A PyCharm adicionou a habilidade Agent Environment Coordinator para ajudar os agentes de inteligência artificial a usar o interpretador Python e o ambiente de execução corretos associados ao projeto, em vez de recorrer automaticamente ao interpretador do sistema ou instalar pacotes no local errado. A JetBrains afirma que esse problema levava a configurações quebradas e ambientes contaminados que exigiam correção manual por parte do desenvolvedor.
A JetBrains testou seis modelos de inteligência artificial em 28 tarefas de programação diferentes, e a taxa média de sucesso foi de 68% quando os agentes não conseguiam acessar o ambiente real do projeto. Depois que essas informações foram disponibilizadas por meio da habilidade dentro do PyCharm, a média subiu para 98%, sem modificar o Python do sistema.
O problema que a habilidade resolve
Os agentes de modelos de linguagem de grande porte frequentemente ignoram o ambiente virtual dedicado ao projeto e usam o interpretador do sistema em seu lugar. Um único dispositivo pode conter vários interpretadores, enquanto os projetos usam ferramentas diferentes para gerenciar seus ambientes, como uv, Poetry, pip com venv ou conda. Normalmente, o agente não tem uma maneira direta de visualizar essas configurações existentes no PyCharm.
Em um cenário típico, o agente pode executar o comando pip install httpx usando o interpretador incorreto, fazendo com que o pacote seja instalado globalmente. Em seguida, o programa falha e o ambiente usado no sistema é contaminado. O PyCharm já conhece o interpretador associado ao projeto e a ferramenta que gerencia o ambiente; por isso, a JetBrains criou uma forma de permitir que o agente solicite essas informações.
Como funciona a Agent Environment Coordinator
A habilidade permite que o agente invoque duas funções do PyCharm. get_python_environment retorna o interpretador correto para o arquivo ou módulo em que se está trabalhando, além de seu caminho e da ferramenta responsável por gerenciá-lo, seja uv, Poetry, pip com venv ou conda.
Se ainda não houver um ambiente configurado, configure_python_interpreter usa o mecanismo de configuração existente no PyCharm para criar um interpretador adequado, incluindo o mesmo mecanismo que sugere a criação de uma pasta .venv. Como resultado, o novo interpretador também se torna visível dentro do ambiente de desenvolvimento integrado.
A JetBrains enfatiza que a habilidade não intercepta nem reescreve os comandos. Ela apenas retorna as informações específicas do ambiente; então, o agente decide por si mesmo se as usará e como incluí-las no comando. Dessa forma, o agente obtém o contexto ausente por meio dos mecanismos existentes do PyCharm, sem que a habilidade execute os comandos em seu nome.
Resultados do teste
O conjunto de testes incluiu tarefas diárias relacionadas a ambientes Python, como executar testes, instalar uma biblioteca, listar dependências e resolver um conflito de versões. Cada tarefa exigia que o agente escolhesse o interpretador correto para executar um comando. A recompensa também era reduzida quando o agente contaminava o ambiente do sistema; portanto, a alta taxa de sucesso não reflete apenas a conclusão da tarefa, mas também indica uma execução mais limpa.
A JetBrains executou o conjunto completo de tarefas três vezes para cada modelo, com e sem a habilidade, usando o Harbor, e depois calculou a média dos resultados. As melhorias anunciadas incluíram os seguintes modelos:
- Sonnet 5: de 73% para 100%.
- Opus 5: de 94% para 100%.
- Codex/GPT-5.6: de 80% para 100%.
A JetBrains considera que os resultados indicam que o problema principal era a falta de contexto, não a incapacidade dos modelos de concluir as tarefas. Os modelos não mudaram, mas deixaram de adivinhar qual interpretador era necessário, o que explica por que o modelo com o resultado inicial mais fraco foi o que mais se beneficiou. Como o teste também penalizava a contaminação do ambiente do sistema, o aumento das pontuações esteve associado à redução dos resíduos gerados pela execução, e não apenas ao aumento do número de tarefas bem-sucedidas.
Disponibilidade
A habilidade pode ser experimentada no PyCharm 2026.2.1 abrindo uma conversa de inteligência artificial e solicitando a instalação de um pacote ou a execução de um comando dentro do projeto. A Agent Environment Coordinator é uma das habilidades incorporadas ao PyCharm, e é possível visualizar e gerenciar as habilidades dentro do ambiente de desenvolvimento, além de ampliar a biblioteca por meio de registros externos, como repositórios públicos do GitHub, ou importar habilidades preparadas anteriormente para Claude Code ou Codex.