JetBrains Air, ACP und der Platz von MCP im neuen Stack

JetBrains hat Air heute angekündigt, den 22. September: ein offenes System für agentische Softwareentwicklung über IDE, Team-Delivery und Governance hinweg, mit Junie auf allen Oberflächen (JetBrains). Für Werkzeug-Bauer ist die langlebige Folge das Fundament: Das Agent Client Protocol, mit Zed entwickelt, trägt die Verbindung zwischen IDE und Agent. MCP, eine Ebene tiefer, behält seinen Job.

Was ist JetBrains Air konkret?#

Drei Produkte, dazu der Agent. Air in JetBrains IDEs ist ein Plugin: Mehrere Projekte bleiben offen, jedes mit eigenen Agenten-Sessions, und das Tool verfolgt ungelesene Updates, geänderte Dateien und ausgehende Commits über alle zusammen. Diffs öffnen sich direkt aus einer Agenten-Session, und du hinterlässt Kommentare auf einzelnen Zeilen, damit der Agent danach handelt. Modellzugang kommt über eine bestehende Provider-Subscription, über eigene API-Keys oder über JetBrains-AI-Credits zu Public-API-Preisen, mit Wechsel auch mitten in einer Session (unite.ai).

Air Teams, im Early Access, betreibt geteilte Projekte in eigenen Cloud-Umgebungen und delegiert wiederholbare Arbeit, Code Review, Release Notes, Fixes, an Coding-Agents, mit Kontrollen pro Projekt für VM-Größe, Internetzugang und Secrets. Air Governance, früher JetBrains Central, trägt die Organisationsebene: Regeln für Modelle und Agenten pro Organisation, Team oder Person, Ausgaben-Limits für KI, mitgebrachte Keys von Bedrock, OpenAI oder Anthropic, und Usage-Analytics.

Die Ankündigung benennt den Wechsel offen. JetBrains hat 26 Jahre am einzelnen Workbench gebaut. Air zielt auf das weitere System, durch das agentische Arbeit „initiated, executed, coordinated, reviewed, and governed“ wird.

Wie ACP und MCP zusammenpassen#

Das Agent Client Protocol standardisiert, was zwischen IDE und dem kompletten Harness eines Agenten liegt: Planung, Logik, Tools, Model Routing und Observability. Die ACP-Seite beschreibt eine Verbindung für „local, remote, or in-house AI agents without vendor lock-in“, gebaut von JetBrains und Zed (ACP). Eine Registry lässt eine IDE kompatible Agenten finden und starten. unite.ai zählt Codex, Copilot, Gemini CLI, Cursor, OpenCode und Cline zu den Agenten, die es sprechen, mit Zed und Neovim als Clients neben den JetBrains IDEs.

MCP bleibt davon unberührt und ergänzt es. ACP verbindet den Editor mit dem Agenten. MCP verbindet den Agenten mit der Welt: Suche, Fetches, Datenbanken, interne APIs. Ein Agent, der über ACP in der IDE ankommt, erreicht deine Werkzeuge weiter über MCP. Für MCP-Bauer steckt die interessante Zeile in Air Teams: MCP-Server-Verbindungen, einmal konfiguriert und vom ganzen Team samt seinen Agenten geteilt. Ein Server wie searxng-mcp-server, dessen opt-in Streamable-HTTP-Endpunkt bereits Remote-Clients bedient, hat die Form, die in eine geteilte Cloud-Umgebung passt; ein reiner stdio-Server bleibt lokal bei dem, der ihn gestartet hat.

Multi-Vendor ist das Designprinzip, und JetBrains führt es mit Kostenargumenten: Rankings wechseln alle paar Monate, Teams im selben Unternehmen wählen längst verschiedene Modelle, und „no single model, agent, or service will be right for every developer, team, or task“. Jeder zusätzliche Vendor sonst „takes away a little more visibility“, während Kontext nicht mehr mitwandert und Ausgaben nicht mehr zuordenbar sind. Governance über alle Vendor hinweg ist Airs Antwort, und sie trifft auf die Preissenkungen derselben Woche: Günstigere Tokens steigern den Wert einer einzigen Kostenübersicht.

Warum das Verifikations-Argument schwerer wiegt als die Agenten#

Der schärfste Absatz der Ankündigung betrifft den Flaschenhals. „Code becomes cheaper to generate but more expensive to verify.“ Der harte Fall ist Code, der fast richtig ist: plausibel genug für eine oberflächliche Prüfung, mit einer Annahme, die spät und teuer auftaucht. Und: „An agent will not get the call at 3:00 am when something breaks.“

JetBrains positioniert seine deterministische Code-Intelligenz als Gegenmittel, ökonomisch genauso sehr wie technisch: Agenten „spend time and money rediscovering information the codebase already contains“, und ein Agent, der dieses Wissen abruft, ist billiger und genauer als einer, der es rekonstruiert. Das Argument trägt über JetBrains hinaus. Ein Support-Agent, der seine Fakten aus Tools liest statt sie zu erzeugen, wie der auf dieser Seite, ist derselbe Handel: Abruf schlägt Rekonstruktion, und die Ersparnis zeigt sich pro Lauf.

Worauf du achten solltest#

JetBrains verspricht Releases im Rolling-Verfahren mit expliziten Was-funktioniert-jetzt-Listen, später mobile und entfernte Oberflächen, und mehr Arbeit, die von Repository-Events und Zeitplänen ausgelöst wird statt von einem Prompt im Editor. Die Ankündigung nennt kein Datenmodell für die Governance, und genau das bräuchte ein kleiner MCP-Autor: ob Usage-Analytics bis zu einzelnen MCP-Tool-Calls hindurchsehen oder an der Modellrechnung enden. Registry und geteilte Verbindungen sind heute prüfbar. Die Kostenübersicht ist der Teil, den du verifizieren solltest, bevor du die Werkzeuge eines Teams darauf aufbaust.

Für das größere Bild vergleiche ich in Zielen und Workflows, wie Claude Code, Codex und ZCode lange, zielgetriebene Aufgaben handhaben.