“代理和工作流工具”部分才是真正发挥“代理”魔力的地方。该区域汇集了构建、部署和改进 AI 代理所需的一切，这些代理可以在 VS Code 内外代表您执行操作。
Agent Builder 是代理工作流程的核心。它简化了提示工程和代理设计，使您能够创建依赖于结构化输出和 MCP 工具的复杂 AI 角色。您可以定义系统提示、角色和行为，然后生成可用于生产环境的代码，将这些代理集成到您的应用程序中。如果您想深入了解 el IA 代理设备的设计和建设该资源是对 Agent Builder 工作流程的补充。
Bulk Run 着重解决人工智能工作流程中不太引人注目但至关重要的环节：大规模测试。无需反复手动提示模型或代理，您可以同时对多个模型运行批量提示测试。这对于比较输出、验证不同场景下的行为以及根据数据做出选择模型或提示配置的决策都非常有用。
AI Toolkit 内置了评估功能，因此您无需每次都自行开发指标。您可以使用数据集和一系列标准评估指标（例如 F1 分数、相关性、相似性和一致性）来评估模型和代理的性能。如果您的用例有特殊需求（例如特定领域的正确性或语气），您还可以定义自定义评估标准，以便根据真实数据来判断输出结果。
追踪功能让您可以清楚地了解您的经纪人和模特实际在做什么。它收集跟踪数据，并允许您检查调用、决策和时间，以便诊断异常行为或性能瓶颈。在 Windows 系统上，性能分析（Windows 机器学习）功能更加深入，可以显示不同执行提供程序上 ONNX 模型的 CPU、GPU 和 NPU 资源使用情况，以及 Windows 机器学习事件，从而帮助您最大限度地提高硬件效率。这些功能与以下特性完美契合： 净化装置 以及开发工作流程中的性能分析。
这些工具结合起来，可以将 VS Code 变成一个用于 AI 代理开发的实用实验室。您可以设计自己的代理，为其配备工具，针对实际工作负载运行它，衡量其行为，并快速迭代——而无需在云门户、脚本和第三方仪表板之间不断切换。
MCP 工作流程：连接外部工具和服务器
VS Code 中强大的 AI 代理的关键赋能因素在于它们能够调用工具。其中包括已安装扩展程序提供的工具以及通过 MCP（模型上下文协议）服务器公开的工具。AI Toolkit 中的 MCP 工作流部分专门用于连接这些服务器，并使其成为代理工具箱的一部分。
“添加 MCP 服务器”条目允许您插入现有的 MCP 服务器。 这样，您的代理就可以查询外部 API、与数据库交互，或执行项目代码库之外的任务。这有效地扩展了代理的功能，使其远远超出读取文本文件和运行简单命令的范畴。
如果您需要自定义功能，“创建新的 MCP 服务器”选项将指导您完成全新服务器的设置。 它将您自己的工具或服务暴露给代理层。例如，当您希望代理能够理解公司内部的 API、业务逻辑或基础架构命令，但又不想将所有这些硬编码到提示信息中时，这种方式就非常方便。企业场景越来越多地采用这种方式。 IA代理角色 用于捕获业务规则和权限。
一旦 MCP 服务器连接到工具包，它们成为代理程序在循环过程中可以自动调用的工具集的一部分。从用户的角度来看，您只会看到代理程序做出更智能的操作：它会查找信息、操作资源并完成以前需要您手动执行多个步骤的任务。
谁能从人工智能工具包和代理工作流程中获益最多？
AI Toolkit 和 VS Code 代理并非仅限于资深机器学习从业者。它们旨在帮助广泛的生成式人工智能从业者群体，从日常应用开发者到教育工作者和学生。同一套工具，根据你深入探索的程度，使用体验也会截然不同。
传统应用开发者将从中获益良多。如果您正在构建 Web 或桌面应用程序，并希望添加聊天机器人、摘要、代码生成或内容过滤等智能功能，这些工具可以简化语言模型的集成。全栈开发人员可以快速迭代前端和后端逻辑，同时让代理处理样板代码、配置和重构工作。
移动开发者可以使用相同的环境来构建人工智能功能原型。例如，在确定具体的设备端或云端部署策略之前，可以先测试应用内助手或内容推荐引擎的提示信息。借助 ONNX 和 Ollama 的本地模型，您甚至可以在不立即依赖云端的情况下验证注重隐私的设置。
在以数据为中心的方面，人工智能工程师和数据科学家可以获得适合他们日常工作流程的工具。他们可以针对特定领域微调模型，对多个候选模型进行评估，并直接在 VS Code 中管理部署目标。机器学习工程师尤其受益于转换和优化功能，这些功能有助于在 Windows 环境中使模型更接近生产环境。
研究人员、教育工作者和学生也有明确的途径进行实践实验。人工智能研究人员可以在模拟环境中探索不同的模型和提示工程技术，而教育工作者可以在编辑器中实时演示各项功能，包括智能体行为、上下文使用和评估指标。学生可以通过与模型进行实际交互、构建简单的智能体，并观察不同的提示和工具如何改变结果，从而学习生成式人工智能。
VS Code 中 AI 代理和模型的主要用例
一旦所有组件到位，AI Toolkit 和 VS Code 代理的实际应用案例几乎涵盖了整个 AI 开发生命周期。您可以从小规模的交互式实验开始，最终将强大且经过充分评估的代理部署到实际应用中。
模型探索和比较是首要步骤之一。借助模型目录，您可以快速浏览来自 Anthropic、OpenAI、GitHub 等平台的模型，查看其功能，然后直接在 Playground 中或通过批量运行比较响应。对于开发团队而言，能够在多个提供商处测试相同的提示至关重要，这有助于他们在成本、延迟和质量之间找到最佳平衡点。
对于注重隐私或预算受限的场景，通过 ONNX 和 Ollama 在本地运行模型至关重要。您可以将数据保存在自己的计算机上，同时还能享受生成式功能，这对于拥有机密代码的个人项目或有严格合规要求的组织来说尤其有吸引力。
代理构建和测试是另一个核心用例借助 Agent Builder 和以代理为中心的工具，您可以设计多步骤助手（例如代码审查员或文档生成器），附加 MCP 工具，生成集成代码，然后使用 Playground 和评估工具来确保您的代理行为一致。
最后，转化和优化工作流程可以帮助您弥合实验和部署之间的差距。将 Hugging Face 等存储库中的模型进行转换，针对 Windows 硬件进行优化，并使用您自己的数据进行微调，这意味着您可以将本地原型一直带到生产环境，而无需在其他地方完全重新创建您的设置。
在 VS Code 中安装和设置 AI Toolkit
在 Visual Studio Code 中使用 AI Toolkit 的入门过程非常简洁明了。最快捷的方法是从 Visual Studio Marketplace 获取扩展程序，安装它，然后在活动栏中查找新的 AI Toolkit 图标，打开其专用视图。
如果您更喜欢或需要手动路线您也可以按照 VS Code 文档中标准的“安装扩展”流程安装此扩展，然后再次确认 AI Toolkit 图标出现在活动栏上。打开后，您将看到我们介绍的主要部分——我的资源、模型工具、代理和工作流工具、MCP 工作流以及帮助和反馈。
我的资源将成为您管理 Azure AI 资源的控制中心 您可以在编辑器中使用：已部署的应用模型、已配置的现有代理以及当前正在使用的 MCP 服务器。您可以在此处确认可用资源，然后再基于这些资源构建新工具。
在“模型工具”下，您可以立即开始浏览和测试模型。模型目录让您在一个地方发现各种供应商并进行比较，而 Playground 则为您提供一个交互式的多模态环境，您可以在其中附加文件、发送图像输入并调整温度或最大令牌等参数。
转换和微调选项可从同一部分访问。这使您可以将预构建的机器学习模型转换为本地优化模型，并在本地计算机或使用 GPU 加速的 Azure 容器应用上训练特定领域的模型变体。对于许多团队而言，这是从通用模型过渡到针对自身数据优化的专用“内部模型”的途径。
学习资源：引导式演练和文档
为了避免那种典型的“安装好了，然后呢？”的感觉AI Toolkit 附带一个入门指南，可从“帮助与反馈”部分打开。该指南将引导您完成 Playground 和基本聊天交互，让您无需事先阅读完整手册即可体验核心功能。
您可以从活动栏打开 AI 工具包视图来启动演练。然后，在“帮助和反馈”下查找“入门指南”条目。这将打开一个分步指南，显示点击位置、尝试内容以及主要组件如何组合在一起。
同一个“帮助与反馈”区域也链接到详细的文档和教程。其中包括 Microsoft Foundry 扩展文档、教程库、“新增功能”下的发行说明以及 GitHub 代码库（您可以在其中报告问题或关注开发进度）。如果您喜欢了解底层架构，这些资源将深入讲解模型、工具和代理之间的交互方式。
如果想获得更具叙述性和演示性的概述，我们还提供录制好的课程。 产品经理可以在编辑器中演示如何连接模型、评估性能、构建智能代理以及配置 MCP 工具。这些演示还会深入探讨 Azure AI Foundry 的各项功能、模型在 Azure 上的部署、可视化代理设计、Bing 搜索集成、代码解释器工具以及代理交互的调试。
VS Code 的内置代理类型和本地代理会话
除了 AI 工具包之外，Visual Studio Code 本身现在也内置了代理概念。 它们存在于聊天界面中，并作为您计算机上的“本地代理”运行。这些代理在 VS Code 中交互式运行，可以访问您当前的工作区，并能利用扩展程序和 MCP 服务器中的工具，因此它们能够高度感知上下文，成为您优秀的编码伙伴。
本地代理特别适合需要快速来回交互的任务例如，他们可以进行架构头脑风暴、工作规划或迭代部分定义的需求。由于他们可以查看文件、读取诊断信息并运行工具，因此也非常适合调试、重构和文档编写工作。
这些本地代理商的主要特点包括完全的工作空间访问权限它们可以读取和修改文件，考虑您的项目上下文，并调用 VS Code 中配置的任何代理工具，包括内置功能、已安装的扩展程序和 MCP 端点。它们还可以使用所有可用的模型，无论是 Copilot 的默认模型还是来自其他提供商的自带密钥 (BYOK) 模型。
即使您关闭聊天面板，本地代理会话本身仍可能保持活动状态。您可以通过专门的视图跟踪和管理活动会话。当您处理长时间运行的任务时，这种持久性非常有用，因为代理可能需要重新访问当天早些时候的上下文。
VS Code 内置了三种主要的代理角色。 针对不同的工作流程（代理、计划和请求）进行了优化，此外还能够定义自己的自定义代理，以执行高度专业化的任务，例如代码审查、测试自动化或文档生成。
内置代理、计划和询问模式详解
通用的“代理”角色专为复杂的编码任务而设计。 基于高层需求。该代理无需逐行编辑代码，而是可以读取项目的大部分内容，规划一系列变更，运行终端命令和工具，并迭代执行，直至完成所需的功能或重构。
在代理模式下，VS Code 会直接在编辑器中应用更改。这样，你就可以在建议的编辑之间切换，并在接受之前进行审核。在后台，代理可能会调用多个工具（例如运行测试、检查诊断信息或搜索你的工作区）来完成其任务。这与以下模式直接相关： 人工智能驱动的调试和测试 以及自动化验证工作流程。
您可以通过添加更多工具来丰富代理模式。无论是通过 MCP 服务器还是提供自定义工具的扩展程序，您的代理都可以在同一对话中访问外部 API、与基础架构服务通信或执行由其他扩展程序支持的代码转换。
“计划”角色专注于制定清晰的实施路线图。它不会直接编辑文件，而是专注于将您的高级请求分解为结构化的步骤，提出澄清问题，并确保您制定出切实可行的计划。之后，您可以将此计划交给代理模式执行，也可以手动按照计划进行实施。
“提问”角色是您就代码和概念进行问答的首选。它针对理解、解释和探索思路进行了优化：例如，特定代码片段的工作原理、配置的定义位置，或者实现某个功能的不同方法。Ask 利用智能代理功能从代码库中收集上下文信息，因此答案基于您的实际项目，而非通用模板。
Ask 返回代码块时您可以将鼠标悬停在它们上面，然后使用“在编辑器中应用”操作在相应的文件中插入或替换代码，从而实现更精细的控制，而不是进行大范围的多文件编辑。对于许多开发人员来说，这是在代码库中开始使用 AI 的最安全方式，既能让他们安心，又不会感到失去控制权。
在 VS Code 中启动自己的本地代理会话
在 VS Code 中启动本地代理会话与使用 Copilot 启动聊天非常相似。但是，您可以更明确地控制您正在使用的角色以及会话期间可用的工具。
以通用特工角色开始会议打开聊天视图，从代理选择器中选择“代理”，然后在输入框中输入一个概要请求。例如，“为此应用实现 OAuth2 + JWT 身份验证流程”或“使用 GitHub Actions 为此存储库设置 CI/CD”。
发送前，您可以使用工具选择器启用或禁用特定工具。这实际上决定了您要赋予代理多大的权限（例如，它是否可以运行测试、批量修改文件或调用外部 MCP 工具）。然后按 Enter 键或单击“发送”以启动代理循环。
当代理提出更改并运行工具时您可以查看并确认或调整其操作。在它仍在运行期间，您可以持续发送后续提示来引导方向、将新请求加入队列，或者立即中断并发送不同的指令。这种对话式控制让您可以像对待真正的合作者一样，实时引导智能体。
从“提问者”角色入手就更简单了。只需在聊天框中输入您的问题，在客服选择器中选择“提问”，然后发送即可。您可以添加具体上下文信息，例如文件引用或代码片段，以获得更有针对性的答案，尤其是在处理大型项目时，因为客服可能会搜索范围过广。
针对每种用户角色，都有额外的学习路径和教程。—包括代理概述、实践指南、工具和自定义代理的文档以及关于聊天界面的专门文章—帮助您在熟悉基本用法后更进一步。
从整体上看，VS Code 的现代化 AI 技术栈——包括 AI 工具包、Azure AI Foundry 集成、本地代理、内置角色和 MCP 工具——将编辑器转变为一个完整的 AI 工作区。 在这里，您可以发现模型、编写提示、构建和评估代理、将它们连接到外部服务，并最终将它们嵌入到您的 JavaScript、React 或任何其他应用程序中，同时还能严格控制您的代码库和开发工作流程。
