从 ChatGPT 到 AI Agent：软件开发方式正在发生什么变化

2023 年初 ChatGPT 刚火的时候，大部分开发者都试过用它写代码。用法很直接：描述问题，它生成代码，复制过来改一改，能用就行。遇到报错，把错误信息贴回去，它再给一版修改建议。

跟搜索引擎的区别是，它给的是成品代码，不是一堆链接。

但那时候有一个明显的边界：ChatGPT 只活在对话框里。它不知道当前的项目结构，读不到代码库，更不可能帮你跑测试、查日志、部署服务。能跟它聊技术方案、让它生成代码片段，但所有实际操作——复制、粘贴、调试、部署——都得亲手来。

这更像一个知识面很广的同事，能回答问题，但不帮你干活。

三年过去，情况已经不一样了。

Codex：从被低估到爆发

如果要说这三年里最有代表性的变化，Codex 是一个绕不开的案例。

2025 年 4 月，OpenAI 发布了 Codex CLI。但刚发布的时候，市场反应相当冷淡。技术社区讨论热度不高，开发者更青睐竞品 Claude Code——2026 年第一季度，Claude Code 的周活跃用户达 420 万，而 Codex 不到 100 万。当时 Codex 只有 CLI 一个形态，功能也不完善，对 Windows 支持不到位，编辑文件、联网搜索等基础功能远不如 Claude Code 方便。

转机出现在 2026 年。

2 月，OpenAI 推出了 Codex macOS 桌面应用。3 月推出 Windows 版。4 月 16 日，OpenAI 发布了“Codex for almost everything”重大更新，新增内置浏览器、电脑操作、线程自动化等能力。

从这时开始，Codex 的增长曲线变得陡峭起来。周活跃用户从 200 万到 300 万花了大约 4 周，300 万到 400 万仅用 2 周，400 万到 500 万又花了约 4 周。到 2026 年 6 月，Codex 的周活跃用户已突破 500 万，相比年初增长了 730%。

更值得注意的是，Codex 的用户群体早已不限于开发者。目前大约 20% 的用户是非开发者的知识工作者。

从 Copilot 到 Agent：一个关键的转折

Codex 的爆发不是偶然。它代表了一种根本性的转变：从辅助工具到自主执行者。

GitHub Copilot 让开发者习惯了 AI 辅助写代码，Cursor 率先验证了 AI IDE 路线。但 Copilot 的本质是“给你建议”——你写代码，它补全；你提问，它回答。主动权在人手里。

Agent 不一样。它的核心是替你做事情。

Codex 的官方定位是“智能代理式编码的指挥中心”。它能完成的不只是代码补全，而是端到端的工程任务：功能开发、复杂重构、代码迁移。借助内置的工作树和云端环境，多个 Agent 可以在多个项目之间并行运作，把原本需要数周的工作缩短到几天内完成。

一个典型的场景：你丢给 Codex 一个 GitHub 仓库地址，它能自己完成“写代码 → 跑测试 → 看报错 → 改代码”这套工程师日常循环。它不再只是一个代码生成器，而是一个能独立完成开发任务的智能体。

2026 年 4 月 27 日，Codex 终止了独立产品线，核心能力被整合到 GPT-5.5 主模型中。这标志着 Agent 能力不再是某个单独产品的特性，而正在成为大模型的基础能力。

Agent 的核心能力：工具调用

要让 Agent 替人做事，它必须能调用外部工具。这是 Agent 和纯语言模型的关键区别。

一个纯语言模型的输入输出都是文本。你问它“今天深圳天气怎么样”，它如果训练数据里没有，就只能瞎编。

但如果加上工具调用的能力，流程就变成了：模型决策“我需要调用天气 API”，然后调用工具，拿到结果后再组织成回复。

Function Calling 自 2023 年由 OpenAI 推出以来，已经成为 AI 工具调用的主流方式。模型被给予一个工具注册表，每个工具有名称、描述和参数 Schema，当模型决定采取行动时，会发出一个结构化的请求。

在开发场景里，工具的种类越来越丰富：

• 文件读写
• 命令行执行
• 数据库查询
• 代码编译和测试
• Git 操作
• 浏览器操控
• 图像生成

2026 年 4 月的更新之后，Codex 已经能像人类一样通过视觉识别、点击和输入来自主操控电脑上的各类应用程序。它甚至可以在 Mac 上调度多个应用程序，连接更多生产力工具。这意味着 Agent 不仅能操作命令行和 IDE，还能操作那些没有开放 API 的应用。

此外，Codex 还能调用 gpt-image-1.5 来生成和迭代图像，用于产品设计、界面草图或游戏素材。2026 年 2 月，OpenAI 展示了一个案例：Codex 仅凭一个初始提示，独立使用超过 700 万个 Token，从零构建了一款完整的赛车游戏，同时承担了设计师、开发者和 QA 测试员的角色。

MCP：让工具调用有协议可循

工具调用能力越来越强，但有一个实际问题：每个工具都有自己的接口格式、参数定义、认证方式。如果把 Agent 要调用的每个工具都单独适配一遍，开发和维护成本都不低。

MCP（Model Context Protocol）就是为了解决这个问题而生的。

MCP 由 Anthropic 于 2024 年 11 月推出，目的是标准化 AI 系统连接外部工具、数据源和服务的方式。可以把它理解为 AI 领域的“USB-C 接口”——工具只要实现 MCP 协议，任何支持 MCP 的 Agent 都可以直接使用。

MCP 在 2025 年经历了广泛的兴趣增长，但随后被 Anthropic 推出的 Skills 部分取代。然而，2026 年 7 月 28 日，MCP 发布了最具里程碑意义的一次升级：协议核心正式转向无状态架构。

在此之前，MCP 是基于会话的双向有状态协议，客户端需要先初始化会话才能调用工具。这在本地开发中没问题，但在多服务器生产环境中存在扩展瓶颈——请求往往必须被路由回同一台机器。

新的无状态架构下，每个请求都包含独立处理所需的全部信息，MCP 服务可以像普通云应用一样弹性扩展。正如一位工程师所说：“当基础设施团队问 MCP 服务能否像其他云应用一样弹性扩展时，以前的答案是‘不完全行’，转向无状态架构之后，答案就变成了‘可以’。”

这次升级还引入了多轮往返请求机制、可路由传输头、基于 OAuth 2.1 的授权框架，以及 Python、TypeScript、Go、C# 等语言的 SDK 更新。

与此同时，MCP Apps 也在 2026 年 1 月作为首个官方 MCP 扩展正式发布。它让 AI 模型不再只是“描述你的数据”，而是能“交给你一个可操作的界面”。这意味着 Agent 与工具的交互正在从纯 API 调用走向更丰富的交互形态。

人机协作的新形态

从 ChatGPT 到 Agent，真正变化的不是模型本身的能力（虽然模型确实在变强），而是模型与外部世界的接口方式。

ChatGPT 时期，接口是对话框。人和模型之间隔着复制粘贴。

Agent 时期，接口变成了文件系统、命令行、数据库、API、浏览器，甚至整个电脑。模型可以在真实环境里执行操作。

但这种变化并不意味着“AI 取代开发者”。实际落地中，人在关键环节仍然在做决策：

• 定义任务目标和边界
• 提供必要的上下文（项目规范、业务逻辑）
• 审批高风险操作
• 校验最终产出物的质量

IDC 的数据显示，全球活跃 Agent 数量预计从 2025 年的 2860 万个增长到 2026 年的 7940 万个。但这些 Agent 不是替代人，而是承担起数字员工的角色。

2026 年 7 月，微软在 Visual Studio 更新中加入了 Copilot Agent 预览版，并内置了 .NET 和 Azure 相关的 Agent Skills。GitHub 和 JetBrains 也宣布了更深度的集成，通过 Agent Client Protocol 让 Copilot 能规划、执行和迭代复杂的开发任务。微软还计划在 2026 年内推出一款 Copilot “超级应用”，整合聊天、代码编写和自主智能体功能。

现在处在什么阶段

客观来说，Agent 在日常开发中的成熟度还在快速提升中，但已经不是概念阶段了。

Codex 周活跃 500 万用户、MCP 完成无状态架构升级、主流 IDE 纷纷集成 Agent 能力——这些信号都说明，Agent 正在从实验走向生产。

对开发者来说，重要的不是焦虑“AI 会不会取代我”，而是理解这个变化，找到新的工作方式。

工具变了，做事的方式跟着变。但核心能力——理解系统、定义目标、做技术决策——始终是人的价值所在。