开发者社区 Linux.do 近期收到用户反馈，指出新兴 AI 编程工具 Antigravity IDE 集成的 Gemini 3.5 Flash 模型出现了严重的性能退化与逻辑错误。该用户在尝试利用 AI 编写一段基于 MCP 协议的数据循环请求脚本时，遭遇了模型“智商掉线”的窘况。按照预期逻辑，模型应当读取 MCP 中的接口文档以生成正确代码，然而 Gemini 3.5 Flash 却首先错误地执行了针对本地计算机的全局文件搜索操作。在用户首次明确指出错误并纠正后，模型并未回归正确路径，反而陷入了另一种错误逻辑：在生成的代码中错误地嵌套了用于调用 Streamable HTTP MCP 的底层代码。令人意外的是，即便用户连续进行了三次针对性的纠正，模型依然固执地重复错误的代码生成模式，完全无法理解上下文语义。这一现象表明，虽然 Gemini 3.5 Flash 在处理基础简单代码时表现尚可，但在面对涉及 MCP 协议这种需要精确工具链理解的复杂任务时，其推理规划能力出现了显著断崖，无法有效区分“查询文档”与“调用工具”的边界，导致了开发体验的显著恶化。
事件分析
该事件揭示了当前 AI 编程助手在处理特定技术协议时的脆弱性。MCP（模型上下文协议）虽然旨在标准化 AI 与本地资源的交互，但其复杂的上下文依赖似乎对轻量级模型构成了挑战。Gemini 3.5 Flash 表现出的“死循环”行为，本质上是在多步推理规划中的失败：模型无法正确评估函数调用的先后顺序，将“查询协议文档”与“编写协议调用代码”混淆。这反映出目前的 AI 智能体在缺乏强外部反馈机制时，极易陷入局部逻辑陷阱。对于基于 VS Code 等环境构建的 IDE 工具而言，如何提升模型对特定协议栈的感知能力，以及引入更有效的代码执行验证环节，将是提升用户信任度的关键。
💡 核心观点：AI 代理在处理复杂协议上下文时仍存在严重推理盲区，工具链调用的稳定性与纠错能力亟待提升。
原文链接：Linux.do
AI周刊：大模型、智能体与产业动态追踪
程序员数学扫盲课
冲浪推荐：AI工具与技术精选导航
Claude Code 全体系指南：AI 编程智能体实战