Cursor Agent Tools

ИИ-агент на основе Python, воспроизводящий возможности ассистента для программирования Cursor: вызов функций, генерация кода и интеллектуальная помощь в написании кода с использованием Claude, OpenAI и локально размещённых моделей Ollama.

🌟 Возможности

Данная реализация ИИ-агента предоставляет широкий набор возможностей:

Основные способности

• Гибкость моделей: работает с моделями Claude (Anthropic), OpenAI и локально размещёнными моделями Ollama
• Генерация кода: создание полноценного, работоспособного кода на основе описаний на естественном языке
• Редактирование кода: внесение точечных правок в существующие файлы с кодом
• Анализ кода: проверка и анализ кода на наличие ошибок, возможностей улучшения и оптимизации
• Вызов функций: вызов зарегистрированных инструментов и функций по запросам пользователя
• Контекст диалога: ведение истории беседы для связного многошагового взаимодействия
• Ответы с учётом проекта: учёт контекста проекта при ответах на вопросы
• Система разрешений: безопасная обработка разрешений для файловых операций и выполнения команд
• Поддержка локальных моделей: использование open-source моделей, размещённых локально с помощью Ollama

Инструменты

Агент поддерживает обширный набор инструментов:

• Операции с файлами:
  • read_file: чтение содержимого файла с гибким управлением диапазоном строк
  • edit_file: внесение точных правок в файлы по чётким инструкциям
    • Поддерживает полную замену файла
    • Поддерживает построчное редактирование с JSON-словарями (например, {"1-5": "new content", "10-12": "more content"})
  • delete_file: удаление файлов из файловой системы
  • create_file: создание новых файлов с указанным содержимым
  • list_dir: вывод списка содержимого каталога для понимания структуры проекта

• Возможности поиска:
  • codebase_search: семантический поиск по кодовой базе для нахождения релевантных фрагментов кода
  • grep_search: текстовый поиск по регулярным выражениям в файлах
  • file_search: нечёткий поиск файлов по имени
  • web_search: поиск актуальной информации в интернете
  • trend_search: поиск трендовых тем и их последних событий

• Анализ изображений:
  • query_images: анализ и описание изображений с помощью возможностей компьютерного зрения LLM

• Системные операции:
  • run_terminal_cmd: выполнение команд терминала с одобрения пользователя

Все инструменты реализованы с реальной функциональностью и могут быть расширены пользовательскими инструментами при необходимости.

📚 Содержание

• Установка
• Быстрый старт
• Примеры использования
• Структура проекта
• Конфигурация
• Система разрешений
• Участие в разработке
• Документация API
• Расширенное использование
• Ограничения и замечания
• План развития
• Лицензия
• Благодарности

🚀 Установка

Предварительные требования

• Python 3.8+
• API-ключи Anthropic и/или OpenAI

Через pip

pip install cursor-agent-tools

Из исходного кода

git clone https://github.com/civai-technologies/cursor-agent.git
cd cursor-agent
pip install -e .  # Install in development mode

# Or with development dependencies
pip install -e ".[dev]"

Настройка окружения

Создайте файл .env в корне вашего проекта (скопируйте из .env.example):

# Environment (local, development, production)
ENVIRONMENT=local

# OpenAI configuration
OPENAI_API_KEY=your_openai_api_key_here
OPENAI_API_MODEL=gpt-4o
OPENAI_TEMPERATURE=0.0

# Anthropic configuration
ANTHROPIC_API_KEY=your_anthropic_api_key_here
ANTHROPIC_API_MODEL=claude-3-5-sonnet-latest
ANTHROPIC_TEMPERATURE=0.0

# Google Search API (for web_search tool)
GOOGLE_API_KEY=your_google_api_key_here
GOOGLE_SEARCH_ENGINE_ID=your_search_engine_id_here

# Ollama configuration (for local models)
OLLAMA_HOST=http://localhost:11434

⚡ Быстрый старт

import asyncio
from cursor_agent_tools import create_agent

async def main():
    # Create a Claude agent instance
    agent = create_agent(model='claude-3-5-sonnet-latest')

    # Chat with the agent
    response = await agent.chat("Create a Python function to calculate Fibonacci numbers")
    print(response)

if __name__ == "__main__":
    asyncio.run(main())

🔍 Примеры использования

Общение с разными моделями

import asyncio
from cursor_agent_tools import create_agent

# Use Claude
claude_agent = create_agent(model='claude-3-5-sonnet-latest')
response = await claude_agent.chat("What's a good way to implement a cache in Python?")

# Use OpenAI
openai_agent = create_agent(model='gpt-4o')
response = await openai_agent.chat("What's a good way to implement a cache in Python?")

# Use Ollama (local open-source model)
ollama_agent = create_agent(model='ollama-llama3')
response = await ollama_agent.chat("What's a good way to implement a cache in Python?")

Использование локальных моделей Ollama

import asyncio
from cursor_agent_tools import create_agent

async def main():
    # Create an agent with a local Ollama model
    # Models must be pulled via Ollama CLI first: ollama pull MODEL_NAME
    agent = create_agent(
        model='ollama-llama3',  # prefix with "ollama-" followed by model name
        host='http://localhost:11434',  # optional, this is the default
        temperature=0.3  # optional temperature setting
    )

    # Chat with the local model
    response = await agent.chat("Write a Python script to download YouTube videos")
    print(response)

    # Handle multimodal capabilities if model supports it
    # image_path = "/path/to/your/image.png"
    # image_response = await agent.query_image(
    #     image_paths=[image_path],
    #     query="What does this code screenshot show?"
    # )
    # print(image_response)

if __name__ == "__main__":
    asyncio.run(main())

Поддерживаемые модели Ollama

Агент поддерживает любую модель, доступную в Ollama. Некоторые популярные варианты:

• ollama-llama3 — модель Llama 3 от Meta
• ollama-llama3.1 — модель Llama 3.1 от Meta
• ollama-mistral — модель Mistral AI
• ollama-gemma3 — модель Gemma от Google
• ollama-deepseek-r1 — модель логических рассуждений от DeepSeek
• ollama-phi4 — модель Phi от Microsoft
• ollama-qwen2.5 — новейшая модель Qwen

Полный список доступных моделей см. в библиотеке Ollama.

Обратите внимание, что поддержка вызова инструментов и мультимодальности зависит от возможностей конкретной модели.

Создание собственного агента со своим системным промптом

import asyncio
from cursor_agent_tools import create_agent

async def main():
    # Define a custom system prompt for a coding tutor
    custom_system_prompt = """
    You are an expert coding tutor specialized in helping beginners learn to code.
    When asked coding questions:
    1. First explain the concept in simple terms
    2. Always provide commented example code
    3. Suggest practice exercises
    4. Anticipate common mistakes and warn against them

    Be patient, encouraging, and avoid technical jargon unless you explain it.
    Focus on building good habits and understanding core principles.
    """

    # Create agent with custom system prompt
    coding_tutor = create_agent(
        model='claude-3-5-sonnet-latest',
        system_prompt=custom_system_prompt
    )

    # Example interaction with the custom agent
    student_question = "I'm confused about Python list comprehensions. Can you help me understand them?"

    response = await coding_tutor.chat(student_question)
    print(response)

    # Example using image analysis capabilities
    image_path = "/path/to/your/image.png"
    image_response = await coding_tutor.query_image(
        image_paths=[image_path],
        query="What does this code screenshot show and what issues do you see?"
    )
    print(image_response)

    # The response will follow the guidelines in the custom system prompt,
    # explaining list comprehensions in a beginner-friendly way with examples, 
    # practice exercises, and common pitfalls to avoid

if __name__ == "__main__":
    asyncio.run(main())

Этот пример создаёт специализированного агента-репетитора по программированию с настраиваемой личностью и правилами поведения. Аналогичным образом вы можете создавать собственных агентов для различных областей, составляя подходящие системные промпты:

• Помощник по анализу данных (с фокусом на pandas/numpy)
• Эксперт по автоматизации DevOps (для CI/CD и скриптов развёртывания)
• Автор документации (генерация хорошо структурированной документации из кода)
• Ревьюер кода по безопасности (выявление уязвимостей в коде)
• Специалист по оптимизации алгоритмов (повышение производительности)

Интерактивный режим

from cursor_agent_tools import run_agent_interactive
import asyncio

async def main():
    # Parameters:
    # - model: The model to use (e.g., 'claude-3-5-sonnet-latest', 'gpt-4o')
    # - initial_query: The task description
    # - max_iterations: Maximum number of steps (default 10)
    # - auto_continue: Whether to continue automatically without user input (default True)

    await run_agent_interactive(
        model='claude-3-5-sonnet-latest',
        initial_query='Create a simple web scraper that extracts headlines from a news website',
        max_iterations=15
        # auto_continue=True is the default - agent continues automatically
        # To disable automatic continuation, set auto_continue=False
    )

if __name__ == "__main__":
    asyncio.run(main())

Интерактивный режим спроектирован так, чтобы автоматически продолжать работу без участия пользователя, за исключением случаев, когда: 1. ИИ явно запрашивает дополнительную информацию у пользователя 2. Происходит ошибка, требующая решения пользователя 3. Используется флаг --auto, при котором после каждого шага запрашивается ввод пользователя 4. Достигнут максимальный лимит вызовов инструментов, и требуется подтверждение пользователя для продолжения

Когда запрашивается или предоставляется пользовательский ввод, система интеллектуально встраивает его в ход беседы следующим образом: 1. С помощью самой модели ИИ генерируется контекстно уместный промпт для продолжения 2. Ввод пользователя бесшовно интегрируется с существующей историей разговора 3. Сохраняется естественный ход процесса реализации

Автоматическое определение пользовательского ввода

Интерактивный режим имеет встроенное определение ситуаций, когда агент явно запрашивает ввод от пользователя. Когда ответ агента содержит фразы вроде: - «Мне нужна дополнительная информация о...» - «Не могли бы вы предоставить больше подробностей о...» - «Пожалуйста, сообщите ваш выбор относительно...» - «Что бы вы хотели, чтобы я сделал с...»

Система автоматически приостановится и будет ждать ввода пользователя, даже в режиме автопродолжения. Это гарантирует, что когда агенту действительно нужно уточнение или решение от вас, разговор будет корректно приостановлен.

Подтверждение лимита вызовов инструментов

В целях безопасности и для предотвращения неконтролируемой автоматизации агент отслеживает общее количество вызовов инструментов при обработке одного ответа агента. Когда это число достигает определённого порога (по умолчанию: 5), агент запросит подтверждение пользователя перед внесением дальнейших изменений. Эта мера предосторожности: - Предотвращает непреднамеренные масштабные изменения вашей кодовой базы - Даёт вам наглядность сложных операций - Позволяет просмотреть прогресс перед продолжением - Предоставляет возможность перенаправить агента при необходимости

Важные детали работы отслеживания вызовов инструментов: - Счётчик учитывает все вызовы инструментов в рамках одной логической итерации (одного ответа агента) - Счётчик НЕ сбрасывается до тех пор, пока не будет предоставлен новый пользовательский ввод или не начат новый запрос - Счётчик сохраняется, даже когда агент продолжает ту же итерацию

Когда лимит достигнут, вам будет показан следующий запрос:

The agent has made 5 tool calls in this iteration.
Would you like to continue allowing the agent to make more changes?
Continue? (y/n):

Если вы одобрите, агент: - Продолжит делать больше вызовов инструментов в текущей итерации - Увеличит лимит на 5 для этой итерации - Снова запросит подтверждение при достижении нового лимита - Продолжит отслеживать общее количество вызовов инструментов (счётчик не сбрасывается)

Если вы отклоните, агент: - Прекратит делать дополнительные вызовы инструментов в этой итерации - Завершит текущую итерацию с уже внесёнными изменениями - Перейдёт к следующей итерации, когда будет готов

Этот адаптивный лимит гарантирует, что агент не внесёт слишком много изменений без вашего одобрения, но при этом позволяет эффективно выполнять сложные задачи.

Предоставление контекста проекта

from cursor_agent_tools import create_agent

agent = create_agent(model='claude-3-5-sonnet-latest')

user_info = {
    "open_files": ["src/main.py", "src/utils.py"],
    "cursor_position": {"file": "src/main.py", "line": 42},
    "recent_files": ["src/config.py", "tests/test_main.py"],
    "os": "darwin",
    "workspace_path": "/Users/username/projects/myproject"
}

response = await agent.chat("Fix the bug in the main function", user_info=user_info)

Регистрация пользовательских инструментов

from cursor_agent_tools import create_agent

agent = create_agent(model='claude-3-5-sonnet-latest')

def custom_tool(param1, param2):
    # Tool implementation
    return {"result": f"Processed {param1} and {param2}"}

# Register the tool
agent.register_tool(
    name="custom_tool",
    function=custom_tool,
    description="Custom tool that does something useful",
    parameters={
        "properties": {
            "param1": {"description": "First parameter", "type": "string"},
            "param2": {"description": "Second parameter", "type": "string"}
        },
        "required": ["param1", "param2"]
    }
)

Больше примеров можно найти в каталоге examples.

🏗️ Структура проекта

cursor-agent/
├── agent/                   # Core agent implementation
│   ├── __init__.py          # Package exports
│   ├── base.py              # Base agent class
│   ├── claude_agent.py      # Claude-specific implementation
│   ├── openai_agent.py      # OpenAI-specific implementation
│   ├── factory.py           # Agent factory function
│   ├── permissions.py       # Permission system implementation
│   ├── interact.py          # Interactive mode utilities
│   └── tools/               # Tool implementations
│       ├── __init__.py      # Tool exports
│       ├── file_tools.py    # File operations
│       ├── search_tools.py  # Search functionalities
│       ├── system_tools.py  # System commands
│       └── register_tools.py # Tool registration utilities
├── cursor_agent/            # Package directory for pip installation
│   ├── __init__.py          # Package exports
│   └── agent/               # Re-exports of agent functionality
├── docs/                    # Documentation
│   └── permissions_guide.md # Permission system documentation
├── examples/                # Example usage scripts
│   ├── basic_usage.py       # Simple API usage example
│   ├── chat_conversation_example.py  # Conversation example
│   ├── code_search_example.py  # Code search demonstration
│   ├── file_manipulation_example.py  # File tools example
│   ├── interactive_mode_example.py  # Interactive session demo
│   ├── permission_example.py  # Permission system demonstration
│   ├── simple_task_example.py  # Basic task completion
│   ├── utils.py             # Example utilities
│   └── demo_project/        # Demo project for examples
├── tests/                   # Unit and integration tests
│   ├── test_permissions.py  # Permission system tests
│   └── ...                  # Other test files
├── .env.example             # Example environment variables
├── .gitignore               # Git ignore patterns
├── CODE_OF_CONDUCT.md       # Code of conduct for contributors
├── CONTRIBUTING.md          # Contribution guidelines
├── LICENSE                  # MIT License
├── README.md                # This file
├── SECURITY.md              # Security policy
├── constraints.md           # Implementation constraints
├── pyproject.toml           # Project configuration
├── requirements.txt         # Project dependencies
├── run_tests.py             # Test runner script
├── run_ci_checks.sh         # CI check script
└── setup.py                 # Package installation

⚙️ Конфигурация

Переменные окружения

Конфигурация агента

При создании агента вы можете настроить его поведение:

from cursor_agent_tools import create_agent
from cursor_agent_tools.permissions import PermissionOptions

# Create permission options
permissions = PermissionOptions(
    yolo_mode=True,
    command_allowlist=["ls", "echo", "git"],
    command_denylist=["rm -rf", "sudo"],
    delete_file_protection=True
)

agent = create_agent(
    model='claude-3-5-sonnet-latest',  # Specific model to use (determines the agent type)
    temperature=0.2,                    # Creativity level
    system_prompt=None,                 # Custom system prompt
    tools=None,                         # Custom tools dictionary
    permission_options=permissions      # Permission configuration
)

🔐 Система разрешений

CursorAgent включает надёжную систему разрешений для безопасной обработки системных операций:

Ключевые возможности

• Безопасность по умолчанию: Все изменения файлов и выполнение команд требуют разрешения
• Режим YOLO: Опциональный режим автоматического одобрения операций (с настраиваемыми правилами)
• Фильтрация команд: Белый/чёрный список для контроля того, какие команды могут выполняться автоматически
• Защита от удаления файлов: Специальная защита для операций удаления файлов
• Настраиваемый интерфейс: Гибкий интерфейс запроса разрешений, адаптируемый к различным средам

Базовое использование

from cursor_agent_tools import create_agent
from cursor_agent_tools.permissions import PermissionOptions

# Create an agent with default permissions (requires confirmation for all operations)
permissions = PermissionOptions(yolo_mode=False)
agent = create_agent(
    model='claude-3-5-sonnet-latest',
    permission_options=permissions
)

# Create an agent with YOLO mode (many operations auto-approved)
permissions = PermissionOptions(
    yolo_mode=True,
    command_allowlist=["ls", "echo", "git"],
    delete_file_protection=True
)
agent = create_agent(
    model='claude-3-5-sonnet-latest',
    permission_options=permissions
)

Пользовательские обработчики разрешений

Систему разрешений можно адаптировать к различным средам пользовательского интерфейса:

from cursor_agent_tools.permissions import PermissionOptions, PermissionRequest, PermissionStatus

# Create a custom permission handler for a GUI application
def gui_permission_handler(request: PermissionRequest) -> PermissionStatus:
    # Implement GUI-based permission dialog
    # ...
    return PermissionStatus.GRANTED  # or DENIED

# Create permission options with custom handler
permissions = PermissionOptions(
    yolo_mode=False,
    permission_callback=gui_permission_handler
)

agent = create_agent(
    model='claude-3-5-sonnet-latest',
    permission_options=permissions
)

Подробную документацию о системе разрешений смотрите в permissions_guide.md.

🤝 Участие в разработке

Мы рады любому вкладу! Подробности о том, как внести вклад в этот проект, смотрите в CONTRIBUTING.md.

Настройка среды разработки

1. Сделайте форк и клонируйте репозиторий
2. Создайте виртуальное окружение
3. Установите зависимости для разработки: pip install -e ".[dev]"
4. Настройте API-ключи в файле .env
5. Отправляйте pull request'ы с новыми функциями или исправлениями

Стиль кода

Мы используем flake8 для линтинга. Чтобы обеспечить единообразный стиль, убедитесь, что ваш код:

1. Проходит проверку линтинга flake8 с помощью flake8 cursor_agent_tools
2. Не содержит проблем с пробельными символами. Вы можете использовать прилагаемый скрипт для исправления распространённых проблем с пробелами: python fix_whitespace_errors.py Этот скрипт автоматически исправит пробелы в конце строк (W291) и пустые строки с пробельными символами (W293) в директории cursor_agent_tools.

📚 Документация API

Фабрика агентов

# Import the factory function
from cursor_agent_tools import create_agent

def create_agent(
    model: str,
    temperature: Optional[float] = None,
    system_prompt: Optional[str] = None,
    tools: Optional[Dict] = None,
) -> BaseAgent:
    """
    Create an agent instance based on the specified model.

    Args:
        model: The model to use (e.g. 'claude-3-5-sonnet-latest', 'gpt-4o')
        temperature: The temperature setting for generation
        system_prompt: Custom system prompt to use
        tools: Custom tools dictionary

    Returns:
        An instance of BaseAgent (either ClaudeAgent or OpenAIAgent)
    """

Базовые методы агента

# Import necessary types
from typing import Dict, List, Callable, Optional
from cursor_agent_tools import BaseAgent

class BaseAgent:
    async def chat(
        self, user_message: str, user_info: Optional[Dict] = None
    ) -> str:
        """Send a message to the agent and get a response."""

    def register_tool(
        self, name: str, function: Callable, description: str, parameters: Dict
    ) -> None:
        """Register a custom tool with the agent."""

    async def _prepare_tools(self) -> Dict:
        """Prepare tools for the model's API format."""

    async def _execute_tool_calls(self, tool_calls: List[Dict]) -> List[Dict]:
        """Execute tool calls and return results."""

Полную документацию по API смотрите в docstring'ах исходного кода.

🔧 Расширенное использование

Реализация инструментов

Инструменты — это функции Python, регистрируемые у агента. Библиотека cursor-agent поддерживает различные типы инструментов для расширения возможностей вашего агента:

Базовая регистрация инструментов

from cursor_agent_tools import create_agent

agent = create_agent(model='claude-3-5-sonnet-latest')

def database_query(query: str, connection_string: str):
    """Execute a database query and return results."""
    # Implementation...
    return {"results": [...]}

agent.register_tool(
    name="database_query",
    function=database_query,
    description="Execute a SQL query against a database",
    parameters={
        "properties": {
            "query": {"description": "SQL query to execute", "type": "string"},
            "connection_string": {"description": "Database connection string", "type": "string"}
        },
        "required": ["query", "connection_string"]
    }
)

Инструменты интеграции с API

from cursor_agent_tools import create_agent
import requests

agent = create_agent(model='claude-3-5-sonnet-latest')

def fetch_weather(location: str, units: str = "metric"):
    """Fetch current weather data for a location."""
    API_KEY = "your_api_key"  # Better to use environment variables
    url = f"https://api.weatherapi.com/v1/current.json?key={API_KEY}&q={location}&units={units}"

    response = requests.get(url)
    if response.status_code == 200:
        return response.json()
    else:
        return {"error": f"API returned status code {response.status_code}"}

agent.register_tool(
    name="fetch_weather",
    function=fetch_weather,
    description="Get current weather data for a specified location",
    parameters={
        "properties": {
            "location": {"description": "City name or coordinates", "type": "string"},
            "units": {"description": "Units system (metric or imperial)", "type": "string"}
        },
        "required": ["location"]
    }
)

Инструменты обработки данных

from cursor_agent_tools import create_agent
import pandas as pd
import json

agent = create_agent(model='claude-3-5-sonnet-latest')

def analyze_csv(file_path: str, operations: list):
    """Perform analytical operations on a CSV file."""
    try:
        # Load the data
        df = pd.read_csv(file_path)

        results = {}
        for operation in operations:
            if operation == "summary":
                results["summary"] = json.loads(df.describe().to_json())
            elif operation == "columns":
                results["columns"] = df.columns.tolist()
            elif operation == "missing":
                results["missing"] = json.loads(df.isnull().sum().to_json())

        return results
    except Exception as e:
        return {"error": str(e)}

agent.register_tool(
    name="analyze_csv",
    function=analyze_csv,
    description="Analyze a CSV file with various statistical operations",
    parameters={
        "properties": {
            "file_path": {"description": "Path to the CSV file", "type": "string"},
            "operations": {
                "description": "List of operations to perform",
                "type": "array",
                "items": {"type": "string"}
            }
        },
        "required": ["file_path", "operations"]
    }
)

Примеры работы с файлами

Редактирование файлов по номерам строк

Агент поддерживает точное редактирование файлов с использованием номеров строк:

import json
from cursor_agent_tools import create_agent

async def main():
    agent = create_agent(model='claude-3-5-sonnet-latest')

    # Define line-based edits as a dictionary with line ranges as keys
    line_edits = {
        "5-8": "def calculate_total(items):\n    \"\"\"Calculate the total price of all items.\"\"\"\n    return sum(item.price for item in items)\n",
        "12-12": "    # Log the transaction\n    logging.info(f\"Processed order: {order_id}\")\n"
    }

    # Convert to JSON string for the edit_file function
    code_edit_json = json.dumps(line_edits)

    # Apply edits to specific line ranges
    await agent.edit_file(
        target_file="/path/to/your/file.py",
        instructions="Update calculate_total function and add logging",
        code_edit=code_edit_json
    )

if __name__ == "__main__":
    asyncio.run(main())

Этот подход имеет ряд преимуществ: - Точное указание конкретных диапазонов строк для редактирования - Внесение нескольких правок за одну операцию - Понятный и структурированный формат для программного редактирования - Более простая автоматизация и скриптование изменений файлов

Больше примеров можно найти в line_based_edit_example.py.

Предоставление контекста проекта

from cursor_agent_tools import create_agent

agent = create_agent(model='claude-3-5-sonnet-latest')

user_info = {
    "open_files": ["src/main.py", "src/utils.py"],
    "cursor_position": {"file": "src/main.py", "line": 42},
    "recent_files": ["src/config.py", "tests/test_main.py"],
    "os": "darwin",
    "workspace_path": "/Users/username/projects/myproject"
}

response = await agent.chat("Fix the bug in the main function", user_info=user_info)

⚠️ Ограничения и важные замечания

• Безопасность API-ключей: Храните свои API-ключи в безопасности и никогда не добавляйте их в репозитории
• Контекстные окна: Модели имеют лимиты токенов, ограничивающие объём кода, который они могут обрабатывать
• Выполнение инструментов: Вызов функций исполняет код на вашей системе — обеспечьте надлежащую безопасность
• Лимиты запросов: API имеют ограничения на частоту запросов, которые могут ограничивать использование
• Затраты: Использование API влечёт расходы в зависимости от потребления токенов

Подробный список ограничений и обходных путей смотрите в файле constraints.md.

🛣️ Планы развития

• Потоковые ответы
• Поддержка большего числа семейств моделей (например, Gemini, Llama и др.)
• Веб-интерфейс
• Многопользовательский режим с аутентификацией
• Векторный поиск по кодовой базе
• Интеграция инструментов тестирования
• Полный набор демонстраций
• Сайт документации

📜 Лицензия

Этот проект лицензирован под лицензией MIT — подробности смотрите в файле LICENSE.

🙏 Благодарности

• Anthropic за Claude API
• OpenAI за OpenAI API
• Cursor за вдохновение

👤 Автор

Femi Amoo (Nifemi Alpine)

Основатель CIVAI TECHNOLOGIES