TSPは 또一つのAIプログラミングプラグインではない
コード補完ツールはirman이어、ユーザーがコードを入力すると、クライアントがコンテキストを取得し、モデルを呼んで、補完候補をグレー表示する、という流れで動作する。
この方式ではコードを生成できる一方、「この関数は何を返すのか」「この引数に型エラーはないのか」「このシンボルはどこで定義されているのか」といった問いに答えるには、コンパイラーや言語サーバーに頼る必要がある。
TSPが扱うのは、そのさらに下のレイヤーだ。
中核となる参加者は2つある。
- エディタークライアント。コードの入力、补完の表示、診断の提示を行うIDEなど。
- 型サーバー。ソースコードを解析し、型とセマンティクス情報を提供する言語サービス。
クライアントは、サーバーが内部でどのようにシンボルのテーブルを構築しているかを把握する必要がない。プラグイン固有のデータ形式にも依存しない。リクエストとレスポンスは、プロトコルで定義された構造化メッセージでやり取りされる。
これが、通常の補完APIとの違いである。補完APIは通常、文字列を1つ返すだけだ。一方、TSPが伝送するのは、型と構造,请求間の関連付けを持つ一群の能力結果である。
TSPはAI開発ツールチェーンの基盤となるインターフェースだ。モデルの訓練自体は担当せず、生成するコード量を増やすことも約束しない。
1回のリクエストで取得できる情報
プロトコルの設計では、クライアントは型サーバーに複数のコードインテリジェンス情報を要求できる。
- 型情報:式、変数、関数、インターフェース的具体的な型。
- 補完結果:指定位置で使用できるシンボルと、その型メタデータ。
- ホバー情報:シンボルの説明、型、ドキュメントなどの構造化コンテンツ。
- 診断情報:構文エラー、型エラー、関連箇所。
- セマンティック機能:コードナビゲーションなど、言語解析に依存する操作。
重要なのは「情報を取得できること」だけでなく、「取得した情報をプログラムで利用できること」だ。
補完テキストはエディターに直接表示するのに適している。診断はエラー行を強調するのに適している。型情報は、Agentがツール呼び出しの引数を検証したり、戻り値が条件を満たすか判断したり、コード実行前に静的チェックを行ったりするربما。
クライアントとサーバーが統一したメッセージ形式を使うなら、各プラグインが同じ結果を個別に解析する必要はなくなる。逆にAgentも、型解析全体をLLM推論に再度投入する必要がない。モデルが次に何をすべきかを決め、型サーバーが検証可能な事実を提供する。
この設計思想はMCPに似ている。どちらも「外部の能力をモデルやAgentに接続する方法」を扱うが、対象が異なる。MCPはツール、リソース、プロンプトなどの対話,面向する。TSPはコードエディターと言語サーバーを対象とする。
AI Agent老者になぜより必要か
AI Agentがコードを書くとき、難しい問題の一つは「モデルが正しく見えるコードを生成できるか」ではない。「十分なエンジニアリングコンテキストistryを取得できているか」だ。
Agentには次のような情報が必要になる。
- 同名のテキストを探すのではなく、実際の関数定義を見つける。
- 呼び出し引数の型を確認する。
- コンパイルエラーがどの箇所から発生しているかを把握する。
- 変更がインターフェース契約を壊していないかを理解する。
すべてのIDE、すべての言語、すべてのAgentフレームワークが個別の解析方式を実装すれば、コストは急速に重複する。
TSPの価値は、安定した言語サービスインターフェースを再利用できることにある。Agentはまず補完や型情報を要求し、その結果を計画と修正に反映させられる。モデルは型を推測する必要がなく、クライアントもモデルごとにコード解析ロジックを維持する必要がない。
単純なワークフローは3つの工程に分解できる。
Agent 定位可疑调用
→ 通过 TSP 查询符号类型与诊断
→ 把结构化结果交给模型决定是否修改これは、リポジトリ全体をコンテキストへ投入するよりトークンを節約でき、モデルに型エラーを判断させるより信頼できる。
ただし境界は明確にする必要がある。TSPが解決するのはコードセマンティクスのインターフェースであり、Agentの記憶システム、タスク planning、実行ループではない。要件を自動的に理解させたり、テストを置き換えたりするものでもない。
むしろ、安定したデータパイプラインに近い。コード理解を、組み合わせ可能なインフラとして扱い、各AIプログラミング製品が独自実装をrepeatedly作ることを避ける仕組みだ。
「微软が維持する」と「エコシステムが成熟した」は同じではない
仕様書は微软のPylanceチームが維持し公開しており、microsoft/pylance-releaseリポジトリに格納されている。これは重要だ。Pylance自体がVS CodeのPython言語サービスであり、チームは実際の型解析シーンを持っている。
ただし「微软が維持している」ことと「クロスエディター標準として定着した」ことは別である。
現在も、明瞭でない点がいくつか残っている。
- 異なるエディターがTSPメソッドをどこまで実装する意愿があるか。
- Python以外の言語 PSYCH servicesは、統一されたリクエストとレスポンスをどうマッピングするか。
- サードパーティのサーバーがVS Code固有の挙動なしで接続できるか。
- クライアントはバージョン差と機能交渉をどう処理するか。
- 診断やコードアクションなどの機能が、実プロジェクトの境界ケースをどこまでカバーするか。
プロトコルの意義は、これらの問題が互換性のある実装を通じて段階的に収束していくことにある。公開仕様は出発点にすぎない。
本当のエコシステムの手がかりは、主流エディターでの採用、Python以外での動作する実装、AgentツールがTSPを安定した機能入口として扱うか、そして十分な互換性テストがプロジェクトに形成されるかどうかだ。
それまでは、 commendably表現するなら「微软が追跡する価値のあるインターフェース設計を公開した」 الفلネで、成熟した業界標準を宣言したわけではない。
HNで208点が集まったことは何を示すか
元の素材によると、関連リンクはHacker Newsのトップページに載り、208点と144件のコメント.bsbab收到了。
開発者がLSPについて議論するのは当然だ。LSPはすでに、「エディタークライアントと言語サーバーを接続する」というoze_renderedな業界標準のパターンを普及させた。TSPが指すのは同じ問題だ。コードインテリジェンスの提供主体はどこにあり、ツール横断で再利用できるか。
208点は、コミュニティがTSPを全面的に採用する準備 EvilFormationであることを直接証明するわけではない。少なくとも、開発者が下層の標準化关心的であり、补完の入口がまた1つ増えたことだけ可供しているわけではないと分かる。
144件のコメントに現れた典型的な対立は、おそらく既存LSPで十分かどうか、TSPとLSPの境界、微软がエコシステムのオープン化を推進するか、独立系エディターやオープンソース実装が本当に使えるか、という論点aooyer往返するだろう。
これはプロトコル公開後によく見られる段階でもある。まず議論が盛り上がり、次に互換性のある実装が落地し、最後にワークフローが変化する。
したがって、TSPを見る时候は文書の完成度だけで判断しない。サードパーティのクライアントが接続しやすくなるか、Agentのツールチェーンに組み込めるか、実装間の挙動が予測可能であるかに注目すべきだ。
編集者の視点
TSPが重要なのは、AIが数行多くのコードを生成するようになるためではなく、AIプログラミングでしばしば無視されている問題に触れているからだ。モデルの出力は、信頼できるコードセマンティクスの上に成り立たなければならない。型、診断、シンボル情報を統一インターフェースにすることは、「コード理解」をプラグイン機能から組み合わせ可能なインフラへ変えることに相当する。この方向はMCPが強調するツール接続とも共鳴するが、両者が競合するわけではない。
TSPはAgentのワークフローへの影響のほうが期待している。将来のプログラミングAgentは、型サーバーに問い合わせてから、モデルの呼び出し、追加ファイル読み取り、コード修正の要否を決める可能性が高い。単にコンテキストを広げるより、制御しやすい。
今回,过去と異なるのは、微软がPylance内部の設計を公開して議論できるプロトコルにした点だ。VS Codeのエコシステム内だけに留めなかった。しかし、現時点の証拠から分かるのは仕様が公開されたことまでで、クロスエディター対応が成熟したことまでは示さない。次に注目すべきなのは補完デモではなく、サードパーティ実装、バージョン交渉、実プロジェクトにおける互換性だ。