本文介绍 Qt 官方推出的两类智能体式开发工具——MCP 服务与 Agent Skills,说明它们分别解决什么问题、目前有哪些可用、以及为什么 Qt 生态在智能体式开发上具备天然优势。
全文分三部分:为什么现在要关注智能体式开发、Qt 提供的具体工具(MCP 服务 + Agent Skills 全景)、以及常见问题解答。
为什么现在要关注智能体式开发
智能体式开发(Agentic Development)正在大幅提升软件工程效率。与 GitHub Copilot 等辅助型工具不同,AI 辅助工具是“边写边提示”,开发者仍需执行每一步操作;而智能体式开发让 AI 智能体能够自主观察、规划、执行、验证并在代码库中反复迭代。效率提升也不是一个量级:辅助型工具最多带来约 10% 的效率提升,智能体式方案则能实现数倍的工程效率倍增。
不过 Qt Group 认为,人类始终应该是这些工作流的主导者(human-in-the-loop);对于嵌入式开发而言,硬件在环(hardware-in-the-loop)同样不能被忽略。目前 Qt 尚不建议使用完全自主的 AI 智能体——这一立场对专业和受监管的软件开发场景尤为重要,Qt 的方式是让人类始终掌握关键节点的决策权,通过 MCP 工具和 Agent Skills 高效弥合能力差距,而不是移除人工监督。
Qt 生态的独特优势:得益于开源策略,Qt 的 C++ 与 QML 代码为大语言模型(LLM)提供了大量高质量的预训练素材,因此 Claude、GPT、Gemini 等主流模型对 Qt 的理解已明显优于其他闭源框架——在 QML100 基准测试的单轮任务中,这些模型已能取得 75%–86% 的得分。持续的人类反馈强化学习(RLHF)还在进一步微调这些模型;Qt 官方提供的 MCP 与 Agent Skills,则专门用于填补模型仍存在欠缺的部分。
Qt 目前提供的智能体式开发工具
MCP 服务:Qt Documentation MCP
MCP(Model Context Protocol)定义了 AI 智能体连接外部工具、数据源与服务的方式,让智能体式开发工具获得对 Qt 框架与工具链的深度、可靠认知。Qt 目前提供的首个 MCP 服务是 Qt Documentation MCP:它让 AI 智能体能够基于最新的 Qt 官方文档编写、审查和修复 Qt C++ 与 QML 代码,尤其覆盖尚未被模型预训练数据覆盖的内容;该服务与 Qt 版本保持同步更新,且相比通用的智能体网页搜索,token 消耗仅为其 30%。
Agent Skills 全景
Agent Skills 是可移植、有版本管理的知识包,为 AI 智能体提供 Qt 专项能力,按需加载,不占用智能体的常驻上下文。目前 Qt 官方已发布以下技能,且仍在持续更新:
Qt GUI Design Skill —— 在没有专职 UX 设计师参与的情况下,为智能体式 UI 设计提供系统的设计知识
Qt's Figma Design System Extraction Skills —— 打通 Figma 设计系统与 Qt 代码之间的落差,实现设计系统交接的自动化
Qt Project CMake Skill —— 将 Qt CMake 最佳实践融入智能体推理过程,指导构建现代 Qt 6 CMake 项目结构
QML Coding Skill —— 提供 QML 编码最佳实践指导,提升智能体生成 QML 代码的质量,同时显著降低 token 消耗
QML Profiler Skill —— 将性能剖析工作交给 AI 智能体处理,覆盖 2D Qt Quick 应用的渲染、逻辑、内存及全量四种剖析模式
Qt Code Review Skill —— 通过 linter 规则与多个子智能体的深度分析(线程安全、性能、模型规范符合度等),消解 AI 时代 C++ 与 QML 代码审查的瓶颈
Qt Quick Test Skills —— 生成可直接运行的单元测试用例,必要时接入构建系统并执行测试,输出结构化的 Markdown 测试报告
Qt Code Documentation Skills —— 将 Qt 应用(含复杂项目)的 C++ 与 QML 代码文档编写时间,从数小时缩短到几分钟
以上技能均可在 Qt 官方 GitHub 仓库(TheQtCompanyRnD/agent-skills)获取。除 MCP 与 Agent Skills 外,Qt Creator IDE 内置的智能体式 AI 能力也可让开发者在 IDE 内直接调用具备 Qt 上下文的智能体,代为执行各类操作。
图:Qt 代码审查技能的实际运行示例
常见问题
AI 辅助开发和智能体式开发有什么区别?
AI 辅助工具(如 GitHub Copilot)在开发者执行每一步操作时给出代码建议;智能体式开发则更进一步,AI 智能体可以自主观察、规划、执行、验证,并在代码库中持续迭代——效率提升也从“辅助型的至多 10%”跃升为“数倍的工程效率倍增”。
Qt 是否建议使用完全自主的 AI 智能体?
目前还不建议。Qt Group 认为,尤其是在专业和受监管的软件开发场景中,让人类始终作为工作流的主导者更为稳妥;MCP 工具与 Agent Skills 的作用,是在保留关键节点人工监督的前提下,高效弥合能力差距。
相比其他 UI 框架,Qt 在智能体式 AI 上的优势是什么?
核心优势在于训练数据的深度:数十年积累的开源 Qt C++ 与 QML 代码,让主流模型在生成 Qt 代码时的表现优于闭源或成熟度较低的框架;同时 Qt 覆盖的硬件平台范围也更广,多数同类框架仅针对单一或有限的目标平台,且尚未发布对应的智能体式工具或 MCP 集成。