Agent DevTools: локальная инфраструктура для ИИ‑агента, которой достаточно только базового Python

Самым первым делом уточню, почему этот проект существует среди сотен ему подобных, — потому что это было нужно как минимум одному человеку. Почему эта статья существует среди тысяч таких же, — потому, что кому‑нибудь, вероятно, будет удобно пользоваться этим инструментом.

Agent DevTools бесплатен, устанавливается одной строкой и для своей работы не требует ничего кроме стандартной установки языка Python. Ему не нужны сторонние Python‑пакеты, Docker, сервер базы данных, MCP‑сервер или облачный сервис. Инструмент работает локально рядом с проектом, поэтому его можно использовать и на своём компьютере, и непосредственно в браузерном ИИ‑чате со средой выполнения Python.

Введение

Большинство читателей этой статьи в курсе, что когда работа с ИИ растягивается на несколько сессий, проблема оказывается не только в качестве сгенерированного кода. Агенту приходится заново разбираться, что уже сделано, почему выбран именно этот подход, какие попытки не сработали и чем подтверждён результат, а пользователю — порой восстанавливать всё это из переписки, файлов и собственной памяти ^[1].

Задача Agent DevTools — сохранение этой информации рядом с проектом, превращая её в рабочий контекст следующей сессии. Это локальный набор инструментов, которым пользуется уже существующий ИИ‑агент: он помогает организовать работу, подобрать контекст и проверки, зафиксировать решения и сохранить знания, которые пригодятся дальше.

Основной целью было сохранение рабочего контекста без необходимости разворачивать и обслуживать ещё одну систему. Поэтому вся собственная инфраструктура DevTools опирается на стандартную библиотеку Python, включая встроенный модуль SQLite, а не на отдельно устанавливаемый стек.

Установка одной лишь строкой промта

Для установки через агента достаточно передать ему одну строку — ссылку на документ инициализации:

https://raw.githubusercontent.com/Utundry/agent-devtools/main/AGENT-START-HERE.md

Документ объясняет агенту, как развернуть DevTools в текущем workspace и затем продолжить вашу задачу. При ручной установке скачайте bootstrap‑скрипт и запустите его из каталога проекта:

python AGENT-DEVTOOLS-BOOTSTRAP-RUN-ME.py

В зависимости от используемой операционной системы команда запуска Python может называться python, python3 или py.

Bootstrap разворачивает инструмент в выбранном проекте; поэтому устанавливать пакеты через pip, создавать отдельное виртуальное окружение или настраивать сервисы не требуется. В пустом каталоге он уточняет намерение пользователя, а в существующем проекте сначала изучает файлы и определяет стек, чтобы не спрашивать уже известное.

Сам Agent DevTools полностью бесплатен и распространяется с открытым исходным кодом под лицензией MIT: у него нет подписки или платы за собственные операции.

Для чего нужен ещё один инструмент

Файл с инструкциями вроде AGENTS.md полезен, поскольку задаёт правила проекта, однако по мере работы возникает другой класс информации: обнаруженная особенность API, подтверждённая причина регрессии, временное предположение, принятое архитектурное решение. Если всё это складывать в один длинный документ, инструкции постепенно превращаются в смесь истории, актуальных правил и устаревших догадок.

Agent DevTools разделяет текущую работу и знания, которые должны пережить её завершение. В рабочей сессии агент фиксирует находки, предположения, решения и препятствия, а устойчивые знания явно продвигает в .agent‑knowledge, сохраняя их происхождение. Такой перенос не означает, что любая записанная мысль автоматически стала истиной: знания нужно проверять, уточнять и пересматривать при изменении проекта.

Идея проста: следующему агенту должно быть доступно не только «что делать», но и «что уже известно и на каком основании».

Как выглядит работа

В начале сессии агент получает сценарий работы и функционал через установленный CLI, поскольку реальный контракт конкретной версии надёжнее запомненного синтаксиса. Затем он входит в рабочую сессию, уточняет цель и пробелы постановки, обращается к накопленным знаниям и подбирает необходимый контекст.

Во время выполнения задачи сохраняются существенные факты, гипотезы и решения, после чего результат проверяется штатными средствами проекта. В режиме разработки DevTools помогает учитывать набор изменений и выбирать затронутые проверки, а перед передачей результата — понять, что сделано, чем это проверено и что осталось открытым.

Выборочная проверка не означает разрешения запускать меньше тестов любой ценой. Её задача — обоснованно выбрать нужные проверки, сохранив обязательные требования проекта; если для выпуска необходим полный набор тестов, выборочный запуск его не заменяет.

Почему возможен запуск из браузерного чата

Полная независимость от дополнительной инфраструктуры дала больший выигрыш, чем просто удобство развёртывания. Если в среде уже есть стандартный Python, DevTools можно принести туда, где агент выполняет задачу, в том числе в среду браузерного чата с ограниченным доступом к сети и установке зависимостей.

Пользователь загружает bootstrap‑скрипт или подготовленный комплект, агент разворачивает runtime и работает через CLI, при этом на компьютере пользователя не требуется устанавливать IDE, настраивать MCP‑сервер или запускать отдельный сервис памяти. Самому инструменту также не нужны дополнительные обращения к модели для извлечения знаний или поиска по ним.

Здесь есть существенное условие: речь идёт о чате со средой выполнения кода и доступом к файлам. Обычный текстовый чат без этих возможностей запускать DevTools не сможет, а отсутствие сторонних зависимостей не отменяет необходимости в Python и штатных инструментах самого проекта.

Если среда чата временная, важные результаты необходимо сохранить и перенести явно. Для этого есть единая команда handoff create: в разработке она упаковывает контрольную точку незавершённой работы, а в исследовании, анализе и подготовке документов — слепок рабочего пространства, добавляя краткую постановку для продолжения. При восстановлении проверяется SHA-256-манифест, после чего агент получает актуальное резюме задачи. Git улучшает обнаружение изменений, но для базового продолжения работы не обязателен.

Польза не только в разработке ПО

Проверялся Agent DevTools и на исследовательской задаче. Вместо исходников там были требования, ограничения, источники, архитектурные варианты и параметры, которые ещё предстояло получить от пользователя.

Инструмент помог сохранить связь между требованиями, исследованием, предположениями и решениями, а после смены сессии продолжить работу с уже накопленной базы. В частности, удалось восстановить список параметров, необходимых для дальнейшего расчёта, без повторного исследования с нуля.

Это не доказывает качество будущего инженерного расчёта, но подтверждает практическую пользу самого механизма продолжения работы: незавершённая задача остаётся описанным состоянием проекта, а не потерянным фрагментом переписки.

Где находится Agent DevTools среди других инструментов

У многих схожих продуктов уже есть память, планы и проверки, поэтому отдельное наличие этих функций достаточным отличием не считается. Для Agent DevTools существенно их сочетание в лёгком автономном проектном инструменте.

Главный критерий пользы — насколько уверенно можно продолжить проект в новой сессии, имея рядом с ним цель, основания решений, результаты проверок и накопленные знания. Бонусом идет бесплатность, элементарная установка одной строкой и требование только стандартного Python, возможность получить эту инфраструктуру непосредственно там, где уже работает агент, включая браузерный чат.

Послесловие

Проект ^[2]

Мне важно знать мнение читателей, кто и как использует AI‑агентов для продолжительной разработки и с какими сталкивается проблемами, было бы интересно прочитать живые ответы, как решаются поднятые в статье вопросы повторного тестирования и сохранения инженерного контекста.