Радар принес mcptoon - CLI-MCP Proxy, который ходит на MCP сервера вместо агента. Обещают какую-то дикую оптимизацию контекста за счет автодискавери тулов и переформатирования ответов в TOON.
И тут мне стало интересно, что за формат такой этот TOON, Token-Oriented Object Notation. Оказывается, ему почти год, 25k звезд, уже v4.1 версия, порты есть на Python, PHP, .NET, Kotlin и Elixir.
Что это. Та же модель данных, что у JSON, только записанная экономно: вложенность на отступах как в YAML, а однородные массивы сворачиваются в таблицу - поля объявляются один раз в заголовке, дальше идут только строки.
forecast[3]{day,temp,condition}:
Mon,-2,snow
Tue,1,cloudy
Wed,3,sunny
Сколько экономит. Против JSON с отступами - минус 33% на смешанных данных и минус 59% на плоских. Лучше всего там, где записи однотипные: конфиг фиче-флагов - минус 55%, контакты с вложенными адресами - минус 66%.
Когда лучше остаться на JSON. Если данные неоднородные или глубоко вложенные. В их же замерах минифицированный JSON просто меньше: +5.6% на вложенных заказах, +19.9% на полуоднородных логах, и по смешанному треку целиком TOON ему проигрывает. То есть красивые "-60%" - это против JSON только в определенных кейсах.
Когда лучше CSV. Если данные плоские и честно табличные - CSV меньше процентов на шесть. Эти шесть процентов TOON тратит на объявленную длину массива и список полей в заголовке: покупает не размер, а надежность.
Т.е. TOON - это где-то между JSON и CSV по способу представления.
Про точность. Бенчмарк взрослый - 244 вопроса, 6 форматов, 4 модели, 5856 прогонов. TOON дает 72.2% против 71.4% у JSON, но это в пределах погрешности, и продавать это как "модель лучше понимает" я бы не стал. Интереснее другой замер: на вопросах "а данные вообще целые?" TOON дает 100%, а JSON - 50%. Объявленная длина массива ловит обрезанный список, а в JSON обрезанный список выглядит совершенно валидным.
Тренд недели - куча новых харнессов. За семь дней четыре новых, и это только те, что дошли до топов:
• DeepSeek Harness - 118 тысяч звезд за трое суток (чего?). Внутри все плагин: модели, тулы, скиллы, сессии, песочницы, планировщик и даже UI. К DeepSeek не привязан - Anthropic, OpenAI, Bedrock, Vertex, Codex по OAuth. Пока это developer preview, issues отключены, ломающие изменения обещают капсом
• Ante - один 15-мегабайтный бинарь на Rust: внутри TUI, свой ripgrep, локальный OCR и сборка llama.cpp, то есть агент работает офлайн и без Node (наконец-то). Terminal-Bench 82.7% с публичными прогонами. Но ядро приезжает прекомпилированным, исходников нет, телеметрия включена по умолчанию
• hax - еще один бинарный агент - теперь на C, ровно пять тулов и
docs/philosophy.md со списком того, чего в нем не будет: ни MCP-маркетплейса, ни плагинов, ни IDE-панелей; Pi-agent, только бинарем• Waku - не CLI, а нативный десктоп на Rust и GPUI поверх Amp, Claude Code, Codex, OpenCode и Cursor. Каждый промпт чекпойнтит рабочее дерево, поэтому откат едет вместе с кодом, а не только с логом чата
Экосистема при этом нарастает быстрее самих харнессов: у dsh за трое суток появился сторонний ModLens - плагин, который дает зрение текстовой модели, просто вставляешь картинку в чат.
Тут любопытно: каждый новый харнесс продает не фичу, а отказ. Ante отказывается от Node, hax - от плагинов и MCP, Waku - от Electron, dsh - от хардкода в ядре. Модель у всех примерно одна и та же, конкурировать в ней больше нечем - вот и соревнуются, кто меньше.
Все, что проходит фильтр рубрики, копится в awesome-engineering-ai - там же мои вердикты по тем, что успел потыкать.
💬 Чат | 🧭 Навигация | ⭐️ FastStream