:~$ newsletter --subscribe
cat ~/artykuly/ai/ide-bez-pisania-kodu-vs-code-agenci-ai.md

IDE w którym nie napisałem ani jednej linijki kodu

Kiedy w 2015 roku, swoją premierą miał VS Code, zastanawiałem się, jak przy dużych projektach IT, można korzystać z takiego „notatnika” jako podstawowego IDE? W erze dość mocno rozbudowanych środowisk programistycznych z masą różnych opcji – czytaj „wspomagaczy” – ciężko było mi wyobrazić, abym miał porzucić dość dobrze dopracowanego Ridera (IDE dla .NET od JetBrains) na rzecz zwykłego edytora nieco przypominającego notatnik do pisania kodu. Jednak mimo swojej prostoty VS Code z roku na rok zdobywał coraz większą popularność wśród programistów. Małe lekkie narzędzie po instalacji dedykowanych wtyczek, tworzonych przez społeczność, z biegiem czasu, stawało się coraz lepszą alternatywą dla dużych rozbudowanych i zżerających sporo pamięci RAM, konkurencyjnych edytorów kodu.

Ja mimo wszystko, swoich przyzwyczajeń nie zmieniłem i Rider (choć wielkim fanem JetBrains nie jestem), został do dziś moim podstawowym narzędziem w pracy.

Oczywiście ten, kto stoi w miejscu, ten się cofa, więc i moja opinia na temat VS Code również z czasem się dość mocno zmieniła.

VS Code w erze AI

Pod koniec 2022 roku, kiedy swoją premierę miał ChatGPT, zaczęły się eksperymenty z generowaniem kodu przez LLMy. Praca programistyczna przyspieszyła wykładniczo z dnia na dzień. Wszystkie estymacje poszły do kosza i nie dlatego że zespół ich nie dowoził, było zupełnie odwrotnie.

Początkowo to jednak wyglądało dość karkołomnie, opisywałem wymagania danego zadania, oczekiwany rezultat oraz definiowałem kontekst. Chat generował kod, który potem kopiowałem i wklejałem w odpowiednim miejscu w projekcie. To już była swojego rodzaju „rewolucja”, ale taki tryb pracy pozostawiał jednak sporo do życzenia.

Dla dużych korporacji z branży IT pojawiły się wtedy nowe możliwości, które trzeba było szybko zagospodarować. W całym tym wyścigu razem ze swoim VS Code oraz serwisem GitHub wystartował Microsoft. VS Code za sprawą wtyczek oraz integracji z GH, stał się narzędziem AI First.

Wklejanie kodu z Chata szybko odeszło w niepamięć, bo za pomocą odpowiedniego rozszerzenia, Chat sam odczytywał pliki projektu, tworzył nowe i modyfikował istniejące.

Był to moment zwrotny, w którym VS Code przestał tylko podpowiadać nazwy funkcji, a zaczął pisać kod linijka po linijce za programistę.

Na początku 2023 roku w oficjalnej dokumentacji VS Code wydzielono dedykowaną sekcję narzędzi AI, legitymizując Copilota jako „AI Pair Programmer„.

Wtedy VS Code był jeszcze nastawiony tylko na obsługę i wsparcie nowego produktu AI od Microsoftu, czyli Copilota. Jednak sukces dedykowanych edytorów AI (takich jak Cursor AI czy Aider) zmusił zespół VS Code do przemyślenia swoich początkowych założeń i planów.

W czerwcu 2025 roku Microsoft otworzył VS Code na integracje innych modeli i narzędzi AI również firm trzecich.

W tym samym miesiącu kod rozszerzenia GitHub Copilot Chat trafił na GitHuba na licencji MIT, razem z trybem agenta i promptami systemowymi. Każdy mógł sprawdzić, co dokładnie edytor wysyła do modelu. Kolejnym krokiem było wpuszczenie do VS Code agentów firm konkurencyjnych.

Claude, Codex i Copilot w jednym oknie

W styczniu 2026 roku, w wersji 1.109, VS Code pozwolił uruchamiać agentów Claude (Anthropic) i Codex (OpenAI) obok Copilota. Wszystkie sesje trafiają do jednego widoku Agent Sessions, więc jedno zadanie może prowadzić Claude, drugie Codex, a trzecie Copilot.

Agenta da się uruchomić lokalnie, na własnej maszynie, albo oddelegować do chmury. Wersja chmurowa pracuje na repozytorium w GitHubie i oddaje gotowy pull request. Za Claude’a można zapłacić w ramach subskrypcji Copilota albo podpiąć własny klucz API od Anthropic.

W lipcu 2026 roku (wersja 1.129) pojawił się Agent Host, czyli osobny proces, w którym działają agenci Copilota, Claude’a i Codexa. Do tego doszło przeprojektowane okno Agents, w którym pliki, diffy i kolejne polecenia są w jednym miejscu. Edytor kodu stał się w praktyce panelem sterowania agentami.

Narzędzia AI, które zmieniają VS Code w fabrykę kodu

Samo IDE to dopiero połowa układanki. Resztę robią rozszerzenia i narzędzia, które dają agentowi kontekst, ręce i hamulce. Poniżej przegląd tych, które robią największą różnicę.

Claude Code w VS Code

Claude Code zaczynał jako narzędzie terminalowe, ale dziś ma oficjalne rozszerzenie do VS Code. Agent działa w panelu bocznym albo w osobnej karcie edytora, a kilka sesji może pracować równolegle.

  • Diffy w natywnym widoku – każda proponowana zmiana otwiera się jako porównanie obok siebie, zanim ją zaakceptujemy.
  • Tryb planowania – agent najpierw spisuje plan w dokumencie Markdown, który możemy skomentować, zanim dotknie jakiegokolwiek pliku.
  • Checkpointy – nieudaną serię zmian cofamy jednym kliknięciem, razem z rozmową albo bez niej.
  • Wzmianki – @plik albo @plik#10-40 wskazuje agentowi konkretny fragment kodu.

Pod spodem to ten sam agent co w terminalu, więc konfiguracja projektu działa w obu miejscach.

CLAUDE.md, skille, subagenci i hooki

Prawdziwa siła Claude Code leży w tym, jak łatwo dopasować go do projektu. Mamy do dyspozycji kilka mechanizmów.

  • CLAUDE.md – plik w katalogu projektu z zasadami, które agent czyta na starcie każdej sesji. Jak budować, jak testować, czego nie ruszać. Polecenie /init przygotuje jego pierwszą wersję.
  • Skille – katalogi z plikiem SKILL.md i opcjonalnymi skryptami. Agent ładuje je dopiero wtedy, gdy są potrzebne, np. instrukcję wdrożenia albo listę kontrolną do code review. Ten sam format obsługuje już Copilot w VS Code.
  • Subagenci – wyspecjalizowani pomocnicy z własnym, czystym oknem kontekstu. Główny agent zleca im np. przeszukanie dużego repozytorium i dostaje z powrotem same wnioski.
  • Hooki – polecenia uruchamiane automatycznie przed albo po akcji agenta. Model nie może ich pominąć, bo wywołuje je samo narzędzie, a nie AI.
  • Pluginy – paczki łączące wszystko powyżej: polecenia, skille, subagentów, hooki i serwery MCP. Instalujemy je poleceniem /plugin z marketplace’u, repozytorium Git albo lokalnego katalogu.

Hooki najłatwiej pokazać na przykładzie. Poniższa konfiguracja w pliku .claude/settings.json formatuje Prettierem każdy plik, który agent właśnie zapisał albo zmodyfikował.

json
{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "hooks": [
          {
            "type": "command",
            "command": "jq -r '.tool_input.file_path' | xargs npx prettier --write"
          }
        ]
      }
    ]
  }
}

Hook dostaje na standardowe wejście opis akcji w formacie JSON. jq wyciąga z niego ścieżkę pliku, a Prettier robi resztę. Agent nie musi pamiętać o formatowaniu i nie ma jak o nim zapomnieć.

Serwery MCP

Model Context Protocol to standard, przez który agent korzysta z zewnętrznych narzędzi. O budowie własnego serwera pisałem w artykule Serwer MCP w praktyce. Tutaj kilka gotowych, które od razu poszerzają możliwości agenta.

  • Context7 – podaje agentowi aktualną dokumentację bibliotek w wersji, której używamy. Mniej zmyślonych metod z API, które zmieniło się po dacie treningu modelu.
  • Playwright MCP – agent otwiera przeglądarkę, klika po aplikacji i sam sprawdza, czy jego zmiana działa.
  • GitHub MCP – issues, pull requesty i wyniki CI bez wychodzenia z rozmowy.

W Claude Code serwer dodajemy jednym poleceniem w terminalu.

bash
claude mcp add --transport http context7 https://mcp.context7.com/mcp
claude mcp add playwright -- npx @playwright/mcp@latest

VS Code trzyma własną listę serwerów w pliku .vscode/mcp.json, z której korzysta Copilot i pozostali agenci uruchomieni w edytorze.

GitHub Copilot

Copilot przeszedł drogę od podpowiadania końcówki linijki do pełnego trybu agenta. Najciekawszy jest Copilot coding agent. Przypisujemy mu issue w GitHubie, a on w chmurze tworzy gałąź, wprowadza zmiany i otwiera pull request do przeglądu. Od lutego 2026 roku tę samą pracę można zlecić także agentom Claude i Codex.

Codex od OpenAI

OpenAI ma własne rozszerzenie Codex do VS Code i narzędzie Codex CLI. Działa w podobnym modelu: lokalna sesja w edytorze albo zadanie w chmurze. Wyróżniają go gotowe poziomy uprawnień, od trybu z potwierdzaniem akcji po pełny dostęp do maszyny.

Otwarte alternatywy: Cline, Roo Code i Continue

Kto nie chce wiązać się z jednym dostawcą, ma do wyboru rozszerzenia open source. Cline i Roo Code to agenci działający bezpośrednio w VS Code, którzy pytają o zgodę przed zmianą pliku i przed poleceniem w terminalu. Continue stawia na konfigurację, bo sami wybieramy model do czatu, autouzupełniania i edycji. Wszystkie trzy przyjmą własny klucz API, a także modele uruchamiane lokalnie, np. przez Ollamę. Wtedy kod nie musi w ogóle opuszczać naszego komputera.

Fabryki tworzenia oprogramowania

Dzisiaj moje doświadczenia z użytkowaniem VS Code sprowadzają się do nadzoru i orkiestracji agentów AI, które tworzą kod autonomicznie, a ja, przeglądam naniesione zmiany i oceniam czy wszystko się zgadza.

VS Code stał się IDE, w którym tworzę kod, jednocześnie nie pisząc ani jednej linijki ręcznie.

Jak wygląda jeden cykl pracy z agentem

Praca z agentem ma swój rytm. W praktyce jeden cykl wygląda mniej więcej tak:

  1. Opisujemy zadanie tak, jak opisalibyśmy je koledze z zespołu. Cel, ograniczenia i to, po czym poznamy, że jest zrobione.
  2. Agent w trybie planowania przygotowuje plan. Poprawiamy go, zanim powstanie choć jedna linijka kodu.
  3. Agent wprowadza zmiany, uruchamia testy i poprawia to, co nie przechodzi.
  4. Przeglądamy diff jak każdy inny pull request. Jeśli coś jest nie tak, wracamy do checkpointu i doprecyzowujemy polecenie.
  5. Wnioski z pomyłek trafiają do CLAUDE.md albo do skilla, żeby kolejna sesja ich nie powtórzyła.

Przy kilku zadaniach naraz przydaje się git worktree, czyli osobny katalog roboczy tego samego repozytorium. Każdy agent dostaje własną kopię kodu i nie nadpisuje zmian sąsiada. VS Code potrafi uruchamiać agentów w takich izolowanych katalogach automatycznie.

Na co uważać

Agent z dostępem do terminala i plików to potężne narzędzie, ale też nowa powierzchnia ataku i nowe koszty.

  • Uprawnienia – tryb, w którym agent wykonuje wszystko bez pytania, jest wygodny, ale poza izolowanym środowiskiem (kontener, maszyna wirtualna) prosi się o kłopoty. Lista dozwolonych poleceń to rozsądny kompromis.
  • Prompt injection – treść strony, issue czy pliku z zależności może zawierać ukryte instrukcje dla modelu. Serwery MCP i pluginy instalujemy tylko z zaufanych źródeł, bo działają z naszymi uprawnieniami.
  • Koszty i limity – długie sesje agentowe zużywają mnóstwo tokenów. Subskrypcje mają limity, a rozliczenie przez API potrafi zaskoczyć pod koniec miesiąca.
  • Odpowiedzialność – kod napisany przez agenta podpisujemy własnym nazwiskiem. Review nie jest formalnością, tylko główną częścią naszej pracy.

Agent nie zna kontekstu biznesowego, którego nigdzie nie zapisaliśmy. Im lepiej opisany projekt, tym mniej poprawek po jego pracy.

Zatoczyliśmy koło

Gdyby ktoś dwa lata temu powiedział mi, że w ten sposób będzie wyglądać praca programistów, nie uwierzyłbym. Dzisiaj to jest rzeczywistość, wąskie gardło, którym było fizycznie tworzenie kodu, właśnie zniknęło. Zmieniły się wymagania i oczekiwania w stosunku do programistów. W sumie to zatoczyliśmy wielkie koło i wróciliśmy do korzeni gdzie jeden deweloper, odpowiedzialny jest za cały proces związany z wytwarzaniem oprogramowania, począwszy od analizy wymagań biznesowych, a skończywszy na wdrożeniu nowych funkcjonalności w środowisku produkcyjnym.

Jest to zarazem ekscytujące, ale i przerażające. Zastanawiam się, czy za kolejne dwa lata będzie czekała nas seria refaktoryzacji i poprawiania tego, co wygenerowały duże modele językowe.