ACP + Deep Agents：用协议标准化取代终端 TUI，Coding Agent 的 IDE 原生集成之路

ACP + Deep Agents：用协议标准化取代终端 TUI，Coding Agent 的 IDE 原生集成之路

📌 核心问题：Claude Code 的终端 TUI 是不是最优解？

2026 年 4 月 8 日，LangChain 的 Founding Engineer Jacob Lee 在 JetBrains 官方博客发布了一篇实战文章。他在产假期间用 Deep Agents 框架 + ACP（Agent Client Protocol）搭了一个定制化的 Coding Agent，几个月用下来完全替代了 Claude Code 作为日常编程工具。

这不是一个"又一个 AI 编程工具"的故事。它揭示了一个更深层的趋势：Coding Agent 正在从"终端里的 TUI"走向"IDE 原生集成"，而 ACP 就是实现这个转变的标准化协议。

🔥 为什么不用终端 TUI？Jacob 的痛点

Jacob 是 Claude Code 的早期超级粉丝，但他逐渐对以下几点感到不适：

1. 黑盒感

把工作的一大块交给一个不透明的第三方工具，心里不踏实。虽然训练自己的模型不现实（模型可解释性本身是个未解问题），但 Agent 的 harness 层和 UX 层就是软件——软件是开发者能掌控的。

2. 终端与 IDE 的割裂

之前用 Claude Code 是在 IDE 的独立终端 pane 里运行，总感觉是两个不相关的工具。代码在 IDE 里看，Agent 在终端里跑，上下文需要手动传递。

3. 缺乏可观测性

不知道 Agent 内部到底做了什么决策、传了什么上下文、在哪里走偏了。出了问题只能猜。

4. 模型锁定

只能用 Anthropic 的模型，想换别的模型？重来。

🧠 ACP：IDE 与 Agent 的标准化通信协议

什么是 ACP？

Agent Client Protocol (ACP) 是由 Zed Industries 主导、JetBrains 参与的开放标准，2025 年 9 月发布。它定义了 IDE（客户端）与 AI Agent（服务端）之间的标准化通信方式。

类比：ACP 之于 Coding Agent，就像 LSP 之于语言服务。LSP 让一个语言服务器能对接所有 IDE，ACP 让一个 Agent 能对接所有 IDE。

ACP 解决了什么问题？

ACP 的核心概念

• 本地 Agent：作为 IDE 子进程运行，通过 JSON-RPC over stdio 通信
• 远程 Agent：托管在云端，通过 HTTP / WebSocket 通信
• 复用 MCP 的 JSON 表示：在可能的地方复用 MCP 的数据格式
• Agent Plans：Agent 的规划步骤（对应 `write_todos`）
• Permission Requests：Agent 需要用户批准的操作（对应 human-in-the-loop）
• Diff 展示：原生支持代码差异的可视化

🔥 Deep Agents + ACP 实战：Jacob 的定制 Agent

Deep Agents 提供了什么？

Deep Agents 是 LangChain 开发的开源 Agent 框架，提供了：

• 文件系统工具：read / write / edit_file / ls / grep 等
• Shell 访问：运行 lint、测试等验证命令
• Human-in-the-loop：限制危险操作，需要用户批准
• write_todos 规划工具：把工作分解为步骤并跟踪进度
• 子 Agent 隔离：并行或隔离的工作，每个子 Agent 有独立上下文
• 流式输出 / 取消 / Prompt 缓存 / 上下文摘要

Jacob 还加了自定义中间件：自动检测当前目录、git 仓库、包管理器等项目信息，注入 system prompt。

ACP 适配器：把 Deep Agents 接入 IDE

Jacob 创建了一个 ACP 适配器，处理：

• 会话生命周期：创建、恢复、销毁
• 消息路由：IDE ↔ Agent 的消息传递
• 模型切换：运行时切换底层 LLM
• 流式输出：实时返回 Agent 的思考和操作

关键发现：Deep Agents 的能力天然映射到 ACP 概念：

不需要大量胶水逻辑——协议已经为大部分场景提供了原语。

Human-in-the-Loop 流程

这是 Jacob 花时间最多的部分。当 Agent 想运行 shell 命令或编辑文件时：

1. Agent 触发 interrupt（Deep Agents 的暂停机制）

2. 适配器拦截 interrupt

3. 根据用户选择的权限模式和历史批准记录：

• 已批准过 → 自动继续
• 未批准 → 通过 ACP 发送 Permission Request 到 IDE

4. 用户选择：批准 / 拒绝 / 始终允许该类型命令

5. "始终允许"是会话级别的——uv sync 批准一次后后续自动跳过，但 uv run script.py 不会绕过检查

🚀 实际效果：完全替代 Claude Code

模型自由切换

Anthropic 宕机时，Jacob 无缝切换到 OpenAI gpt-5.4，甚至在同一个会话中切换不同模型获取不同视角。开源模型如 GLM-5 也能用，成本显著降低。

全链路可观测性

通过 LangSmith 追踪，能看到：

• 传给模型的完整上下文
• Agent 调用了哪些工具
• 在哪里走偏了

实例：Jacob 发现 Agent 开始大范围扫描文件系统，通过 trace 找到 system prompt 中的 bug——项目路径被错误地设为文件系统根目录而非当前工作目录。

代码级控制回归

不再受制于 CLI 配置选项，而是直接在 Python 代码中：

• 添加 Skills
• 调整 system prompt
• 添加自定义工具或 MCP Server
• 修改 Agent 行为

🔑 关键洞察

洞察一：Claude Code 不是魔法，是"一堆聪明技巧的打包"

Jacob 的原话："Claude Code isn't magic but a bundle of very clever tricks rolled up into a neat package."

harness 层就是软件，软件是任何开发者都能改造的。ACP + Deep Agents 证明了：一个有经验的开发者可以在产假期间搭出一个替代 Claude Code 的工具。

这不是说 Claude Code 不好——而是说这个领域的"护城河"不在模型，在 harness。模型谁都能调用，harness 才是差异化的关键。

洞察二：ACP 是 Coding Agent 的 LSP 时刻

LSP（Language Server Protocol）让一个语言服务器能对接所有 IDE，终结了"每个 IDE 都要写一遍语言支持"的时代。

ACP 正在做同样的事：让一个 Agent 能对接所有 IDE。这意味着：

• Agent 开发者只需实现一次 ACP，就能触达所有 IDE 用户
• IDE 开发者只需支持 ACP，就能接入整个 Agent 生态
• 开发者可以自由组合 Agent + IDE，不再被锁定

洞察三：OpenClaw 的 ACP harness 走在了前面

OpenClaw 从一开始就将 ACP 作为核心基础设施——IDE 原生集成 + 协议标准化 + 可观测性。Jacob 的实战验证了这条路的正确性：

• IDE 原生集成：Agent 住在 IDE 的工具窗口里，不是终端的 TUI
• 协议标准化：ACP 让 Agent 能跨 IDE 工作
• 可观测性：LangSmith / 类似工具让 Agent 的每一步都可追溯
• 模型自由：不绑定特定 LLM，运行时可切换

这和 OpenClaw 的设计哲学高度一致。

📎 相关阅读

• [Using ACP + Deep Agents to Demystify Modern Software Engineering](https://blog.jetbrains.com/ai/2026/04/using-acp-deep-agents-to-demystify-modern-software-engineering/) - JetBrains AI Blog（原文）
• [Agent Client Protocol 官方文档](https://agentclientprotocol.com/get-started/introduction.md) - ACP 开放标准
• [Deep Agents 框架文档](https://docs.langchain.com/oss/python/deepagents/overview) - LangChain
• [Deep Agents ACP 适配器](https://github.com/langchain-ai/deepagents/blob/main/libs/acp/README.md) - GitHub
• [LangSmith 追踪示例](https://smith.langchain.com/public/fa43a7e0-c728-4d35-ba33-d7f7d66b5d63/r) - Jacob 的 Agent trace