Gli agenti di coding AI passano al terminale, allo smartphone e alla voce di budget
Due nuovi progetti open source mettono un agente di coding AI nel terminale e un altro sullo smartphone, mentre un terzo vende tetti di spesa per sviluppatore. Insieme mostrano dove si è spostata la battaglia degli strumenti per sviluppatori.

Uno degli arrivi è Docent, una CLI in Rust che dialoga con file PDF e Office, cerca sul web e collega server MCP, il tutto dal terminale. Il repository elenca binari precompilati per Linux, macOS e Windows. La promessa è local first: se non c'è nessun agente in esecuzione, la CLI scarica il framework e i modelli che le servono e ne avvia uno da sola.
Questo ultimo dettaglio è la parte da tenere d'occhio. Il binario contiene un agente integrato, il framework SLP 1.2.9, e al primo avvio lo scarica in background scrivendo su ~/.smartloop/server.log. L'agente integrato usa l'inferenza sulla GPU tramite Metal su macOS e Vulkan su Linux e Windows: un portatile con una GPU decente può fare il lavoro senza mandare un prompt a un fornitore. Per gli sviluppatori soggetti a regole sui dati questo cambia ciò che è consentito. Il repository non dice quanto siano grandi i modelli scaricati né quanto siano bravi sul codice.
Il progetto conserva anche il vecchio nome. Si installa sia come docent sia come smartloop, e il repository precisa che i due sono lo stesso binario. I comandi esistenti continuano a funzionare, cosa che conta per chi aveva scritto degli script sulla release precedente.
Uno smartphone per chiedere, un PC per fare il merge
Nautilus divide l'agente di coding in due. Una PWA sullo smartphone gestisce il prompt, trasmette in streaming il turno dell'agente e mostra un'anteprima live. Poi un'app desktop mostra un vero diff dei contenuti e unisce il lavoro al progetto. Il repository dichiara che non tocca mai la directory .git.
L'installazione gira su infrastruttura gratuita: un runner Lightning AI Studio, una porta HTTPS pubblica che espone l'app, l'API e l'anteprima, senza carta di credito, dominio, Docker o VM a pagamento. I modelli gratuiti OpenCode Zen funzionano subito. Il README è schietto sul compromesso: lo smartphone è un buon posto per chiedere lavoro e un pessimo posto per revisionarlo. Il PC deve solo essere raggiungibile quando gli si chiede di sincronizzare.
Nessuno dei due progetti pubblica benchmark, numeri di utenti o finanziamenti. Sono entrambi nuovi, e le affermazioni sulla qualità dei modelli e sui costi vengono dalla loro stessa documentazione.
Kimchi vende il tetto, non il modello
Kimchi prende la posizione opposta sulla fiducia. Il suo sito descrive un unico livello di controllo per spesa, dati, deployment e routing dei modelli. I tetti si possono fissare per utente, team, chiave API o modello, e il sito dice che le richieste si fermano al limite, non dopo. L'esempio nella pagina mostra un budget utente di $820 contro uno stop rigido a $800.
Le opzioni di deployment vanno dal serverless a una VPC fino all'on-premises, e il sito afferma che prompt, codice e output sono esclusi dall'addestramento dei modelli. Rivendica anche un endpoint di inferenza per modelli open source con una latenza intorno agli 80ms. Sono cifre dell'azienda, non verificate in modo indipendente.
Il motivo per cui il controllo del budget è ormai un prodotto è semplice. Gli agenti girano per minuti, non per secondi, e una singola sessione può bruciare il budget mensile di un team prima che qualcuno se ne accorga. I tetti per chiave contano anche per le pipeline CI, i bot e i collaboratori esterni, i punti in cui una credenziale trapelata diventa una fattura. Kimchi non dice quanto costa, e nella pagina non compare nessun prezzo.
Dove finisce l'assistente e comincia la piattaforma
Tutti e tre i progetti stanno dentro una discussione più ampia su chi controlla gli strumenti che gli sviluppatori usano. Un post su Eval.blog espone le ragioni contro l'Android Developer Verification Program di Google, che secondo l'autore trasforma Android in una piattaforma chiusa il 1 gennaio 2027. Il post osserva che la verifica vale per ogni app su un dispositivo certificato, non solo per quelle nel Play Store. Cita anche l'avvertimento di F-Droid secondo cui la verifica degli sviluppatori porrà fine alla distribuzione di app libere e open source così come la conosciamo oggi.
In questo momento gli APK funzionano e basta.
È la frase dell'autore, e l'argomentazione è sua. Ma la stessa logica vale per gli strumenti degli sviluppatori. Un agente di coding che gira sulla tua macchina, o su un runner che controlli, non dipende dai termini di servizio di un fornitore. Uno strumento che impone i budget tramite un livello ospitato sì.
Il contraltare è la manutenzione. Docent compila llama.cpp all'installazione e richiede Rust, CMake e una toolchain C/C++; la build Linux include il loader Vulkan, e le build macOS sono firmate e notarizzate mentre quelle Windows sono firmate. Sono molti pezzi in movimento per uno strumento che deve continuare a funzionare dopo un cambiamento a monte.
Di nuovo la questione della piattaforma web
Il post di Nolan Lawson del 3 ottobre sul perché gli sviluppatori non usano la piattaforma è una cornice utile qui. Sostiene che i browser hanno passato anni a recuperare terreno rispetto alle librerie, e che quell'abitudine è rimasta. Gli sviluppatori si rivolgono allo strumento che conoscono, anche quando il browser fa già il lavoro.
Lo stesso riflesso vale ora per gli agenti. I team si rivolgono all'assistente ospitato che già pagano, non alla CLI che dovrebbero compilare. Lawson nota anche che la documentazione ha orientato la scelta: i pacchetti npm avevano esempi migliori di quelli della piattaforma. I progetti di agenti open source affrontano lo stesso problema, con un README come unica vetrina.
Due progetti più piccoli mostrano quanto sia ampio il campo. Herbarium conserva le pagine HTML generate dagli strumenti AI in una cartella di file semplice e le riporta per un ripasso diluito nel tempo. Il progetto 16agents chiede a un agente di coding di sostenere un test di personalità, con un punteggio di autoconsapevolezza e quattro trappole nascoste per smascherare gli agenti che dichiarano comportamenti che non mostrano. Gli autori lo chiamano un oroscopo con una regex. Nessuno dei due è uno strumento di coding nel senso usuale, ma entrambi indicano la stessa abitudine: gli sviluppatori ora conservano, ordinano e controllano ciò che i loro assistenti producono.
Cosa tenere d'occhio
La domanda pratica per un team, questo trimestre, non è quale modello vince. È dove gira l'agente e chi può fermarlo. Docent e Nautilus rispondono con infrastruttura locale o gratuita e nessun account. Kimchi risponde con un piano di controllo e un tetto rigido.
Nessuno dei tre ha pubblicato numeri di adozione, e nessuno ha detto quanto costa farlo girare su larga scala. Finché non lo faranno, la scelta si riduce al vincolo che hai già: una regola sui dati, una fattura, o un portatile che deve restare chiuso.
Fonti
8- 01Docent: an open source private AI assistant in your terminalEN
- 02Nautilus: run a coding agent from your phone, merge on your PCEN
- 03Kimchi: governed AI coding platform with hard budget capsEN
- 04Authoritarian tendencies of Android Developer VerificationEN
- 05Why don't more developers use the platform?EN
- 06Herbarium: keep and review the HTML pages AI tools generateEN
- 0716agents: a personality test for your agentEN
- 08OpenBSD developers reject uutils coreutils portEN
Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.
I contenuti sono stati preparati dalla redazione con il supporto dell'IA.
Commenti
0- Nessun commento — sii il primo.