Code Mode MCP Server: Pendekatan Baharu Membenarkan AI Menulis Kod Berbanding Membuat Panggilan Alat

Satu pelaksanaan baharu konsep Code Mode oleh Cloudflare sedang mendapat perhatian dalam komuniti pembangun, menawarkan pendekatan alternatif tentang cara sistem AI berinteraksi dengan alat dan perkhidmatan. Daripada bergelut dengan pelbagai panggilan alat secara langsung, sistem ini memberikan model bahasa besar (LLM) satu alat yang membolehkan mereka menulis kod TypeScript atau JavaScript untuk menyelesaikan tugas-tugas kompleks.

Code Mode MCP Server mewakili perubahan pemikiran tentang keupayaan AI. Daripada memaksa AI membuat panggilan alat individu melalui antara muka tradisional, ia menyediakan satu alat utama yang dipanggil execute_code yang berjalan dalam persekitaran kotak pasir. AI menulis kod yang membuat permintaan HTTP untuk mengakses pelbagai pelayan MCP (Model Context Protocol) melalui sistem proksi.

Ciri-ciri Keselamatan:

• Kotak pasir Deno dengan akses rangkaian sahaja
• Tiada akses sistem fail, persekitaran, atau sistem
• Had masa pelaksanaan 30 saat
• Akses pelayan MCP terkawal melalui proksi
• Pembersihan fail sementara secara automatik

Komuniti Melihat Potensi dalam Pendekatan Kod-Pertama

Pembangun sedang membincangkan sama ada pendekatan ini menangani batasan sebenar dalam penggunaan alat AI semasa. Perbualan komuniti mendedahkan bahawa strategi berbeza sedang muncul untuk bekerja dengan kekuatan AI dan bukannya menentangnya. Sesetengah pembangun memodelkan alat mereka mengikut API yang biasa digunakan yang mana sistem AI telah dilatih secara meluas, menggunakan corak yang biasa seperti alat glob untuk penemuan struktur dan fungsi carian.

Perbincangan ini menyerlahkan pemerhatian ekosistem yang menarik - pelaksanaan khusus ini menggunakan ketiga-tiga runtime JavaScript utama: Bun untuk kod utama, Deno untuk kotak pasir, dan Node untuk menjalankan pelayan MCP. Pilihan ini mencerminkan keadaan terpecah-belah semasa ekosistem JavaScript.

Keperluan Sistem:

• Bun (versi terkini)
• Deno (untuk kotak pasir pelaksanaan kod)
• Klien yang serasi dengan MCP ( Claude Desktop , Cursor , VS Code dengan Copilot )

Pelaksanaan Teknikal dan Faedah Aliran Kerja

Sistem ini berfungsi dengan memulakan proksi HTTP pada localhost yang memajukan permintaan kepada pelayan MCP sebenar. Apabila AI perlu melaksanakan tugas, ia menulis kod menggunakan panggilan fetch() standard berbanding mempelajari sintaks alat khusus. Kod ini boleh merangkaikan pelbagai operasi secara semula jadi, memproses data antara panggilan, dan mengendalikan aliran kerja kompleks dalam satu pelaksanaan.

Ahli komuniti amat teruja tentang potensi sistem AI untuk membina dan menggunakan semula perpustakaan kod dari masa ke masa. Seorang pembangun menyebut tentang melaksanakan sistem memori yang membolehkan AI menyimpan potongan kod dan aliran kerja yang berguna, mencipta repositori corak automasi yang semakin berkembang.

Kemudian saya mahu melihat apa yang akan berlaku jika anda memberikan LLM repositori untuk menyimpan potongan dan fungsi berguna dengan komen untuk kegunaan kemudian. Jadi LLM itu sendiri akan menyimpan aliran kerja, dapat mengimportnya ke dalam persekitaran Deno dan merangkaikannya bersama-sama.

Titik Akhir Proksi Yang Tersedia:

• GET /mcpservers - Senaraikan pelayan MCP yang tersedia
• GET /mcp/[server]/tools - Senaraikan alatan untuk pelayan tertentu
• POST /mcp/call - Panggil alatan dengan badan JSON: {server, tool, args}

Keselamatan dan Pertimbangan Praktikal

Pelaksanaan ini termasuk beberapa langkah keselamatan untuk menangani kebimbangan tentang pelaksanaan kod. Sistem menjalankan kod dalam kotak pasir Deno dengan akses rangkaian sahaja, menghalang akses sistem fail atau sistem. Ia termasuk had masa pelaksanaan 30 saat dan pembersihan automatik fail sementara.

Walau bagaimanapun, sesetengah ahli komuniti menyatakan keraguan tentang pendekatan ini. Pengkritik berhujah bahawa menambah lapisan penjanaan kod memperkenalkan kerumitan yang tidak perlu apabila panggilan alat sengaja direka untuk menjadi mudah. Terdapat juga kebimbangan yang lebih luas tentang pergantungan pada penyedia infrastruktur dan potensi untuk terikat dengan vendor.

Perdebatan ini mencerminkan persoalan yang lebih besar dalam pembangunan AI: sama ada untuk menyesuaikan alat supaya berfungsi lebih baik dengan batasan AI semasa, atau untuk menambah baik sistem AI supaya berfungsi lebih baik dengan antara muka alat sedia ada. Memandangkan keupayaan AI terus berkembang, kedua-dua pendekatan mungkin mempunyai tempatnya dalam senario yang berbeza.

Code Mode MCP Server tersedia sebagai projek sumber terbuka, membolehkan pembangun bereksperimen dengan pendekatan ini dan menyumbang kepada perbincangan berterusan tentang corak interaksi AI-alat yang optimum.

Rujukan: Code Mode MCP Server