极客的“固执”：Amp Code 如何通过拒绝通用协议重塑 AI 编程范式

在 AI 辅助编程工具泛滥的今天，大多数产品都在追求“大而全”的模型兼容与标准化的插件生态。然而，当所有工具都在试图变得更通用时，Beyang Liu（Sourcegraph 联合创始人）带着他的新项目 Amp Code 走上了一条截然不同的道路。

Amp Code 自定义为一款“观点鲜明的前沿智能体”（Opinionated Frontier Agent）。它不试图取悦所有人，而是拥抱当前 AI 编程中那种“荒诞与惊奇”并存的特质。通过拒绝盲目集成热门的 MCP（模型上下文协议），构建深度的垂直工具链，并在商业模式上做出大胆尝试，Amp 正在向开发者展示：在这个由 Agent 编写代码的时代，我们需要重新学习如何构建软件，甚至重新定义 IDE。

拒绝通用的平庸：深度垂直整合的工具哲学

在构建 AI 智能体时，开发者面临着有限的杠杆：模型选择、工具描述以及迭代逻辑。目前行业内的一个主流趋势是拥抱 MCP（Model Context Protocol），这是一个旨在标准化的协议，试图让所有模型都能连接所有数据源。但 Amp Code 对此持保留态度，甚至可以说是“反骨”。

1. 为什么拒绝 MCP？

Amp 的核心论点在于“上下文混淆”与反馈闭环的断裂。 当我们在上下文窗口中塞入过多的通用工具（MCP Servers）时，智能体面临的选择呈指数级增加。如果工具描述不是为了当前特定的编码任务而高度定制的，模型极易迷失方向，导致“上下文混淆”。 更关键的是，智能体的高效运作依赖于紧密的反馈循环。通用的 MCP 创建者无法预知特定智能体的意图，因此无法提供优化过的反馈。Amp 选择构建一套高度定制的内部工具集，旨在帮助智能体更精准地识别并关闭这些反馈回路，而非追求表面的广度兼容。

2.