Андруша пишет код

Чатек привет. Хочу закинуть одну мыслю/вопрос к вам в голову. Мне кажется, что современные агенты для написания кода разрабатывают не программисты, а кто-то другие. Учёные там, дата сайентисты или кто-то ещё. За всё это время жизни с агентами я понял, что мой сценарий работы, как и фичи, нужные мне для этого, переиспользуются вне зависимости того каким агентом я пользуюсь. И примерно все агенты движутся к примерно одному интерфейсу и функциональности. Однако всё это движение идёт в сторону "ща появится новая модель, которая будет делать всё как надо и будет самой-самой". И даже тут в канале на некоторых постах, где я говорю: мне нужна такая-то встроенная фича(к примеру, иерархичный agents.md), то мне предлагают переложить эту задачу на модель, а не на промпт. Я же вижу развитие в чутка другой стороне: мы УЖЕ имеем достаточно умные мыслящие модели. Единственное что им не хватает - это интеграция с уже существующими тулами. Потому что мы вне зависимости от проекта, языка программирования, компании и других изменяемых параметров действуем примерно одинаково: 1. У нас есть задачи 2. У нас есть разные верификаторы: линтеры, форматтёры 3. У нас есть тесты 4. У нас есть девтулы к рантаймам: как дебаггеры у уровне точек останова, так и всякие приспособы к браузерам, чтобы дебажить веб и так далее. И вот почему, к примеру, не научить агенты нормально писать тесты? Опишу что мне надо: а) чтобы агент знал о всех тестовых системах. ЭТО ВОЗМОЖНО. Это УЖЕ делает jetbrains. Их не бесконечное количество. Для веба это всего лишь jest, vitest и возможно парочка устаревших систем. Причём спасибо эволюции, эти системы похожи на 99%. Отличие только в мелочах. Для браузеров это playwright, cypress и может быть puppeteer. Кроме того надо обеспечить гранулирование тестов по какому-то признаку, чтобы файлы были небольшими и ЛЛМка могла их читать полностью, а не вырезать куски строками. Плюс неплохо было бы переделать форматтёр, чтобы ллмке не выдавался всякий мусор по типу "успешных 100

Какое-то время назад я решил сделать свого агента по типу codex или opencode. Просто потому что "ну я то умный и могу сделать лучше и всё такое". Только было желание попробовать делать не просто агент, а провести эксперимент: что если максимально выкинуть все тулы, mcp и минимизировать системный промпт. Оставить только bash и заставить модель взаимодействовать через уже стандартные linux утилиты: sed, grep и прочие. В итоге оказалось, что модели(gpt 5.3+, glm 5+) вполне неплохо работают на уже имеющихся знаниях о командах линукса. Причём модели openai даже дают приоритет для rg(по сравнению с grep) и добавляют свою псевдо-cli тулу apply-patch для эффективного редактирования, так как у линукса ничего в стоке нет для этого. И даже более: модели уже знают о наличии gh(github), tea(gitea), playwright-cli(понятно кто). Причём если для gpt 5.3 приходилось иметь довольно развёрнутый skill с описанием того как работает тула, то для 5.5 достаточно просто в начале системного промпта перечислить список нестандартных доступных cli тулов. Модели уже знают как с ними работать. А если модель пытается, к примеру, получить данные сайта(обычно вызывается curl или wget), то можно просто написать свой курл, который будет отдавать контент в удобном для ЛЛМ формате. Это происходит всё по простой причине: - bash - универсальный интерфейс для всех - cli тулы редко когда меняют свою семантику работы и обычно имеют +- уникальное имя. Другого gh или playwright-cli у вас в 99.999% не будет - все подписочные планы что у openai, что у антропиков, что у кого угодно(кроме opencode zen. Они это декларируют явно) разрешают обучаться на ваших запросах в будущем. А это значит, что наиболее частые скиллы и cli тулы точно попадут в будущую обучающую выборку - чем короче контекст запроса к ЛЛМ, тем в среднем она лучше выдаёт ответы и меньше забывает. Даже на современных текущих моделях Так что не стесняйтесь выкидывать у себя mcp: почти что все сервисы сейчас дают cli интерфейс. Даже гугл к своим се