IDE JetBrains строят для ИИ-агентов: расход токенов на Kotlin упал на 13,48%

JetBrains перестраивает свои IDE (среды разработки, программы вроде IntelliJ IDEA и PyCharm) не под человека, а под ИИ-агентов (автономные программы, которые сами пишут и правят код), и первые тесты показывают, что агент с доступом к встроенным инструментам IDE тратит меньше денег и времени, чем агент в голом терминале.

До сих пор волна «вайб-кодинга» двигалась в сторону терминала: Claude Code, Codex, OpenCode и похожие инструменты давали агенту минимальный набор команд (grep, bash, edit) и обходились без тяжёлой среды разработки. JetBrains, которую в этой картине привыкли считать «динозавром», предложила встречный тезис: следующий пользователь IDE не человек, а агент. Источник, блог команды OpenIDE и материалы JetBrains, разбирающие архитектуру и бенчмарки.

Зачем агенту IDE, если терминала хватает?

Когда задача простая, найти строку в проекте, агенту действительно хватает grep. Но как только нужно пройти по связям между классами, безопасно переименовать метод, запустить конкретный тест или посмотреть состояние приложения в отладчике, набор из четырёх команд перестаёт работать.

Без IDE агент начинает компенсировать: делает дополнительные вызовы, сжигает токены на просеивание «шумного» вывода и всё равно промахивается мимо структуры проекта. Фактически разработчик, который пытается дать агенту новые возможности вручную, заново собирает ту же IDE, только из скриптов и «костылей», которые потом приходится поддерживать.

JetBrains предлагает готовое решение: открыть агенту доступ ко встроенным инструментам IDE через MCP-tool (единую точку входа, через которую агент вызывает поиск файлов, текстовый поиск, поиск по регулярным выражениям и поиск символов).

Что показали тесты?

Команда JetBrains замеряла четыре показателя:

• Quality (прошли ли все тесты после работы агента)
• Latency (время выполнения задачи, медиана и P95)
• Cost (расход токенов, пересчитанный в доллары)
• Budget discipline (как часто одна задача превышает лимит в $0,50)

Конфигурация с готовым поисковым навыком (search skill) и единым IDE-инструментом снизила latency и cost по сравнению с базовой линией без IDE-поиска. При этом quality статистически значимо не изменилась, агент решал задачи не хуже, но дешевле и быстрее.

Результаты подтвердились на разных моделях и стеках. На GPT 5.4 с Java- и Kotlin-проектами latency и cost тоже снизились. Самое заметное падение стоимости зафиксировано на Kotlin: минус 13,48%.

Тесты и покрытие кода: где агент буксует без IDE?

Отдельная боль: написание тестов. Без IDE агент вынужден восстанавливать структуру проекта вручную. Он перебирает имена файлов, проверяет папки, ищет похожие методы, читает соседние тесты. Всё это только чтобы понять, куда положить новый тест, какой фреймворк используется и какой стиль именования принят в проекте.

Токены при таком подходе улетают быстро. IDE решает проблему проще: информация о покрытии кода (code coverage), структуре тестов и соглашениях проекта уже доступна агенту как готовый инструмент.

Что понадобится

• IDE JetBrains (IntelliJ IDEA, PyCharm, WebStorm или другая из линейки), версия с поддержкой Junie (ИИ-агент JetBrains)
• Подписка JetBrains AI для доступа к агентным функциям
• Проект на поддерживаемом стеке: Java, Kotlin, Python или другой язык, с которым работает ваша IDE
• 10 минут на настройку и первый запуск

Пошаговая инструкция

1. Обновите IDE JetBrains до последней версии через Toolbox App или вручную. Убедитесь, что плагин Junie установлен и активирован (Settings → Plugins → Marketplace, поиск по «Junie»).

2. Откройте проект, на котором хотите протестировать агентный режим.

3. Запустите Junie через панель инструментов. Агент получит доступ к встроенным MCP-инструментам IDE: поиск файлов, символов, текстовый и regex-поиск.

4. Сформулируйте задачу в чате Junie. Промпт (текстовую инструкцию для агента) пишите конкретно: что сделать, в каком модуле, какой результат ожидаете.

Напиши unit-тест для метода calculateDiscount в модуле pricing.
Используй стиль и фреймворк, принятые в этом проекте.
Положи тест рядом с существующими тестами этого модуля.

1. Дождитесь результата. Агент сам найдёт структуру тестов, определит фреймворк и стиль, напишет тест и предложит diff (набор изменений).

2. Проверьте результат: запустите тест из IDE, убедитесь, что он проходит и покрытие кода выросло.

Напиши тест для функции validateEmail в файле UserValidator.kt.
Проверь корректные и некорректные адреса, включая пустую строку.

Что это значит для вас, по ролям

Разработчику и автору технического контента на Дзене. Если вы пишете про программирование или сами кодите, переход JetBrains к агентной модели меняет подход к обзорам инструментов. Писать «как настроить IDE» уже мало, читатель хочет знать, как IDE работает с агентом. Это новый угол для контента.

Маркетологу. JetBrains фактически говорит: будущий пользователь нашего продукта не человек, а программа. Если вы продвигаете dev-инструменты или SaaS для разработчиков, учитывайте, что аудитория всё чаще оценивает продукт по тому, насколько удобно с ним работать агенту, а не только человеку.

Предпринимателю в РФ и СНГ. JetBrains, чешская компания с крупной командой в Санкт-Петербурге, продолжает работать на российском рынке. IDE JetBrains доступны, подписки оплачиваются. Из российских альтернатив для агентного кодинга можно смотреть на GigaCode от Сбера, но по глубине интеграции с IDE он пока не конкурирует с Junie.

Главный вывод прост: IDE не умирает, она меняет пользователя. Кто раньше освоит агентный режим в своей среде разработки, тот будет тратить меньше токенов, а значит меньше денег, на каждую задачу. Попробуйте на одном тестовом проекте, замерьте разницу и решите сами.