在那篇《AutoDev Next》的愚人节文章里，我们介绍了 AutoDev 下一阶段的一些构思和想法，而 AutoDev Remote Agent 则是其中一个重要的组成部分。 如今，作为 AutoDev Workbench 的一部分的 AutoDev Remote Agent 开始进入试运行阶段，你可以使用 AutoRemote Agent 来：

• 作为一个 MCP 服务运行到你的服务器上
• 辅助你进行GitHub 项目的 issue 分析与任务规划
• 集成 Remote Agent 到你的开发流程中
• 使用 Remote Agent 来编写代码、设计架构、编写测试用例等
• 未来：支持自动化的代码编写、测试、部署（限于 GitHub Pages）等

与此同时，作为 AutoDev 开源方案的一个重要组织部分，你可以自由地发布和修改 AutoDev Remote Agent 的代码，甚至可以将其集成到你的项目中。

当前，你可以在我们的 GitHub 上创建 issue 来测试它的功能：https://github.com/unit-mesh/autodev-workbench

为什么是 Remote Agent？

毫无疑问，Remote Agent 是 AI Coding 领域的热门话题，无论是 Claude Code 还是 Codex Agent，它们都在尝试让 AI 编程助手在后台默默地 帮你完成开发任务。

为什么不是 AutoDev IDE？

几年前，因为某国产操作系统的项目机会，我深入了解了 Android 构建系统、Gradle 源码、Intellij Community 的源码等。我也从头独立构建过独立的 基于 Intellij Community 的 IDE，也因此我深知作为个人，难以承受独立 IDE 的机器和云服务器成本。除此，基于 VSCode 是一个非常简单的 方案，只是我向来是习惯不了 VSCode 那弱鸡的语法分析能力和不能重构的重构功能。

所以，既然在一个 IDE 可能并不是那么重要的未来，那么开发 IDE 自然不会成为 AutoDev 的重点。

为什么是 Remote Agent？

在我们构建 AutoDev 的 VSCode 版本的时候，我就思考未来的 AI 编程的演进，既然 2024 年的主流的 AI Coding 都是：

• 基于 RPC/Go + Rust 编程的 Agent 后台
• 基于 WebView 前端的 VSCode、IDE 等的跨平台
• 基于向量化的代码索引和检索

而在 2025 年里，Grep/Ripgrep Search 成为向量化之外的首选方案时，向量化已经不再重要了，编码 AI 模型（Claude）的能力越来越强。它已经可以 Agentic 的 Coding，那么显然我们可以在服务端运行 Agent，来完成代码的编写、测试、部署等任务。

什么是 AutoDev Remote Agent？

在过去的一个多月里，我们构建了 AutoDev Remote Agent 的原型，你可以在你的 GitHub 项目里在 Action 中使用它来帮助你分析 issue、规划任务、 编写代码等。详情见：https://github.com/marketplace/actions/autodev-remote-agent

在探索过程中，我们使用 Augment（~~虽然 AutoDev IDEA 很强~~，但是显然 Augment 是至今最强的 AI 编程助手）来帮助我们完成了第一个版本的 AI Agent 设计 —— 基于我们从 VSCode 重构出来的内核，以及我们在 AutoDev Workbench 中的 AI 编程助手的设计。

AutoDev Remote Agent 的设计

AutoDev Remote Agent 参考了我们在 AutoDev Sketch 的工具设计，但是由于没有合适的服务器来运行，所以 GitHub Action 是最适合的运行环境。 因此，我们在经典的各类工具 MCP 封装的基础上，加上了 GitHub 工具的封装，可以自动获取 issue，并将分析结果和任务规划结果写入到 issue 中。

如下是简单的工具运行示例：

[AIAgent] AI Agent initialized with LLM provider: DeepSeek
[AIAgent] Total enhanced tools loaded: 18
[AIAgent] Configuration: { maxToolRounds: 3, enableToolChaining: true, toolTimeout: 1200000 }
✅ Agent initialized: DeepSeek (deepseek-chat)
🔧 Tools: list-directory, read-file, write-file, delete-file, str-replace-editor, analyze-basic-context, search-keywords, grep-search,
run-terminal-command, github-get-issue-with-analysis, github-create-new-issue, github-list-repository-issues, 
github-find-code-by-description, github-analyze-issue, browse-webpage, browse-webpage-with-summary, web-search, 
project-memory

Augment 在帮助我们设计 AutoDev Remote Agent 的过程中，创建了 Round 的机制，用来限制对话的数量，避免无限循环。每个 Round 都会有一个 工具的调用，以及对应的总结，如下所示：

[ToolExecutor] 🎯 Stage 1/1: 2 tools
[ToolExecutor] Round 2: Executing tool: grep-search
[ToolExecutor] Round 2: Executing tool: analyze-basic-context
[ToolExecutor] ⚡ Fast execution: grep-search took 33ms
[ToolExecutor] Round 2: Tool grep-search completed in 33ms

由此在最后，我们可以得到一个完整的任务规划。

未来计划

AutoDev Remote Agent 是由 Augment AI 完成的第一个版本，我们下一代的一个重点是实现 AutoDev Remote Agent 的自举。

2. 工具完善

与主流的工具相比，我们还缺少 processes 相关的工具，我们将在未来的版本中添加。

当然了， 除此之外，我们的工具还有大量的 bug，但是我们会在未来的版本中逐步修复。

3. AutoDev 沙箱机制

作为一个在 GitHub Action 上运行的 AI Agent，我们需要确保它的安全性。AutoDev Remote Agent 通过以下方式实现沙箱化：

• 在 GitHub Action 中创建完整的代码运行环境
• 动态创建新的 GitHub Action 并获取运行机制

当然了，Docker 也是一个非常不错的选择，但是在我这台老 MacBook 上，Docker 的性能实在是太差了，所以我们暂时不考虑 Docker。

其它

AutoDev Remote Agent 是一个开源的 AI 编程助手，你可以在 GitHub 上找到它的代码：https://github.com/unit-mesh/autodev-workbench 你也可以在我们的 GitHub 上创建 issue 来测试它的功能。