Когда ИИ‑агент «читает глазами закрытыми»: локальный CLI с MCP между ассистентом и репозиторием

https://dev.to/1jaswanth1/my-ai-agent-kept-blind-reading-my-files-so-i-built-a-local-cli-to-give-it-eyes-looking-for-beta-4j4g Соло‑разработчик на Dev.to рассказывает, как при ассистированном кодинге рутинный разбор репозитория упирается в дорогие токены и переполненное контекстное окно — и почему в его картине мира узел боли — привычка агента «вслепую» вчитываться в файлы целиком. Выход он связывает с unerr: локальной «интеллектуальной» CLI между AI‑агентом и деревом проекта через Model Context Protocol (MCP).

От Claude Code и Cursor к счёту за токены и «тоннелям» чтения

По мнению автора, он давно живёт в роли solo dev и опирается на AI coding agents; в тексте рядом стоят Claude Code и Cursor среди прочих инструментов. Три вещи он складывает в одну картину: растущий счёт за токены, забиваемое контекстное окно после нескольких ходов диалога и привычку агента при разведке проекта читать файлы целиком — как вслепую, без достаточного чувства структуры и blast radius, пока в контекст не утекает объём малорелевантного кода. Эту связку он противопоставляет идее дать агенту «глаза» через локальный слой наблюдаемости вместо того, чтобы непрерывно гонять в модель сырой текст.

Почему «контекстные» патчи второго порядка ему недостаточны

На фоне этой боли автор сравнивает знакомые по имени context tools — в посте названы Graphify и RTK — с сценариями, где выигрыш получается post-hoc, когда агент уже дорого прочитал лишнее, или нужна внешняя LLM, чтобы интерпретировать граф зависимостей. Свой ориентир он задаёт иначе: детерминизм, работа целиком локально и вмешательства до лишних чтений — pre-hoc. Здесь сюжет остаётся про ассистирование кодом: как устроить экономику токенов и заранее дать агенту структурное понимание репозитория, пока модель не утащила лишний контекст.

Unerr: MCP, быстрый индекс, Tree-sitter и CozoDB

Инструмент в материале назван unerr. Автор пишет, что последние несколько недель собирает локальную CLI класса «local intelligence CLI», которая стоит между AI‑агентом и репозиторием и подключается через MCP. В описанном сценарии вместо наивной выдачи сырого содержимого файла запрос перехватывается: CLI за считанные секунды индексирует репозиторий, строит граф AST на Tree‑sitter и хранит артефакты во встроенной локальной базе на CozoDB. Агенту можно отдавать структурные сущности, вызывающие стороны и зависимости без немедленного «слива» больших кусков кода и без отдельного шага «пусть другая модель дорисует карту».

Установка, обещание «ничего облака» и сбор беты

В том же материале на Dev.to рядом с призывом к тестированию приведена команда глобальной установки npm:

npm install -g @unerr-ai/unerr

Там же подчёркивается режим без облака, без учётных записей и без API keys; «интеллект» в этой схеме описан как полностью локальный. Три пункта обратной связи к читателям — холодная установка такого npm‑пакета на разные ОС, устойчивость pre-hoc-оптимизации на чужих кодовых базах и субъективно: ускоряет ли инструмент работу или мешает; баги и странные логи автор просит оставлять комментарием под постом.

Подпись к публикации на Dev.to: время чтения и открытые счётчики

Пост отмечен на Dev.to временем 16 мая 2026, 07:54:28 UTC. В связанных метаданных указаны примерно 2 минуты читательского времени, один комментарий и суммарно две публичных реакции; счётчик просмотров не передан — скорее инженерный рассказ с приглашением в бету, чем материал, который можно судить только по охватам ленты.

Источники

• Основной материал (DEV), дата доступа 2026-05-16 (UTC): Dev.to
• Карточка npm‑пакета @unerr-ai/unerr, как она упомянута в этом же посте; дата доступа 2026-05-16 (UTC): https://www.npmjs.com/package/@unerr-ai/unerr