pi agent toolkit: pięć pakietów, SDK, tabela werdyktów i checklista na poniedziałek

TL;DR

pi to monorepo na licencji MIT, które dostarcza harness agenta kodującego jako pięć osobnych pakietów: warstwę API modeli, pętlę agenta, bibliotekę UI do terminala, sam coding agent i pakiet telemetrii. Możesz wziąć jeden klocek albo wszystkie pięć.
CLI to kompletny coding agent od pierwszego dnia: cztery domyślne narzędzia, historia sesji w kształcie drzewa z fork i resume, licznik kosztów na żywo, a do tego czyta AGENTS.md lub CLAUDE.md, które już masz w repo.
Prawdziwa wartość leży w SDK: createAgentSession plus model runtime plus session manager daje działającego agenta w około dziesięciu liniach TypeScriptu, a defineTool dodaje typowane własne narzędzie bez osobnego procesu i bez protokołu.
Koszt tej przejrzystości to praca: brak wbudowanych pytań o uprawnienia, izolacja po twojej stronie, linia wersji sprzed 1.0 (v0.84) i około stu otwartych issues.
Zachowaj swój codzienny harness, a pi używaj jako stanowiska testowego, które pokazuje, co ten harness ukrywa. Buduj na nim produkty tylko wtedy, gdy godzisz się samodzielnie odpowiadać za zabezpieczenia.

Co mówią źródła

pi to monorepo: jedno repozytorium z pięcioma osobno publikowanymi pakietami, z których każdy odpowiada za jedną warstwę harnessu s2. pi-ai to ujednolicone API do dostawców modeli (OpenAI, Anthropic, Google i inni za jednym interfejsem), obsługuje streaming odpowiedzi, bloki reasoningu z poziomami thinking oraz dynamiczne wykrywanie modeli oferowanych przez każdego dostawcę s2. pi-agent-core to sama pętla agenta: stan rozmowy i cykl, który wysyła wiadomość, odczytuje wywołania narzędzi, wykonuje je i odsyła wyniki s2. pi-tui to biblioteka renderowania w terminalu z differential rendering, więc przerysowuje tylko to, co zmieniło się na ekranie s2. pi-coding-agent składa te klocki w CLI, które instalujesz, a pi-telemetry pozwala podpiąć własne metryki użycia bez zależności od vendora s3.

Liczby adopcji potwierdzają ten projekt: 92 123 gwiazdki, 11 400 forków i ponad 5 700 commitów, wszystko na licencji MIT, która pozwala używać, modyfikować i redystrybuować, także wewnątrz produktu komercyjnego s1. Tempo wydań utrzymało się przez całe lato: trzy wydania w pierwszych dwóch tygodniach sierpnia, z v0.84.2 opublikowaną 14. s4.

Instalacja to jedno polecenie, npm install -g --ignore-scripts @earendil-works/pi-coding-agent, a flaga ignore-scripts ma znaczenie: nie pozwala zależnościom uruchamiać ich skryptów instalacyjnych, jednej z najczęściej wykorzystywanych powierzchni ataku w npm s3. Po połączeniu z dostawcą poleceniem login dolny pasek pokazuje bieżący folder, sesję, zużyte tokeny i koszt w czasie rzeczywistym, więc każde zapytanie jest wyceniane w chwili wysłania, a nie na koniec miesiąca s3.

Sesje to cecha wyróżniająca. Każda rozmowa jest zapisywana jako JSONL w twoim folderze domowym, posortowana według projektu, a historia jest drzewem, nie linią: fork wraca do dowolnego punktu i rozgałęzia się od niego, tree przełącza między gałęziami, a resume otwiera dowolną dawną sesję, nawet po tygodniach, bo wszystko leży lokalnie s3. Model dostaje domyślnie tylko cztery narzędzia: read, write, edit i bash, bardzo mało w porównaniu z agentami na rynku, i to celowo s3. Konfiguracja działa według tej samej logiki: globalny settings.json w katalogu domowym, projektowy, który go nadpisuje, i system trust, który pyta, zanim zastosuje lokalne ustawienia folderu otwieranego po raz pierwszy. CLI ładuje też AGENTS.md lub CLAUDE.md z projektu jako kontekst, więc istniejące instrukcje działają bez przepisywania s3.

Po stronie SDK createAgentSession przyjmuje ModelRuntime i SessionManager i zwraca działającego agenta. SessionManager to wybór trwałości: w pamięci dla jednorazowego skryptu, na dysku, by odnaleźć rozmowy między uruchomieniami, a sesje utworzone przez SDK mają taką samą strukturę jak sesje samego CLI s8. Lista opcji createAgentSession pozwala też wybrać dokładny zestaw udostępnianych narzędzi, a nawet cały system prompt przez ResourceLoader, gdy chcesz zacząć od czystej kartki s8. Własne narzędzia idą przez defineTool: nazwa, opis, typowany schemat parametrów i funkcja execute, przekazane do createAgentSession w customTools. Narzędzie wygląda dla modelu dokładnie jak read czy bash, typowany schemat daje autouzupełnianie w edytorze, a agent dostaje już zwalidowane dane wejściowe. To ten sam mechanizm co serwer MCP, tyle że wszystko mieszka w twoim pliku, bez osobnego procesu i bez protokołu pośrodku s8.

Samo CLI dostosowuje się czterema mechanizmami, wszystkie w folderach projektu lub katalogu domowego: extensions (moduły TypeScript rejestrujące narzędzia, slash commands, skróty klawiszowe lub elementy UI, ładowane przy starcie z folderu extensions), skills (pakiety umiejętności zgodne ze standardem Agent Skills, wywoływane przez model lub ręcznie, więc istniejące skills da się użyć bez zmian), prompt templates oraz motywy przeładowywane w trakcie działania CLI s3. README streszcza filozofię w jednym zdaniu: dostosuj pi do swoich workflow, a nie odwrotnie, bez forka i bez grzebania we wnętrzu s3. Tam, gdzie duże harnessy wbudowują w produkt sub-agentów, plan mode i uprawnienia, pi celowo ich nie ma, żeby napisać je jako extensions albo zainstalować od społeczności s3.

Ograniczenia dokumentuje sam projekt. Nie ma wbudowanych pytań o uprawnienia: domyślnie agent może wykonać polecenie bash bez pytania. Oficjalny przewodnik po konteneryzacji to przyznaje i proponuje trzy wzorce izolacji, w tym Docker, ale skonfigurowanie jednego z nich, zanim wypuścisz agenta na ważną maszynę, to twoje zadanie s5. Dojrzałość to drugi koszt: v0.84, a nie 1.0, około stu otwartych issues i API wciąż oznaczone jako eksperymentalne, jak klient zdalnych sesji dodany w ostatnich tygodniach s7. Te same klocki obsługują już inny produkt: pi-chat stosuje je do automatyzacji rozmów s6.

Werdykt: zostaw, wypróbuj albo pomiń

Element pi	Ocena	Dlaczego
CLI jako stanowisko do nauki obok codziennego harnessu	Zostaw	Lokalne sesje drzewiaste, koszty na żywo, cztery narzędzia: widzisz każdą warstwę, którą ukrywa wbudowany harness
SDK (createAgentSession + defineTool) do produktów z agentami	Wypróbuj teraz	Dziesięć linii do działającego agenta, typowane własne narzędzia bez okablowania MCP, wymienny dostawca
CLI jako jedyny codzienny asystent	Na razie pomiń	Brak pytań o uprawnienia, izolacja po twojej stronie, zmiany API przed 1.0
Extensions jako zabezpieczenia (potwierdzanie bash, polityki)	Wypróbuj	Przewidziane miejsce na warstwę uprawnień; wersjonowane razem z projektem
Folder skills	Zostaw	Standard Agent Skills, twoje istniejące skills ładują się bez zmian
Eksperymentalne API (klient zdalnych sesji)	Pomiń	Oznaczone jako eksperymentalne, mogą się zmienić przed 1.0

Do zrobienia w poniedziałek

Zainstaluj CLI przez npm install -g --ignore-scripts @earendil-works/pi-coding-agent, uruchom pi, połącz dostawcę poleceniem login i obserwuj pasek kosztów podczas jednego prawdziwego zadania.
Otwórz repo, które ma już AGENTS.md lub CLAUDE.md, i sprawdź, czy pi go podchwytuje; porównaj pierwsze odpowiedzi agenta z twoim zwykłym harnessem na tym samym prompcie.
Przeprowadź jedną rozmowę, potem zrób fork od wcześniejszego węzła i obierz inny kierunek; wylistuj ~/.pi/agent/sessions/, żeby zobaczyć pliki JSONL i ich foldery projektów.
Napisz dwudziestoliniowy our-agent.ts: zaimportuj createAgentSession, przekaż ModelRuntime i SessionManager w pamięci, zapytaj, co zawiera bieżący folder, uruchom przez npx tsx.
Dodaj jeden defineTool, który czyta coś z twojego systemu (wewnętrzne API, widok bazy, CSV), i przekaż go w customTools; potwierdź, że agent wywołuje go sam przy pasującym pytaniu.
Przed każdym uruchomieniem z bash na maszynie, na której ci zależy, wybierz jeden z trzech wzorców izolacji z przewodnika po konteneryzacji i skonfiguruj go.
Naszkicuj pierwsze extension, które przechwytuje wywołania bash i prosi o potwierdzenie przy poleceniach destrukcyjnych; trzymaj je w folderze extensions projektu pod kontrolą wersji.
Raz przejrzyj listę otwartych issues, żeby wiedzieć, które części się ruszają, zanim zaczniesz na nich budować.

Czytaj dalej

Przeczytaj dokumentację SDK, by poznać pełną listę opcji createAgentSession: zestaw narzędzi, system prompt przez ResourceLoader, session managery s8.
Przestudiuj trzy wzorce izolacji w przewodniku po konteneryzacji, zanim wypuścisz cokolwiek, co uruchamia bash na maszynie użytkownika s5.
Zajrzyj do pi-chat, żeby zobaczyć, jak te same pięć pakietów jest przearanżowanych pod automatyzację rozmów zamiast kodowania s6.
Przejrzyj folder packages i przeczytaj osobno pi-agent-core: to najmniejsza czytelna wersja pętli, którą uruchamia każdy wbudowany harness s2.
Śledź stronę wydań: od v0.84.0 do v0.84.2 wyszły w dwa tygodnie sierpnia, więc spodziewaj się notatek o zmianach dotyczących extensions s4.
Użyj otwartych issues jako mapy tego, co wciąż eksperymentalne, zaczynając od klienta zdalnych sesji s7.
Wykorzystaj ponownie skills napisane dla innych narzędzi: folder skills w pi jest zgodny ze standardem Agent Skills s3.

Źródła

pi: the agent toolkit (repository), Earendil Works. Dlaczego warto: README z listą pakietów, liczbą gwiazdek i forków oraz licencją MIT.
pi monorepo packages, Earendil Works. Dlaczego warto: pięć pakietów obok siebie, najszybszy sposób, by zobaczyć, którą warstwę obsługuje każdy.
pi-coding-agent package README, Earendil Works. Dlaczego warto: polecenie instalacji, domyślne narzędzia, sesje i cztery mechanizmy rozszerzeń.
pi releases, Earendil Works. Dlaczego warto: tempo wydań i changelog linii v0.84.
pi containerization guide (isolation patterns), Earendil Works. Dlaczego warto: trzy wzorce izolacji do zastosowania, zanim włączysz bash tam, gdzie to ważne.
pi-chat: the same bricks applied to conversation automation, Earendil Works. Dlaczego warto: drugi produkt zbudowany z tych samych pakietów, przydatny do oceny ich ponownego użycia.
pi open issues, Earendil Works. Dlaczego warto: aktualna lista tego, co jest niestabilne lub eksperymentalne w obecnej wersji.
pi-coding-agent SDK documentation (createAgentSession options), Earendil Works. Dlaczego warto: dokładne nazwy opcji createAgentSession, defineTool i session managerów.

FAQ

Czy pi może dziś zastąpić mojego codziennego coding agenta?

Nie jako zamiennik. Dostarczany jest bez pytań o uprawnienia, izolacja jest po twojej stronie, a linia wersji jest sprzed 1.0 z około stu otwartych issues. Zostaw obecny harness do pracy i uruchamiaj pi obok.

Czy potrzebuję MCP, żeby dać pi własne narzędzie?

Nie. defineTool przyjmuje nazwę, opis, typowany schemat parametrów i funkcję execute, a narzędzie przekazujesz do createAgentSession w customTools. Zachowuje się jak narzędzie wbudowane, bez osobnego procesu i protokołu.

Czy moje AGENTS.md, CLAUDE.md i skills będą działać?

Tak. CLI automatycznie ładuje AGENTS.md lub CLAUDE.md z projektu, a jego folder skills jest zgodny ze standardem Agent Skills, więc istniejące skills ładują się bez zmian.

Dlaczego tylko cztery domyślne narzędzia?

read, write, edit i bash to cały zestaw domyślny, znacznie mniej niż w agentach na rynku, a projekt przedstawia to jako świadomy wybór. Wszystko inne dodajesz celowo przez customTools lub extension.