Monzo自研AI编码代理：日均1800任务，贡献超10%合并代码

一家银行为什么要自己做编码代理

在AI Engineer大会的分享中，Monzo的两位工程师Felipe和Francesco抛出了一个耐人寻味的问题：如果你还没有在构建自己的AI编码工具链，你还算是一家认真的科技公司吗？这句话半开玩笑，却精准点出了当下技术团队的分化——一边是接入现成工具，一边是把代理能力沉淀进自己的平台。

Monzo的选择是后者。这家数字银行维护着超过3000个后端服务、约13000个数据仓库模型，以及数十个机器学习预测器，业务覆盖信贷决策、金融犯罪识别等复杂场景。正是在这样的规模压力下，他们自研的Slack内编码代理Agent Chip从一个"可爱表情"起步，长成了日均可处理1800个以上任务、贡献超过10%全技术线合并PR的生产力工具。

这个数字之所以值得关注，不在于它有多惊人，而在于它发生的环境——一家受严格监管的银行。这意味着Agent Chip的成功不只是模型能力的胜利，更是一套平台工程与安全边界的胜利。

Agent Chip是怎么从表情符号长成同事的

故事起点是2026年1月Monzo内部一个迅速走红的Slack频道。Agent Chip最初的设计极其轻量：你在消息上点一个自定义表情，它就把这条消息当作提示词接走处理。这种低摩擦的交互方式让它在公司内部快速扩散，随后团队顺势加码，把它变成了一个"永远在线"的团队成员。

今天的Agent Chip承担的工作已经相当多元：回答问题、梳理架构信息、做代码审查（演讲中调侃它像一位资深工程师，看两眼就说"我觉得没问题"然后放行），以及接Linear任务单自主推进。它的使用者也不局限于工程团队，业务用户开始用它写查询、解答业务问题，实现自助式支持。

这里最值得琢磨的细节是"交互形态决定采用率"。相比让工程师打开一个独立IDE插件，把代理嵌进Slack这种日常沟通场所，显著降低了调用门槛。这也解释了为什么非技术角色能如此快地参与进来。

秘密配方不是模型，是平台

演讲中最反直觉、也最有价值的观点是：让Agent Chip成功的不是某个强模型，而是Monzo多年来积累的平台能力。两位工程师把LLM重新解释为"lots of little multipliers"——大量小的乘数。

这些乘数包括已有的告警与监控体系、第三方集成、便于测试的预发布环境、队列抽象、数据库抽象和简易部署流程。换句话说，Agent Chip能做到"发个提示词、点个表情、坐等结果"，是因为底下埋着多年打磨的基础设施。缺少这些，再强的模型也只能停留在演示阶段。

在Agent Chip以远程代理形态出现之前，Monzo就已经在投资支持本地AI编码代理，其中关键一步是自建MCP网关。这个网关把内部服务与知识源统一暴露给代理，并对暴露内容做确定性筛选，同时管理不同代理的认证与授权。演讲中反复强调的判断是：能安全地给代理喂入越多上下文与数据，效果就越好。

MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年底提出的一种开放协议，用于标准化 AI 应用与外部数据源、工具之间的连接方式。可以把它理解成给代理用的“USB-C 接口”：无论后端是数据库、代码仓库、监控系统还是内部知识库，只要实现统一的协议端点，代理就能以一致的方式发现和调用。对 Monzo 这类拥有数百个内部系统的组织而言，MCP 网关的价值在于把“给代理喂什么、以什么权限喂、喂进去后怎样审计”集中到一处管理，而不是让每个代理各自硬编码集成。这也解释了为何演讲强调“确定性筛选”——协议本身只解决连接标准化，暴露哪些能力、暴露到什么粒度仍需平台侧做策略控制。

沙箱、权限与监管环境的平衡术

作为一家银行，Monzo对非确定性行为有天然的警惕。Agent Chip的整体架构围绕一个核心原则展开：把代理运行时与生产基础设施彻底隔离。

具体来说，远程代理运行在隔离命名空间中的Pod沙箱里，由编排系统触发并读取信息。代理镜像中明确固定了它能访问的工具、命令行环境与认证授权信息；代理对外连接（比如访问代码仓库）必须经过代理层，且只开放团队主动选择授予的出口。演讲者用"盒子里的小盒子"形容这种结构——非确定性只发生在最内层，外部边界全部由确定性规则控制。

这种设计带来的好处是可以放手让代理在开发环境中自由试错，同时确保生产环境不受不可控行为影响。对于任何想在受监管行业落地代理的团队，这套分层思路都具备直接参考价值。

Pod 是 Kubernetes 中最小的可部署单元，通常封装一个或多个紧耦合的容器，共享网络命名空间与存储卷。Agent Chip 将远程代理运行在“隔离命名空间中的 Pod 沙箱里”，含义是：每个代理实例都在独立的逻辑分区中启动，拥有自己的网络边界、资源配额与挂载权限，无法直接触达生产集群的其他工作负载。命名空间（Namespace）是 Kubernetes 提供的虚拟集群隔离机制，配合网络策略与 RBAC 可以做到“同一集群内互不可见”。这种结构让非确定性的代理行为被限制在可随时销毁、重建的轻量容器中，即使代理被提示词注入或执行了意外命令，影响范围也被收敛在沙箱内，而生产基础设施的确定性边界不受侵蚀。

从写代码到处理线上事故

Agent Chip的用途已经远超编码本身。演讲中列举了几个已经产生实际价值的方向。

事故响应模式下，一旦系统识别并触发新事故，Agent Chip会加入对应频道并自动开始排查——读日志、看链路追踪、连接具体服务与代码，为人类工程师提供高信号的信息。团队特别强调，他们不希望代理在事故期间大量输出试探性假设，而是保持高信噪比，同时让人保留对代理介入程度的控制权。

跨团队协作场景中，Monzo内部的"ask频道"让代理参与团队之间的信息流转。当某个团队需要了解另一个后端服务、产品进展或路线图时，Agent Chip可以基于知识源起草回复；如果信息足够，它可能直接解决这个请求，不够时再拉人类补充。

数据质量方向则出现了"Agent Chip on call"。它先以被动形态观察失败并自动触发调查，随后演化出主动版本：监控后端变更，在下一批数据处理之前预判这些变更可能对数据造成的影响。

链路追踪（distributed tracing）是微服务架构下定位问题的基础设施：一次用户请求往往横跨数十个服务，追踪系统为每个请求分配全局唯一的 trace ID，并记录各服务间的调用链、耗时与错误点。Monzo 拥有 3000 多个后端服务，事故排查时人类工程师很难靠日志逐个拼凑因果链，而 Agent Chip 可以顺着 trace 自动串联“哪个服务变慢、调用了谁、对应哪段代码、最近哪次变更”。这也是演讲强调“高信噪比”的技术前提——追踪数据本身结构化程度高，代理读取后能给出确定性较强的结论，而非在日志海洋里输出大量试探性假设。对受监管银行而言，事故期间代理输出的每一条判断都可能影响处置决策，因此“少而准”比“多而全”更有价值。

非专业角色开始贡献代码，但严谨性不变

一个容易被忽略但影响深远的变化是：Agent Chip显著降低了公司内非专业角色参与系统建设的门槛。产品反馈、日常讨论、新想法，都可以先交给Agent Chip产出一份在预发布环境测试过的草稿，然后再引入工程师做审查与部署。

演讲者对此的表述相当克制：这并不改变Monzo开发软件的严谨程度，只是让更多非专业角色能够更紧密地参与团队工作。这一区分很重要——代理降低的是起点门槛，不是上线标准。审查、测试、部署的责任链条依然完整，这正是受监管机构敢让代理参与生产的底气。

为什么他们不担心市场跑得更快

面对市面上层出不穷的新产品和新功能，Monzo对Agent Chip的长期价值给出了三点判断。

第一是组合性。Agent Chip本身已经成为平台中的一个新构建块，Slack、GitHub、Linear乃至3000多个服务都可以以同样方式接入，新用例的搭建成本大幅下降。第二是提供商无关。架构中那个代理运行时盒子可以按需替换成任意模型，团队能动态选择最贴合当前任务的模型，而不被单一供应商绑定。第三是开发窗口持续扩大。目前代理已经能起草后端改动、应用改动并在预发布环境测试、覆盖数据测试，未来还可能延伸到预测器层面；当远程代理能端到端完成这些环节，系统理解与集成的方式会进一步改变。

演讲的收尾回到了那个被重新定义的缩写：真正的红利不来自传统意义上的大模型本身，而来自你和你的团队能够叠加在模型之上的那许多小乘数——平台、权限、环境、集成与流程。对正在评估自研还是采购的团队来说，Monzo的案例提示了一条更务实的路径：先问自己的平台能安全地给代理提供多少上下文，再决定代理能走多远。