AI Coding Agent 正在改变软件开发：Claude Code、GPT Agent 如何通过 JSON 调用工具和执行代码？

阅读前速览

概念	一句话	落在哪
Coding Agent	能读仓库、改文件、跑命令的运行时	Agent loop
Claude Code	终端里的本地 Coding Agent	tool_use JSON
GPT Agent	会话 / 沙箱里的编码与计算机使用	tool_calls / code
JSON	工具名、参数、结果的契约	Schema / payload

先记住分工：模型填对象，宿主执行，循环让补丁和测试连续发生。换牌子，这条 JSON 调用链不变。

Coding Agent 不是「会写代码的聊天框」

补全模型补下一行。聊天模型解释一段代码。Coding Agent 是第三种东西：一个把模型放进循环的运行时——观察仓库状态，提议下一步，调用外部工具，消化结果，再决定继续、停手或交给人。

2026 年能交货的 Coding Agent，通常是三件套：

• 模型：只生成文本或结构化对象，不直接碰磁盘。
• 工具目录：读文件、改文件、跑命令、搜仓库，有时还有浏览器或 MCP。
• 宿主：解析 JSON、做门禁、真正执行、把结果写回下一轮。

若你还把 Agent、Tool Calling、Function Calling 糊成一个词，先读 AI Agent 完整指南。本文只谈其中一种产品形态：对着真实仓库干活的 Coding Agent。

软件开发被改的不是编辑器，是循环

过去十年，IDE 补全把「敲字符」变短。过去两年，聊天窗口把「问缺陷」变近。Coding Agent 改的是第三件事：谁先写出第一份可运行的补丁。

典型一天不再是「人写完，CI 再验」。更常见的是：

1. 人写意图：修这个失败测试，或给这个 API 加字段。
2. Agent 跑循环：读仓库、搜符号、改文件、跑测试，把轨迹留成工具调用。
3. 人审 diff 和轨迹：不再从零敲出每一行，但类型、测试和权限还在。

这不是「AI 替你上班」。变的是第一稿由循环产出，人把关形状和副作用。把工具与工作流收成 Schema，细节见 JSON Schema 与 AI Agent 工作流。

循环只做一件事：填 JSON，再读 JSON

产品页面会写「自主写代码」。工程上，一轮循环通常只有四跳：

1. 观察：工作区、测试输出、上一次工具结果进入上下文。
2. 提议：模型输出工具名和参数对象，而不是自己去 open()。
3. 执行：宿主校验、跑命令或改文件。副作用发生在这里。
4. 回写：stdout、补丁、错误码变成下一轮可见的对象。

四跳缺一门禁，JSON 就是命令。四跳齐了，你才有可回放的开发会话。AI 为什么需要 JSON Schema 写过：Schema 是口径，不是 prompt 里的「请返回 JSON」。

Claude Code：终端里的工具面

Claude Code 是 Anthropic 的本地 Coding Agent：跑在你的终端，对着当前仓库说话。模型侧用 Messages API 的内容块；工程上你每天看见的，是一串 tool_use。

常见工具面很窄，也正因为窄才好审：

• Read / Glob / Grep：先看，再改。
• Edit / Write：按精确替换或整文件写入改仓库。
• Bash：跑测试、安装依赖、执行脚本。
• MCP：把外部系统接进同一套 JSON 工具表。细节见 MCP Tool Schema vs Function Calling。

模型发出的不是一段「请帮我改文件」的散文。它发出一块可校验的对象：

{
  "type": "tool_use",
  "id": "call_read_1",
  "name": "Read",
  "input": {
    "path": "src/billing/refund.py"
  }
}

宿主做完事后，回写的也是对象。stdout 可以很长，但入口仍然是 tool_result，而不是聊天气泡：

{
  "type": "tool_result",
  "tool_use_id": "call_bash_4",
  "content": {
    "stdout": "12 passed, 1 failed",
    "exit_code": 1
  }
}

auto-mode 与确认门决定「这一跳要不要等人」。关掉门禁，循环会自己把 Bash 跑完——这正是开发变快的地方，也是事故半径变大的地方。安全面见 Claude 事件与工具 JSON 与 AI Agent 安全与 JSON 验证。

GPT Agent：会话、沙箱与 Function Calling

OpenAI 这一侧名字更多：ChatGPT Agent、Codex、Responses API、GPT-6 Astra。产品壳不同，调用形状仍是 Function Calling：tools[] 声明，tool_calls 提议，arguments 是字符串化的对象。

一次编码相关的调用，看起来像这样：

{
  "tool_calls": [{
    "id": "call_7f2a",
    "type": "function",
    "function": {
      "name": "run_code",
      "arguments": "{\"language\":\"python\",\"code\":\"from pathlib import Path\\nprint(Path('src').exists())\"}"
    }
  }]
}

和 Claude 的差别不在「会不会写代码」，而在工具面怎么组装：

• 代码解释器 / 沙箱：把多步计算收成一次 run_code 或 python，减少来回。
• 计算机使用：浏览器、桌面操作走另一组结构化动作。
• Codex / CLI：更接近仓库级 Coding Agent，工具表重新变成读、改、跑。

GPT-6 Astra 指南 写过同一条纪律：更稳地走完「选工具 → 调工具 → 交回对象」。对开发者，这意味着补丁和测试输出都应该能从 JSON 轨迹重建，而不是只剩一段「我已经改好了」。

代码真正跑在哪？不在模型里

这是最容易写错的一句。大模型不执行 Python，也不 spawn 进程。它只生成：

• 工具名：Bash、Read、python、apply_patch。
• 参数对象：command、path、old_string、code。
• 偶尔是补丁文本：仍然先作为字段出现，再由宿主落盘。

真正跑代码的是宿主：本地进程、容器，或云端沙箱。文件系统与网络权限属于宿主策略，不属于模型权重。一份收紧的工具 Schema 长这样：

{
  "name": "Bash",
  "description": "Run a shell command in the workspace",
  "inputSchema": {
    "type": "object",
    "properties": {
      "command": { "type": "string" },
      "timeout_ms": { "type": "integer", "maximum": 120000 }
    },
    "required": ["command"],
    "additionalProperties": false
  }
}

additionalProperties: false 不是矫情。宽 object 等于让模型多塞一个目标主机或一段额外脚本。密钥、Cookie、内部基址必须留在宿主，不能进参数对象。

Claude Code 与 GPT Agent：买的不是同一层壳

不是谁更聪明，而是你把循环挂在哪：

换牌子，循环不变。你要稳定的是工具契约和执行世界，不是某一家的聊天皮肤。DeepSeek 把宿主做成可替换基础设施，见 DeepSeek Harness 与 Coding Agent 基础设施。

开发者该检查的是轨迹，不是气泡

Agent 写完代码以后，审的对象应该和审同事 PR 一样：diff、测试、权限。多出来的一层是工具轨迹。

• 把 tool_use / tool_calls 格式化，看名字和参数是不是你以为的那一下。
• 用 JSONPath 提取 抽出 name、command、path，不要靠眼睛扫散文。
• 和上周能过的轨迹 JSON Diff。循环漂了，先看工具表和参数形状，再怪模型。
• 失败测试的 stdout 要进轨迹，不要只留「我修了」。
• 生产凭据、客户库、内网地址不要贴进公共格式化站。JSONSort 在浏览器本地跑，适合看这些对象。

轨迹能重建，会话才能复盘。这是 Coding Agent 能进团队流程的前提，不是锦上添花。

常见误区

• 把 Coding Agent 当成更聪明的补全。补全改一行；Agent 改循环。
• 以为模型自己执行了代码。执行权在宿主。
• 不审工具 JSON，只看最后的文件 diff。命令可能已经跑过了。
• 给 Bash 一张空白支票。没有 cwd、超时、网络门，循环就是生产事故。
• 用 prompt 代替 Schema。口径必须能校验。
• 把会话当聊天气泡存。没有 tool_result，就没有可回放的开发记录。

FAQ

Claude Code 和 GPT Agent 哪个更适合团队？

看执行世界。仓库在你机器上、要接 MCP 和本地测试，Claude Code 或 Codex CLI 更近。要会话里的沙箱计算或计算机使用，走 GPT Agent / Responses。先锁工具 Schema，再选壳。

模型会不会偷偷跑我没同意的命令？

模型只能提议。会不会跑，取决于宿主有没有确认门、allowlist 和网络隔离。auto-mode 等于你预先同意了某一类 JSON。

这和普通 Function Calling 有什么不同？

形状相同，半径不同。客服查单通常只读；Coding Agent 的工具能改磁盘、跑进程。所以 Schema、超时和审计必须更紧。

为什么强调 JSON，而不是 prompt？

因为副作用发生在解析对象之后。prompt 影响模型填什么；Schema 和宿主决定什么能执行。调试时，对象比形容词值钱。

要不要让 Agent 直接推生产？

不要。让它出分支、跑测试、留轨迹。合并和发布仍是人的战略门。循环负责起草，门禁负责放行。

结论

AI Coding Agent 改变软件开发的方式，不是让编辑器更会猜下一行，而是把「读仓库 → 填工具 JSON → 宿主执行 → 回写结果」做成默认循环。Claude Code 和 GPT Agent 只是两种壳。

从今天起，少争论哪家模型更会写代码。先把工具 Schema、执行世界和会话轨迹写进仓库。模型会换；这条 JSON 调用链应该先稳定。

延伸阅读

• AI Agent 是什么？完整指南 运行时、Tool Calling 与 JSON 契约
• DeepSeek Harness 改变了什么 从 Framework 到可替换 Coding Agent 宿主
• MCP Tool Schema vs Function Calling 工具 JSON 的协议边界
• AI 为什么需要 JSON Schema Schema / Function Calling / Structured Output
• AI Agent 安全与 JSON 验证 验证能挡住什么、挡不住什么
• JSONSort 本地工具箱 格式化、校验、Diff
• 全部文章 更多 JSON 与 AI 开发笔记

更新记录： 2026-09-17 首次发布