读 What is Codemode
内容提要
文章介绍 Pi 1.0 引入的 Codemode：在 WASM 沙箱中运行 JavaScript 来编排工具调用，禁止网络与文件系统访问，只能通过 harness 提供的工具操作。其优势包括节约上下文、支持并发、持久化状态及调用内部接口。案例涵盖图片生成、批量分类 GitHub issue 和调用 MCP 工具。作者认为 Codemode 与推荐使用 CLI 并不矛盾，未来可探索持久执行、替代语言、二进制数据处理及小模型兼容性。
延伸解读
Codemode 的边界：大脑与手分离
文章用“大脑/手”比喻 harness 与工具执行的关系，强调两者应有清晰边界并可运行在不同安全等级上。Codemode 在 WASM 沙箱中运行，禁止网络与文件系统访问，只能通过 harness 提供的工具操作。这意味着即使代码由模型生成，破坏面也被限制在沙箱内；但同时也要求开发者把需要的能力显式暴露为工具，而不是依赖任意系统调用。
上下文与并发：Codemode 的实际收益
文章列出四项好处：节约上下文、并发处理、持久化状态、调用内部接口。关键机制是沙箱先处理完整输出，只把结果返还给 LLM，避免 bash 原始输出直接占用上下文；JavaScript 让 agent 能编写并发工作流；不同调用间可通过 harness 侧存储共享数据。这些收益依赖 agent 能写出正确代码，因此对模型的代码生成与错误处理能力有要求。
MCP 在 Codemode 中的渐进式发现
案例显示，MCP 工具不必常驻 prompt，agent 可先搜索可用工具再调用，形成渐进式发现。作者据此建议 MCP server 提供结构化输出、保持结果一致性、支持超大二进制文件，并支持多 server 结果合并。不过文中也提到，模型可能因训练记忆而跳过发现步骤，说明这种模式的实际效果仍取决于模型对具体 MCP 的熟悉程度。
与 CLI 主张不矛盾，但仍有待完善
作者认为在 Codemode 中调用 MCP 本质上仍是调用代码，因此与过去推荐 bash/CLI 的观点不冲突。文章同时列出未来方向：持久执行、探索 Starlark 或 Scheme 等替代语言、完善二进制数据传递、降低对小模型的能力要求。这些属于待探索项而非现有保证，读者不宜把 Codemode 视为已解决所有工具编排问题的方案。
Q&A
Codemode 是什么？它在 Pi 1.0 中是如何工作的？
Codemode 是 Pi 1.0 引入的一种机制，允许在 WASM 沙箱中运行 JavaScript 来编排工具调用。它禁止网络和文件系统访问，只能通过 harness 提供的工具进行操作。具体来说，Codemode 通过 QuickJS 运行在 WASM runtime 中，限制内存大小，并且不能直接访问文件系统，必须调用如 tools.read_file 这样的工具。
使用 Codemode 有哪些好处？
Codemode 的主要好处包括：1) 节约上下文，因为可以在沙箱中处理完整输出，只将处理后的结果返回给 LLM；2) 支持并发处理，Agent 可以通过 JavaScript 编写并发工作流；3) 持久化状态，不同 Codemode 调用之间可以共享数据；4) 调用内部接口，如直接使用 image model 生成图片或调用 Jev 做文本分类，而不占用 tool 定义。
Codemode 和直接使用 bash/CLI 矛盾吗？为什么？
不矛盾。作者认为在 Codemode 中使用 MCP 本质上也是调用代码的一种形式。Codemode 提供了更结构化的方式来编排工具调用，而 bash/CLI 仍然有其优势，比如利用管道自由组合和利用 LLM 对文件系统的理解。两者可以互补，Codemode 特别适合需要并发、状态管理和内部接口调用的场景。
Codemode 在实际中有哪些应用案例？
文章给出了三个真实案例：1) 图片生成：通过 Codemode 直接调用 image model 生成图片，并将图片作为临时文件供 bash 使用；2) 批量分类 GitHub issue：使用 Jev 分类模型对 issue 进行情感、挫败感和类型分类，并存储结果；3) 调用 MCP 工具：例如使用 Sentry MCP 工具查找组织和项目，支持并发调用和结果合并。
作者对 MCP server 有哪些改进建议？
作者对 MCP server 提出了四点建议：1) 提供结构化的输出，例如返回 JSON 而不是纯文本；2) 保持返回结果的一致性，以避免渐进式发现失败；3) 支持超大的二进制文件；4) 支持多个 MCP server 结果的合并（fan out）。
Codemode 未来有哪些值得探索的方向？
未来探索方向包括：1) 持久执行（Durable Execution），使复杂工作流能在中断后恢复；2) 探索其他脚本语言，如 Starlark、Scheme 替代 JavaScript；3) 完善二进制数据处理，如图片、音频、视频的传递机制；4) 提高小模型兼容性，降低对模型代码生成和工具编排能力的要求。
