PyCharm ha añadido la habilidad Agent Environment Coordinator para ayudar a los agentes de inteligencia artificial a utilizar el intérprete de Python y el entorno de ejecución correctos asociados al proyecto, en lugar de recurrir automáticamente al intérprete del sistema o instalar paquetes en el lugar equivocado. JetBrains afirma que este problema provocaba configuraciones rotas y entornos contaminados que requerían una reparación manual por parte del desarrollador.
JetBrains probó seis modelos de inteligencia artificial en 28 tareas de programación diferentes. La tasa media de éxito fue del 68% cuando los agentes no podían acceder al entorno real del proyecto. Después de proporcionarles esta información mediante la habilidad dentro de PyCharm, la media aumentó al 98%, sin modificar el Python del sistema.
El problema que aborda la habilidad
Los agentes de modelos de lenguaje de gran tamaño suelen ignorar el entorno virtual dedicado al proyecto y utilizar el intérprete del sistema en su lugar. Un solo equipo puede tener varios intérpretes, mientras que los proyectos utilizan distintas herramientas para gestionar sus entornos, como uv, Poetry, pip con venv o conda. Por lo general, el agente no dispone de una forma directa de ver esta configuración presente en PyCharm.
En un escenario típico, el agente puede ejecutar el comando pip install httpx utilizando un intérprete incorrecto, de modo que el paquete se instala globalmente; después, el programa falla y el entorno utilizado por el sistema queda contaminado. PyCharm ya conoce el intérprete asociado al proyecto y la herramienta que gestiona el entorno, por lo que JetBrains diseñó un mecanismo que permite al agente solicitar esta información.
Cómo funciona Agent Environment Coordinator
La habilidad permite al agente invocar dos funciones de PyCharm. get_python_environment devuelve el intérprete correcto para el archivo o módulo en el que se está trabajando, junto con su ruta y la herramienta responsable de gestionarlo, ya sea uv, Poetry, pip con venv o conda.
Si todavía no existe un entorno configurado, configure_python_interpreter utiliza el mecanismo de configuración disponible en PyCharm para crear un intérprete adecuado, incluido el mismo mecanismo que propone crear una carpeta .venv. Como resultado, el nuevo intérprete también queda visible dentro del entorno de desarrollo integrado.
JetBrains confirma que la habilidad no intercepta ni reescribe los comandos. Solo devuelve la información relativa al entorno; después, el agente decide por sí mismo si la utilizará y cómo la incorporará al comando. De este modo, el agente obtiene el contexto que le falta mediante los mecanismos existentes de PyCharm, sin que la habilidad ejecute los comandos en su nombre.
Resultados de la prueba
El conjunto de pruebas incluyó tareas cotidianas relacionadas con entornos de Python, como ejecutar pruebas, instalar una biblioteca, consultar dependencias y resolver un conflicto de versiones. Cada tarea requería que el agente eligiera el intérprete correcto para ejecutar un comando. También se redujo la recompensa cuando el agente contaminaba el entorno del sistema, por lo que la elevada tasa de éxito no refleja únicamente la superación de la tarea, sino que también indica una ejecución más limpia.
JetBrains ejecutó el conjunto completo de tareas tres veces para cada modelo, con la habilidad y sin ella, utilizando Harbor, y después calculó la media de los resultados. Las mejoras anunciadas incluyeron los siguientes modelos:
- Sonnet 5: del 73% al 100%.
- Opus 5: del 94% al 100%.
- Codex/GPT-5.6: del 80% al 100%.
JetBrains considera que los resultados indican que el problema principal era la falta de contexto, no la incapacidad de los modelos para completar las tareas. Los modelos no cambiaron, pero dejaron de adivinar qué intérprete se necesitaba, lo que explica que el modelo con el resultado inicial más bajo fuera el que más se beneficiara. Además, como la prueba penalizaba la contaminación del entorno del sistema, el aumento de las puntuaciones estuvo relacionado con la reducción de los residuos generados por la ejecución, no solo con el incremento del número de tareas completadas con éxito.
Disponibilidad
La habilidad se puede probar en PyCharm 2026.2.1 abriendo una conversación de inteligencia artificial y solicitando la instalación de un paquete o la ejecución de un comando dentro del proyecto. Agent Environment Coordinator es una de las habilidades integradas en PyCharm, y las habilidades se pueden explorar y gestionar desde el entorno de desarrollo, con la posibilidad de ampliar la biblioteca mediante registros externos, como repositorios públicos de GitHub, o importar habilidades preparadas para Claude Code o Codex.