Problem z kodem

Dziś prawie każdy AI agent framework wymaga pisania kodu. Python, TypeScript czy coś innego: definiujesz zachowanie imperatywnie. To oznacza:

• Trudne do review. Nie da się rzucić okiem na 200-liniowy skrypt Pythona i od razu wiedzieć, co robi agent.
• Trudne do udostępnienia. Udostępnienie agenta często oznacza dependency tree, virtualenv i nadzieję.
• Nie naprawdę przenośne. Kod jest związany z runtime. Agent LangChain nie działa tak samo w browserze albo na telefonie.
• Trudne do audytu. Diff między dwiema wersjami nie pokazuje jasno, jak zmieniło się zachowanie agenta.

Dlaczego TOML

Plik TOML jest deklaracją intencji. Mówi co agent ma zrobić, nie jak. Framework zajmuje się tym jak.

# To jest kompletny agent
[agent]
provider = "anthropic"
model = "claude-sonnet-4-5-20250929"
tools = ["shell", "knowledge_ingest", "knowledge_query"]

[agent.execution]
max_steps = 30

[[middleware]]
type = "limits"
max_turns = 15

Co dostajesz

• Reviewable: Otwórz plik. Przeczytaj go. Wiesz dokładnie, co robi agent.
• Udostępnialne: Dołącz TOML do wiadomości na Slacku. To wszystko.
• Przenośne: Ten sam config działa w CLI, dashboardzie, VS Code, iOS i Androidzie.
• Audytowalne: git diff pokazuje dokładnie, co zmieniło się w zachowaniu agenta.
• Wersjonowalne: Configi żyją w git obok Twojego kodu. Rollback jest trywialny.

Kompromis

Config-driven oznacza, że nie wyrazisz dowolnej logiki. Jeśli potrzebujesz custom routing algorithm albo bespoke tool, musisz napisać kod Rust i włączyć go do frameworka. Config system pokrywa 90% use cases. Rust API pokrywa resztę.

To celowe. Config jest produktem. Kod jest platformą.