ACP协议:打通多个超级AI编程工具

AI编程今年很可能今年被正式取代，前两天google说内部70%的代码是AI生成，Antrophic更高，去年就说接近90%了。我们有必要聊聊AI编程底层的一些工具，工欲善其事必先利其器，了解下基本原理可以让我们更有效的使用工具~

1、痛点和背景

先说痛点：你可能已经在用 Kiro CLI、Claude Code、OpenAI Codex 这些终端 AI 编码工具，但它们都是”单机版”——只能在终端里用，没法接入微信、飞书这些 IM 渠道。

能不能实现这样一个功能？

在微信里发一条消息，就能让 Kiro 写代码、Codex 抓网页发小红书、Claude 做 Code Review——这篇文章手把手教你怎么配。

Kiro CLI、Claude Code 这些工具都支持一种叫 ACP（Agent Client Protocol）的协议——本质上就是通过 stdin/stdout 传输 JSON-RPC 2.0 消息。

ACP Bridge 做的事情是：

一句话总结：任何有 CLI 的 AI Agent，配任何模型，都能通过 ACP Bridge 接入 IM。

Agent兼容性：

2、过程中依赖的核心技术

2.1 JSON-RPC

JSON-RPC 的核心思想是：“调用一个远程的方法，就像调用本地的方法一样。”当客户端想要调用服务器上的某个函数时，它会向服务器发送一个符合 JSON-RPC 规范的 JSON 对象。服务器收到后，解析这个对象，执行相应的函数，然后将结果打包成另一个 JSON 对象返回给客户端。

1. 语言无关性：只要能解析 JSON，任何编程语言（Python, Java, Go, JS 等）都可以使用 JSON-RPC 进行通信。

2. 传输层无关性：虽然最常用的是 HTTP/HTTPS，但它也可以在 TCP、WebSocket 或其他传输协议上运行。

3. 轻量级：相比于 SOAP 或复杂的 gRPC，JSON-RPC 非常简单，易于调试（人类可读）。

4. 无状态：每个请求都是独立的，服务器不需要维护客户端的状态。

2.2 ACP协议

ACP（Agent Client Protocol，Agent 客户端协议）是一个开放标准，定义了代码编辑器（客户端）与 AI 编程 Agent（服务端）之间的通信方式。它由 Zed 编辑器 团队于 2025 年 8 月发布，采用 Apache License 开源。

简单来说，ACP 之于 AI 编程 Agent，就像 LSP（Language Server Protocol）之于编程语言支持 —— 让任何编辑器可以对接任何 AI Agent，无需定制插件。

ACP 基于 JSON-RPC 2.0，通过 stdio（Agent 作为子进程）或 HTTP（远程 Agent）通信。核心消息流如下：

Session Update 类型包括：plan（执行计划）、agent_message_chunk（流式文本）、thought_message_chunk（推理过程）、tool_call（工具调用）、tool_call_update（工具进度/结果）等。

1）与 MCP 的关系：

ACP 和 MCP 是互补的，不是竞争关系：

• MCP 解决的是 Agent 如何访问外部工具和数据（Agent ↔ 工具）

• ACP 解决的是 Agent 如何与编辑器/UI 通信（Agent ↔ 客户端）

ACP 会话启动时，编辑器会将可用的 MCP Server 端点和凭证传递给 Agent，Agent 可以通过标准 MCP 调用来使用这些工具（运行测试、查询文档、访问数据库等）。编辑器始终保持监督权，敏感操作需要用户确认。

这三者的关系分别是：MCP是Agent如何调用不同的工具，ACP是（人如何控制）程序如何调用不同的Agent，A2A则更进一步Agent之间的相互调用。

2）生态现状：

• Zed 编辑器原生支持（自身内置 AI 助手也重构为 ACP）

• Google Gemini CLI 作为首个参考实现

• Neovim 通过 Code Companion 插件支持

• 社区正在探索 Claude Code 等更多 Agent 的集成

• JetBrains、Obsidian 等编辑器也在适配中

2.3 kiro-gateway：

Kiro Gateway 是一个协议翻译代理，让你可以用任何兼容 OpenAI/Anthropic 的客户端（Claude Code、Cursor、Cline等）来调用 Kiro 提供的免费 Claude 模型。

五个核心机制：

1. 认证管理 (auth.py)

支持 4 种认证方式，自动检测类型：

– Kiro Desktop Auth：读取 Kiro IDE 的 JSON 凭证文件，用

prod.{region}.auth.desktop.kiro.dev/refreshToken 刷新

– AWS SSO OIDC：读取 kiro-cli 的 SSO 缓存，用 oidc.{region}.amazonaws.com/token 刷新（需要

clientId/clientSecret）

– SQLite DB：直接读 kiro-cli 的 data.sqlite3 数据库

– 环境变量：直接传 refresh_token

关键：用 asyncio.Lock 保证并发安全的 token 刷新，token 过期前自动续期。

2. 协议转换 (converters_core.py)

这是最核心的部分。Kiro API 的请求格式是私有的，不同于 OpenAI/Anthropic：

1. 模型解析 (model_resolver.py)

   4 层解析管道，兼容各种客户端发来的模型名：

1. 流式响应解析 (parsers.py + streaming_core.py)

Kiro API 返回的是 AWS Event Stream 二进制格式（不是标准 SSE），需要：

– 解析二进制帧头（4 字节长度 + headers + payload）

– 提取 JSON 事件

– 用 FSM（有限状态机）解析 <thinking> 标签，分离推理内容和正文

– 处理 tool call 的特殊格式（Kiro 用 [{…}] 括号格式返回）

– 转换成标准 OpenAI SSE (data: {…}\n\n) 或 Anthropic SSE 格式

5. 容错与重试 (http_client.py)

– 403 → 自动刷新 token 重试

– 429 → 指数退避

– 5xx → 指数退避

– 首 token 超时 → 重试（模型可能在”思考”）

– 流式请求用独立 httpx client（防止 CLOSE_WAIT 连接泄漏）

3、令人经验的效果展示

1）微信里面使用kiro帮你完成调研

同样的逻辑也可以配置Claudecode和codex，实现买一个套餐玩儿转所有coding Agent!

4、参考：

1）kiro-gateway

https://github.com/jwadow/kiro-gateway

2）acp-bridge

https://github.com/allvegetable/acp-bridge