京东行云Coding构建MCP与代码知识基座

行云Coding 把多年沉淀的代码数据与工程分析能力封装为标准化、可复用、可编排的 AI 服务，AI 基建层由五块能力构成：一是在传统开放 API 基础上进一步提供核心 MCP 接口，让 AI 工具以标准方式接入代码托管、仓库管理、研发流程与工程数据；二是用图数据库承载代码世界的实体关系，类、函数、变量、模块、接口抽象为节点，调用、继承、依赖、引用、包含、参数传递构成边，支撑调用链追踪、依赖分析、影响范围评估与仓库级代码理解；三是提供 CodeSearch 关键词检索（支持精确词、正则与语言/文件类型过滤）与基于 Embedding 的代码语义向量检索两类能力，后者可用自然语言提问如订单状态如何流转并返回相关代码片段；四是仓库 Wiki，基于仓库源码与相关数据自动生成结构化知识文档，目前提供自然语言查询、Wiki 目录查询、指定页面内容获取及关联代码索引，实现文档知识与源码位置的双向连接；五是代码分析，覆盖代码架构、健康度、软件成分、漏洞风险、复杂度与质量问题，作为 Agent 在代码评审、重构建议、影响评估与发布风险评估中的输入。 第二层面向研发 AI 应用开发者，提供知识库、工具调用、LLM 管理、提示词管理、会话管理、Agent 运行环境与安全沙箱，开发者无需自建 ReAct 循环、接入 Spring AI 或 LangChain、开发工具调用链路与运行环境。该层提供三种路径：一是基于行云Coding 基建的 Agent 研发框架，复用代码检索、图数据库、CodeWiki、代码分析能力，结合大模型、提示词与工具编排快速构建研发问答、代码理解、工程分析、知识助手类应用；二是通过 JoyAgent 类型插件绑定 JoyAgent 智能体或工作流，接入京ME 机器人、Max 智能助理等生态，并可直接在 MR、commit 等位置触发 JoyAgent 智能体或工作流，实现双向打通；三是 CLI Agent 代码 Agent 开发框架，支持纯脚本模式（不调用大模型，执行分支管理、文件操作、配置检查、构建前后处理等确定性任务）、提示词模式（ACI 在沙箱内结合代码上下文做代码审查、单元测试生成、技术文档生成、变更影响分析，沙箱内置 CodeSearch 与图数据库）与 Skills 增强模式（把提示词、脚本、资源、领域知识封装为 Skill 包，沙箱内可运行 opencode 等用户 Agent，支持渐进式披露按任务阶段动态加载指令与资源，降低指令混淆与数据污染）。 第三层通过标准化前端扩展机制把生态 AI 应用嵌入行云Coding 的核心研发场景，目前已在仓库内代码质量、代码评审两类场景提供前端扩展点，生态应用可嵌入具体研发流程，例如在代码质量问题页面提供问题分析、风险解释、修复建议，或在代码评审过程中提供自动检查、变更影响分析、规范校验与辅助 Review。典型落地案例是集团安全扫描左移：基于行云Coding 提供的代码基建数据与沙箱运行环境，集团安全扫描能力在代码评审阶段前置介入，对提交变更做漏洞扫描与风险识别；扫描结果经行云Coding 代码评审前端扩展点直接融入评审流程，为开发者提供漏洞检出、风险卡点和 AI 修复能力，开发者无需离开 Review 页面即可完成问题定位、风险理解与修复辅助，使安全扫描从研发流程之后的被动检查变成代码提交与评审过程中的主动防线。 产研测协作中的知识断层表现为：本次迭代改了哪些核心接口、变更影响范围等信息原本需要研发把设计文档写进仓库 Wiki 后再人工同步进机器人知识库，一旦忘记更新则机器人拿到过期信息。代码知识自动沉淀应用基于行云Coding 生态平台、知识库开放 API 和 MCP 映射服务，把「代码库 Wiki」与「机器人知识库」打通：研发只需在仓库维护 Markdown 设计文档并随代码提交，当代码合并到 master 分支时，应用以纯脚本模式自动运行，识别本次合并涉及的 Wiki 文档变更，按新增、修改、重命名、删除等不同动作同步调用 JoyAgent 知识库接口完成文档创建、更新、映射或删除，使 JoyAgent 机器人后续问答引用的是最新知识。该能力不是某仓库的定制脚本而是可复用通用插件，任意团队可通过「建知识库、仓库授权、接机器人」快速接入。