एपिसोड 65: Hermes Agent v0.16.0 Desktop App, Codex 0.137 Multi-Agent v2, Claude Code Fallback Models, और Gemma 4 12B लोकल स्टैक पर

मैं नौबा हूँ, मैं एलोय हूँ और ये है AgentStack Daily. आज, AgentDhaar ने सता खबर में है, Hermes Agent 0.16 ने The Surface Release जारी किया, एक असली Native Electron Desktop App, OAuth Remote Connect, Drag & Drop File Input, और एक पूरा ब्रावजर आधारत Administration Panel के साथ, 874 Commits में एक Single Release Cycle में. OpenAI Codex 0.137 ने Multi-Agent v2 जोडा जिसमें Thread के हिसाब से Runtime Choice Persistence, पहलल Standalone Web Search और Enterprise Flow में Monthly Credit Limit Visibility. Cloth Code 2.1.166 ने 3 Models तक Configure करने Yoga Fallback Model Chain और Globe Toolname Denny Rules पेश किये, जिसके बाद 2.1.167 Bugfix Polish Release के रूप में आया. Harness Updates के बाद, Model Lane जमा 4.12 भी पर आती है. Google's Encoder-Free Multimodel Release जो 16 GB वरम में फिट होती है. Project Radar में, Doha Protocol का Linux Foundation के तहत V1.0 तक पहुचना. Kimi Code CLI एक TypeScript Native Terminal Coding Agent के रूप में और Awesome AI Agent से 2026 Curated Resource List शामिल है. आगे पढ़ने के लिए Definitive Index. इस हफते का क्रम Harness Layer को पहले रखता है, क्योंकि सतह का क्षेतर वही है, जो बदला. Model Story मजबूत है, लेकिन Tooling जिससे Operators जुरते हैं, वही जगह है, जहां Reliability बनती या तूटती है. Harness Agent अब एक Application बन गया है, जिसे आपके Non-Technical Teammates वास्तव में इस्तिमाल करेंगे. Codex उन Gaps को भर रहा है, जो Multi-Agent Sessions को Handf में अपनी जगह खोने देते हैं. Cloud Code अब Fallback Models चेन कर सकता है, ताकि Saturating API Agent को रोक न दे. और जो Model Story आगे आती है, वो Local First Agent Stacks के लिए एक गंभीर Open Weight Release है. 3 Layers एक साथ आगे बढ़ रही हैं, और सुनने का सबसे उपयोगी तरीका है उन्हें अलग रखना. Harness Layer वो है जिस पर Agent चलता है, और इस साइकल में Agent Harness Release हर Primary सता को छूती है, जिससे Operators वास्तव में जुडते हैं, Desktop, Terminal, Fallback Routing और Multi-Agent Handf. Model Layer वो है जो Agent के Output की Quality तै करती है. Tooling Layer Open Source Project Radar है, जो Major Releases के बीच के Gaps को भरती है. Harness Agent 0.16 Headline Harness Release है. ये प्रोजेक्ट के शुरू होने से अब तक की सबसे सतहक शेत्र विस्तार करने वाली Release है, और केंदरबिंदु एक असली Native Cross Plate Form Desktop एप है. ये Terminal के चारों और Rapper नहीं है. ये URL से पिन किया गया Browser Tab नहीं है. ये एक Installer है, जो Dock या Task Bar पर एक असली Chat विंडो लाता है. Cadex 0.137 OpenAI CLI Release है, और सबसे Architecture ली मतलब बहुत बदलाव है, Multi-Agent V2 के साथ Runtime Choice Persistence. Architecture Detail माइने रखती है. अब हर Spawned Thread अपना खुद का Runtime Choice आगे ले जाती है. Spawned Agents को साफ Follow-Up और Metadata Defaults मिलते हैं. ये उन Bucks के एक Class को बंद करता है, जहां Parent Session Child को Handf करता है, और Child चुप-चाप Context ड्रॉप कर देता है. Cloud Code 2.1.166 एक Fallback Model Setting और Glob Tool Name Danny Rules जोडता है. Fallback Chain Operator Facing फीचर है. Priority Order में 3 Models तक Configure करें, और Run Time जब Primary Overloaded हो तो अगला चुन ले. Globe Danny Rules आपको एक Single Rule लिखने देते हैं, जो सभी Tools से मैच करता है, या एक Pattern जो Subset से मैच करता है. Model Lane है जमा 4.12.b. एक 12 Billion Parameter Encoder-Free Multimodel Model 256 के Context Window के साथ, Google ने 3 June 2026 को Apache 2.0 के तहत रिलीज किया. Architecture Detail ही स्टोरी है. Vision और Audio सीधे Language Model Backbone में जाते हैं, न की अलग Multimodel Encoder से होकर, यही Design Choice है जो 12 Billion Parameter Model को 16 Gigabyte वरम पर Multimodel Input Handle करने देती है. Project Radar में 3 आइटम हैं. Ado a Protocol v.1.0 Linux Foundation के तहत Agent Interoperability Layer के रूप में एक आप्चारिक माइलस्टोन पर पहुँचता है, जिसमें Discovery के लिए Agent Cards और JASO RPC 2.0 Task State Machine. Kimi Code CLI एक TypeScript Native Terminal Coding Agent है, जिसमें Native NCP Support और Sub-Agent Parallel Dispatch है. Awesome AI Agent से 2026 Curated Index है, जो NCP Servers, Agent Frameworks और Protocols को Agent Stack के लिए सतह पर लाता है. इस एपिसोड में एक सूत्र है, Surface Area. Hairness Layer Native, Multisurface Tools के आसपास Consolidate हो रहा है. Model Layer Local First Workflow के लिए OpenWet Option जोड रहा है. Project Radar वो Connectivity Layer है, जो उन Tools को एक दूसरे से बात करने देती है. Herms Agent 0.16 वो Release है, जो बदल देती है, कि हम्स Devils पर से कैसे मिलती है. Headline एक असली Native Electron Desktop Application है, जो बाकी सारे Mac OS, Linux या Windows Apps की तरह Install होती है. खुद अपने अंदर से Update होती है. और तुम्हें Streaming के साथ एक Proper Chat Window देती है. Session List, Drag and Drop File Input, Clipboard Image Paste, CMD Plus के Command Palette, और Status Bar में सीधे एक Model Picker. अगर तुम गैरतकनी की साथियों से कह रहे थे, ये एक Command Line Agent है, और उनकी आखे खाली हो रही थी, तो अब तुम उन्हें बस एक Installer भेज सकते हो. Desktop App वैसे ही व्यवहार करता है, जैसे वो Tool जो वो अपने Application Folder में ढूंडने की उम्मीद करते हैं. चैट विंडो रिस्पॉन्स स्ट्रीम करती है, सेशन लिस्ट आर्काइव और सर्च करती है, चैट एरिया में फाइल ड्रेग और ड्रॉप करो, और फाइल अगले मैसिज से अटैच हो जाती है, क्लिप बोर्ड से इमेज पेस्ट करो, और वो उसी अटैच्मेंट पाइपलाइन में जाती है. डेस्कटॉप आप को लोकली हर्म्स चलाने की जरूरत नहीं है. इसे रिमोट हर्म्स गेटवे की तरफ पॉइंट करो, तुम्हारा होमलैब, होस्टेट बॉक्स, किसी साथी का सर्वर और एप सिक्योर वेब सॉकेट से कनेक्ट होता है, ओध या यूजरनेम और पासवर्ड से ऑथेंटिकेट करके, इन सिक्योर फ्लैक्स या हैंड कॉपिट सेशन टोकन के साथ छेड़ छाड़ नहीं. हर प्रोफाइल अपना खुद का रिमोट होस्ट टारगेट कर सकती है, और तुम एक साथ कई प्रोफाइल्स में कंकरेंट सेशन चला सकते हो. ये वो रिमोटकनेक्ट स्टोरी है, जिसका एंटरप्राइज और टीम हांस डिपलॉयमेंट इंतजार कर रहे थे. डेस्कटॉप एप एक शेर्ड गेटवे का थिन क्लाइंट बन जाता है, जिसका मतलब है कि एक टीम होस्टेड हांस इंस्टेंस चला सकती है, और हर डेवलपर अपना खुद का नेटिव जीवाई चलाता है. उथेंटिकेशन फ्लो ओओध यूज करता है, इसलिए आइडेंटिटी उस प्रोवाइडर को दिलिगेट की जाती है, जो टीम पहले से चलाती है. यूजरनेम और पासवर्ड उन एन्वायर्नमेंट के लिए फॉल बैक है, जिनमें OOT प्रोवाइडर नहीं है. वेब डाशबोर्ड एक पूर्ण ब्राउजर बेस्ट अड्मिनिस्ट्रेशन पैनल बना. तुम्हें MCP Catalog Management, Messaging Channel Configuration, Credential Storage, Webhook Management, Memory Configuration और Plugable OIDC या यूजरनेम पासवर्ड लॉगिन मिलते हैं, सब कुछ ब्राउजर से बिना Command Line चुए. फर्स्ट टाइम सेटप में अब Quick Setup वाया News Portal पात है जो तुम्हें सेकंडों में Install से पहले Message तक ले जाता है, जो नए Users को Onboard करने या Fresh Environment में Herms को Evaluate करने के लिए माइने रखता है. Default Skill Set को Trim किया गया जो तुम्हें सच में चाहिए. NVIDIA Skills Trusted Skills Hub Taps में शामिल हुई. Model Picker अब हर जगह Fuzzy सर्चेबल है, Desktop, Wave 2E और Command Line जो तुछ लगता है जब तक कि तुम्हारे पास Models की लंबी लिस्ट न हो और कोई सर्च न हो. अंडो आखिरकार Last End Turns को वापस लेने देता है, जो वो Quality of Life फीचर है जो यूजर्स पहली रिलीज से मांग रहे थे. Cap में 2 Priority 0 और 62 Priority 1 बग Closer सवार है. Security Round अलग से नोट करने योग्य है. एक Starlet Dependency Fixed Version पर पिन की गई. Server Side Request Forgery, Off-Loop Hardening Plugin और Provider Request Path में हमलों का एक Class Close करती है. और Sub-Process Credential Stripping सुनिश्चित करती है कि Credential Child Process Environment में लीक न हो. Practical Signal ये है कि Harms अभी वो Application बन गया जिसे तुम्हारे गैरतनी की साथी असल में यूज़ करेंगे. Native Installer Adoption के लिए सबसे बड़े एकल Friction Point को हटाता है. OAuth Remote Connect दूसरा Friction Point हटाता है, जो ये जरूरत थी कि सबको अपने मशीन पर हर्म्स न चलाना पड़े. Web Admin Panel तीसरा Friction Point हटाता है, जो ये था कि हर Operator को Command Line Configuration Surface सिखाना पड़े. Agent Stack के लिए Architectural Takeaway ये है कि Surface Area अब Desktop Class है. Streaming के साथ एक असली Chat Window. Archive के साथ असली Session List. Asli Drag or Drop. Asli OAuth Flow. Electron Wrapper Pattern नया नहीं है, लेकिन Thin Client Profile Model के साथ Multi-Agent Gateway पर इसे Apply करना एक Meaningful Step है. Desktop App हर Devl पर Machine पर Install किया जा सकता है और Shared Gateway की तरफ Point किया जा सकता है. जो वो Deployment Model है, जिसके लिए Enterprise Team में मांग कर रही थी. OpenAI Codex 0.137 को 4 June 2026 को Latest Stable Command Line Tag के रूप में रिलीस किया गया, जो EP063 Baseline of 0.135 से दो रिलीसे पीछे हैं. सबसे बड़ा Architecturally Significant Change है, Multi-Agent V2 with Runtime Choice Persistence. अब हर Spawned Thread अपना Runtime Choice आगे ले जाती है. Spawned Agents को Cleaner Follow-Up और Metadata Defaults मिलते हैं. इसका मतलब है कि जब कोई Parent Codex Session कोई Child Agent Spawn करती है, तो Child Parent Session के Hand-Off होने पर अपना Place नहीं खोता. Runtime Choice Persistence ही वो Detail है, जो मैटा करती है. इस Release से पहले, Parent Session अपने लिए Runtime Set करता था, Child Spawn करता था, और Child Default Runtime या Parent के Last Used Runtime पर Fallback कर जाता था. इस Release के बाद, Child Thread अपना Own Runtime Choice फो़वर्वर्ड ले जाती है, और Cleaner Follow-Up Defaults पाती है. Hand of Semantics अब Process Coped की जगा Threads Code है. Function Keys 13-24 अब 2E में Supported हैं, और Searchable Menus में Paste सुविधा से Extended Keyboard Layouts यूज करने वाले Power Users का Terminal Experience बहतर हुआ है. Enterprise और Admin Flows अब Monthly Credit Limits शो करते हैं, और Cloud Managed Config Bundles अपलाई कर सकते हैं, जिनमें Education Workspaces शामिल हैं. Credit Limit Visibility एक Gap फिल करती है, जहां Operators Bill आने तक Spend नहीं देख पाते थे. Plugin Workflows में Machine Readable Output और Cached Remote Catalog Suggestions जुड गए हैं. Machine Readable Output का मतलब है कि आप Plugin Lists को Scripts, Continuous Integration Pipelines या Fleet Management Tooling में Pipe कर सकते हैं, बिना Human Readable Text पास किये. Cached Remote Catalog Suggestions Plugin Discovery Flow को Speed Up करते हैं, Repeated Network Calls से बचकर. Hosted Web और Image Tools अब ज्यादा Code Mode Flows में Available हैं, Standalone Web Searches अब Parallel में Run कर सकते हैं. Parallel Standalone Web Search का मतलब है कि Codex Multiple Search Queries एक साथ Fire कर सकती है, और Results Synthesize कर सकती है, Sequential Run करने की जगह है. यह Research Heavy Workflows के लिए Real Latency Win है, जहां एक Turn पहले 5 या 6 Search Results पर Depend करता था, जिन्हें One at a Time request करना परता था. Permission Requests और Approvals of Environment Identity Carry करते हैं, जो एक Gap Fill करती है, जहां एक Context में Granted Permission गलती से दूसरे Context Boundaries में Apply हो सकता था. Platform Reliability Mac OS App Launches और Windows SQLite Startup, Thread Resume और Sandbox Setup Refreshes के लिए Improved हुई है. Architectural Takeaway यहा है कि Codex मे Multi-Agent Orchestration अब First Class Surface बन गया है. Runtime Choice Persistence Marketing Sense में कोई Feature नहीं है. यह एक Correctness Change है. कोई Child Thread जो अपना Runtime Choice खो देता है, वह Output Produce कर सकता है, जो Parents Intent से Match नहीं करता, Model Load करने में Fail हो सकता है, या Silently किसी Default पर Fallback हो सकता है, जिसे Operator ने Authorize नहीं किया था. Thread Scoped Runtime Choice उस Gap को Close करता है. Enterprise Controls Architecture Change के साथ ही Land करते हैं, जो एक Deliberate Pairing है. Monthly Credit Limit Visibility Admins को Bill आने से पहले Spend देखने देती है. Cloud Managed Config Bundles, जिनमें Education Workspaces शामिल हैं, किसी Team को एक Fleet में Single Configuration अप्लाई करने देते हैं. Operator Signal यहा है कि Codex, CLI Tool with a Model Picker से Fleet Managed Agent Runtime with Credit Accounting की तरफ Move कर रही है. Production में Codex रन करने वाली Teams के लिए Practical Move है, Upgrade करना और एक Multi-Agent Session रन करना ताकि Verify किया जा सके कि Runtime Choice, Spawn और Resume में Correctly Persists करती है. New Output Format देखने के लिए Machine Readable Plugin List Command रन करें. Code Mode Flow में Parallel Web Search टेस्ट करें. जिस भी Enterprise या Admin Flow में आपकी Access है, उसमें New Monthly Credit Limit Display चेक करें. की Insight यहा है कि Multi-Agent V दो वो Feature है, जो Agent Spawning को Actually Session Boundaries के Across Hold Together बनाता है. Runtime Choice Persistence ग्लामरिस नहीं है, लेकिन यही वो Difference है एक Agent के बीट जो Hand-Off में Context Hold करता है, और एक Aisay के बीच जो उसे Drop करता है. Operator Visible Win यहा है कि Codex Multi-Agent Sessions को अब Spawn और Resume Operations में Baby Sitting की जरूरत नहीं है. Cloud Code का NPM Latest अब 2.1.166 और 2.1.167 है, 2.1.165 के बाद. Version 2.1.166 फीचर रिलीज है, जिसमें 2 Operator Visible Additions है. मुख्य बात यहा है कि एक नया Fallback Model Setting है, जो आपको Primary Model Overloaded या Unavailable होने पर Chrome में 3 Fallback Models तक Configure करने देता है. Fallback Model Flag अब Interactive Sessions पर भी लागू होता है, सिर्फ Background Ones पर नहीं. इसका मतलब है कि Interactive Terminal Sessions भी Primary Saturate होने पर Chain में अगले Model पर Automatically Roll Over कर सकते हैं. यहां Model Unavailability को Handle करने के तरीके को बदलता है. API Capacity पर होने पर Single Prompt Fail करने के बजाए, Cloud Code Automatically Configured अगला Model ट्राई करता है. Deny Rule Tool Name Positions में Glob Pattern Support दूसरा फीचर है. Wild Card का उपयोग करके सभी Tools Deny करता है. Allow Rules Non-NCP Globs को Reject करते हैं, और Deny Rules में Unknown Tool Names अब Silently Malformed Rules Accept करने के बजाए, Startup पर Warn करते हैं. Unknown Tool Names के लिए Startup Warning Operator Friendly Improvement है. अब आपको Startup पर पता चलता है कि Deny Rule Misconfigured है rather than discovering it when the rule fails to fire. Version 2.1.167 Pure Bug Fixes और Reliability Improvements है. Hygiene Wave जो Feature Releases के बीच Release Train को साफ रखता है. Fallback Model Chain Operator Facing Feature है, जो Model Unavailability को Handle करने के तरीके को बदलता है. और Fleet Compliance Settings के साथ Runtime Interaction समझने योग्य है. Fallback Chain Required Minimum Version और Required Maximum Version Fleet Compliance Settings के साथ Cleanly Interact करता है. Version Gate Agent को Start होने से रोकता है अगर यह Allowed Range से बाहर है. Fallback Chain Primary Unavailable होने पर अगला Available Model पिक करता है. दो Settings कमपोस करते हैं, एक Fleet Version Range पेन कर सकती है और Fallback Chain डिफाइन कर सकती है और Run Time दोनों Enforce करता है. Architectural Signal यहा है कि Cloth Code Model Availability को First Class Operational Concern ट्रीट कर रहा है. Fallback Chain Flakey API के लिए Workaround नहीं है. यह एक Configuration Primitive है जो Operator को Multiple Model Providers में Priority Order Define करने देता है. Run Time पहले Primary Try करता है, फिर Second, फिर Third और User को Response पर Model Name के अलावा कोई Difference नहीं दिखता. Globe Deny Rule Security Surface Improvement है. Wild Card Pattern के साथ एक Rule हर Tool को Deny करता है. यह Sandboxed Environments के लिए Useful Primitive है जहां Agent को कुछ भी Access नहीं होना चाहिए या Incident Response के दोरान Temporary Lock the Agent Out Configuration के लिए. Allow Rules Non-MCP Globs Reject करना Means की Misconfiguration जहां Operator, NCP और Non-MCP Tool Names में Globe Try करता है, Startup पर Caught होता है, First Tool Call पर नहीं. Agent Stack के लिए Practical Move यहां है कि अपने Cloth Code Config में, Preference के क्रम में, Two और Three Alternatives के साथ Fallback Model जोडे. Chain को टेस्ट करें. By Temporarily Primary Model अनवेलिबल बनाकर और Verify करके की Fallback Correctly Fire होता है. Full Tool Lockout टेस्ट करने के लिए Deny Rule में Wild Card का उप्योग करें. Verify करें कि Deny Rules में Unknown Tool Names Startup Warnings प्रड्यूस करते हैं. Key Insight यहां है कि Cloth Code अब Fallback Models को Chain कर सकता है, ताकि Saturating API आपके Agent को Completely न रोके. Priority Order में आप टू 3 Models Configure करें और Runtime Primary Overloaded होने पर अगला पिक करता है. Operator को Wrapper Script, Retry Logic या Separate Routing Layer लिखने की जुरूरत नहीं है. Runtime Fallback Contract को Own करता है. Version Cadence भी Note करने योग्य है. Quick Succession में दो Releases, 2.1.166 Feature Release के रूप में और 2.1.167 Bug Fix Polish के रूप में, Hygiene Wave है जो Release Train को साफ रखता है. Feature Releases Operator Visible Changes Land करते हैं. Bug Fix Releases Rough Edges Close करते हैं, जो Operator Visible Changes Expose करते हैं. Split Change Log को Readable और Upgrade Calculus को Simple रखता है. Google ने 3.0.2026 को Gemma 4.12B को Apache 2.0.0 Openweight Checkpoint के तौर पर Release किया, जिसमें 256 के Context Window है, जिसे Design किया गया है, ताकि Agentic Multimodal Intelligence को सीधे Laptops पर Local Workflows के लिए लाया जा सके. मुख्य Architectural Decision है, Encoder-Free Multimodal Input. Vision और Audio सीधे Language Model Backbone में जाते हैं, न कि किसी Separate Multimodal Encoder के जरिये. यह वही Architectural Pattern है, जो Large Multimodal Models को छोटे Parameter Counts में फिट करता है. Encoder Overhead हटा कर, 12 Billion Parameter Model Image और Audio Inputs को एक Separate Processing Stage के बिना Handle कर सकता है, जो Parameters और Latency जोडता है. यही Design Choice है, जो 16 Gigabytes of Warm को काफी बनाता है. Benchmark Performance को Advanced Reasoning Tasks पर Google's 26 Billion Parameter Model के करीब बताया गया है, जो 12 Billion Parameter Model को उन Benchmarks पर दोगुने आकार के Models के साथ Competitive बनाता है, जो Agentic Workflows के लिए माइने रखते हैं. Agentic Workflow Positioning स्पष्ट है. Autonomous Data Processing, Visual Insights और Web Page Building को Target Use Cases के बनाता है. Google AI Edge Local Deployment का रास्ता प्रदान करता है, laptop hardware पर 16 और 32 Gigabyte Warm Configurations के साथ. AI Edge Managed Local Deployment Surface है, जो Model Loading, Runtime Optimization और Device Stack के साथ Integration Handle करता है. उन Teams के लिए जो Manual Checkpoint Pull के बजाए One Command Install चाहते हैं, AI Edge Entry Point है. Agent Stack के लिए, जैमा 4-12 भी Consumer Hardware पर Local Coding Agent Use के लिए सबसे Realistic Openweight 12 Billion Parameter Model है. यह Local First Agent Workflows को बदल देता है, जब Model और Weights आपकी Machine पर रहते हैं. कोई API Latency नहीं. कोई Data आपके Environment से बाहर नहीं जाता. कोई Per Token Cost नहीं. 256K Context Window का मतलब है, कि Model Large Code Basis या Long Documents को Context Chunking के बिना Handle कर सकता है, जो Smaller Window Models को चाहिए होता है. 256K Window एक छोटे से Medium Sized Repository को एक Single Context में रखने के लिए काफी है, या एक Long Document Plus Conversation History Plus Tool Call Results. Architectural Takeaway यह है, कि Encoder-Free Multimodel वहाँ Design Pattern है, जो 12 Billion Parameter Model को वही करने देता है, जो पुराने 26 Billion Parameter Encoder Decoder Models करते थे. Encoder Stage हटाने से Parameter Count कम हो जाता है, बिना Multimodel Capability की Sacrifice के, क्योंकि Language Model Backbone सीखता है Vision और Audio Tokens को सीधे Handle करना. Trade-off यह है, कि Language Model Backbone को शुरू से ही Multimodel Data पर Train करना होता है, जो एक Meaningfully More Expensive Training Pipeline है. फाइदा यह है कि Inference तेज है, Model छोटा है और Deployment आसान है. Local Agent Stacks के लिए Inference Speed और Model Size Training Cost से ज्यादा माइने रखते हैं. Agent Stack के लिए Practical Move यह है कि Gemma 4-12 भी Checkpoint को Hugging Face से पुल करें, और 16 GB of Varum वाले Laptop पर LM Studio या Olama के Thru Run करें. एक Coding Task Output को अपने Current Local Model के Against compare करें. 256 के Context को एक Long Code Base या Document Understanding Task पर Test करें. अगर आप One Command Install पसंद करते हैं, तो Managed Local Deployment Path के लिए Google AI Edge यूज़ करें. Key Insight यह है कि Gemma 4-12 भी पहला 12 Billion Class Open Weight Model है, किसी Major Lab का जिसे Google कहता है कि यह आपके Laptop पर Run कर सकता है और फिर भी Advanced Reasoning कर सकता है. Encoder-Free Architecture वह ट्रिक है, जो इसे 16 GB of Varum में Fit करता है. 256 के Context Window वह Capability है, जो इसे Real Code Basis पर Real Coding Tasks के लिए useful बनाती है. व्यापक संकेत यहा है कि OpenWet Local Model और ClosedWet API Model के बीच का अंतर कम हो रहा है. 12 Billion Parameter Model जो Advanced Reasoning पर 26 Billion Parameter Model के करीब पहुँच रहा है. यह एक सार्थक Data Point है. Local First Agent Workflow अब कोई समझोता नहीं है. वे Production Workload के लिए एक वास्तविक विकल्प है, जो उपलब्ध हार्डवेर पर 12 Billion Parameter Model फिट कर सकते हैं. Moonshot AI ने 5 जून 2026 को Kimi Code CLI को लाइसेंस वाले Open Source Terminal AI Coding Agent के रूप में जारी किया, जो Tightscript मे लिखा गया है. यह Project पुराने Kimi CLI का उत्तराधिकारी है, और NPN के जरिए या एक Single Install Script से वित्रित किया जाता है, जिसे पहले से Node.js install की जरूरत नहीं है. Mac OS या Linux पर एक Single Install Command Binary को आपके Path पर रख देता है. Windows पर एक समकक्ष PowerShell Command वही काम करता है. Kimi Code CLI Code पढ़ता और Edit करता है, Shale Command चलाता है, File सर्च करता है, Web Page फेच करता है, और Feedback के आधार पर अपना अगला Step चुनता है. यह Standard Coding Agent Loop है. Box के बाहर यह Moonshot AI के Kimi Model के साथ काम करता है, और इसे दूसरे Compatible Provider के साथ Configure किया जा सकता है. Feedback Driven Execution Model Read-Only Operations को अपने आप चलाता है, और File Edit या Shale Command पर Confirmation मांगता है. वह Approval Flores की Action को Developer के Control में रखता है. Read-Only Operations जैसे File एस सर्च करना और Wave Page फेज करना बिना रुकावट के चलते हैं. Write Operations जैसे File Edit करना या Shale Command चलाना Confirmation मांगते हैं. Agent Propose करता है, Developer Dispose करता है. उलेखनी या Features में Millisecond में तैयार होने वाला Fast 2E, Video Input Chat मे स्क्रीन रिकॉर्डिंग ड्रॉप करने के लिए, MCP Config Command के जरिए Native MCP Configuration, Parallel Work के लिए Sub-Agent, Isolated Context में Coda, Explore और Plan Sub-Agent और Tool Call को गेट करने, Auditing Decision या Notification Trigger करने के लिए Life Cycle Hook शामिल है. MCP Config Command के जरिए, MCP Configuration वह Feature है, जो इसे Agent Stack से जोडता है. आप CLI के अंदर से बिना बाहरी Configuration फाइलों के MCP Server जोड और Authenticate कर सकते हैं. Configuration Conversation है. आप Agent से सर्वर जोडने को कहते हैं, वह आपको Authentication के जरिए Guide करता है और सर्वर लाइव हो जाता है. पहलल Work के लिए Sub-Agent वह Feature है, जो एक Single CLI Agent जो कुछ कर सकता है, उसे बदल देता है. Coder Sub-Agent Code लिखते हैं. Explore Sub-Agent Code Base नेविगेट करते हैं. Plan Sub-Agent Task को Decompose करते हैं. हर एक Isolated Context में चलता है, जिसका मतलब है कि पहलल Workman Session Context को Contaminate नहीं करता. Life Cycle Hook Operator Facing Feature है. एक Hook Tool Call को Gate कर सकता है, एजेंट को Shale Command चलाने से पहले Permission मांगनी होगी. एक Hook Decision का Audit कर सकता है, हर Tool Call Agent के Reasoning के साथ Log किया जाता है. एक Hook Notification Trigger कर सकता है, जब कोई Specific Event होता है, तो Slack Message, Email या Web Hook. Version 0.11 5 June 2026 को Publish हुआ. Project को GitHub पर 1902 स्टार्स मिले हैं और Development सक्रिया है. Native Architecture ध्यान देने योग्य है. Agent TypeScript में लिखा गया है. एक Single Binary या NPM Package के रूप में वित्रित किया गया है. और सीधे NPM Ecosystem के साथ Integrate करता है. Architectural Signal यह है कि Native CLI Coding Agent Pattern एक वास्तविक कैटेगरी है. किनी Code CLI उनकुछ Tools में शामिल हो गया है, जो TypeScript में लिखे गए हैं, और बिना Runtime Dependency के एक Single Binary के रूप में इंस्टॉल किये जा सकते हैं. फायदा है Fast Code Start, छोटा Footprint और आसान वितर्ण. कीमत यह है कि कुछ TypeScript Ecosystem Choice बेक किये गए है. एजेंट स्टैक के लिए, व्यावहारिक कदम है किमी Code CLI इंस्टॉल करना और वर्षन फ्लैग से वेरिफाई करना. इसे अपने किमी API की या Moonshot AI OAuth से कनेक्ट करें. MCP Config Command के जरिये एक MCP Server Configuration टेस्ट करें. Code-based task के खिलाफ पैलल में एक सबअजेंट रन करें. अपने मौजूदा CLI एजेंट के मुकाबले Execution Quality की तुलना करें. मुख्य अंतरग्रिष्टी यह है कि किमी Code CLI वह Native Terminal Coding Agent है जो स्टैक से गायब था. TypeScript में लिखा गया, एक सिंगल बाइनरी के रूप में Distributed Native MCP Support और पैरललल वर्क के लिए सबअजेंट के साथ. Feedback Driven एक GQs model जिसमें risky operations के लिए स्पष्ट approval है. यह एक design choice है जो developer ergonomics के साथ fit बैठता है, जिसकी तरफ पूरे stack का convergence हो रहा है. व्यापक signal यहा है कि CLI Coding Agent Space Ecosystem के हिसाब से segment हो रहा है. NPM और Node.js Ecosystem के लिए Native Agent. Data Science और Machine Learning Ecosystem के लिए Native Agent. Systems Programming Ecosystem के लिए Native Agent. हर Ecosystem को वह agent मिलता है, जो उसके मौझूदा tooling और distribution model के अनुकूल हो. Agent-to-agent protocol 2026 में Linux Foundation के तहट V1.0 तक पहुचा, जिसने विभिन framework से आने वाले agents के बीच एक दूसरे को खोजने, Communication Channel स्थापित करने और Task Delegate करने के तरीके के लिए एक आपचारिक specification बनाया. Protocol Agent Card Sir को परिभाशित करता है, जसो capability manifest Agent Discovery के लिए और जसो RPC 2.0 का उपयोग करके Long-gurning interactions के लिए Task Best State Machine. शुरू में Google द्वारा लॉंच किया गया, दो अब Linux Foundation द्वारा MCP के साथ गवर्न किया जाता है. MCP बनाम दो अका अंतर मुख्य mental model है. MCP मान की करता है कि एक Agent बाहरी Technology Code, database एटा sources से कैसे connect होता है, या इस बारे में है कि एक Agent क्या कर सकता है. अदो अममान की करता है कि Agent एक दूसरे से कैसे communicate करते हैं, या इस बारे में है कि Agent कैसे मिल कर काम करते हैं. AMCP पहले से ही Agent Stack में व्यापक रूप से अपनाया गया है Adobe AV1.00 पूरक प्रोटोकॉल है जो Cross Framework Agent Hand को इस तरह सक्षम करेगा कि हर जोड़ी के लिए Custom Integration Code की जरूरक न हो Builders के लिए यह अंतर महत्वपूर्ण है अगर आप एक Agent को Database से Wire कर रहे हैं तो आप NCP का उपयोग कर रहे हैं अगर आप दो Agents को एक दूसरे से बात करने के लिए Wire कर रहे हैं तो आप Adobe का उपयोग कर रहे हैं एक Agent Card एक जसो Manifest है जो बताता है कि एक Agent क्या कर सकता है Card में Agent की पहचान, उसकी क्षमताएं, वे Protocol जो वह बोलता है वे Authentication Mechanism जो वह सपोर्ट करता है और वे Task Types जो वह स्वीकार करता है शामिल होते हैं जब एक Agent दूसरे को काम सौम्पना चाहता है तो वह Target Agent का Card खोजता है और Communicate कैसे करें यह समझने के लिए Card का उप्योग करता है Task State Machine Protocol का दूसरा आधा हिस्सा है एक Long Garning Task की एक परिभाशित Life Cycle होती है Submitted, Working, Input Required, Completed, Failed, Canceled State Machine परिभाशित करती है कि हर State का क्या मतलब है, कौन से Transition वैद हैं और हर Transition पर Agents क्या Data Exchange करते हैं State Machine वह है जो Multi-Agent Workflow को Partial Failure के प्रती Robust बनाती है Addo App Project Addo Repository में 24,133 GitHub Stars है और 6 June 2026 तक सक्रियट Development है Agent Stack के लिए Addo AV1.0 वह Interoperability Layer है जो एक Cloth Code Session को Herms Agent को Delegate करने देगा या एक OpenClaw Agent को Codex Thread में Handf करने देगा बिना हर जोडी के लिए Custom Integration बनाएं Architectural Signal यह है कि V1.0 Formalization का मतलब है कि Protocols थिर है Builders Addoa को अपना सकते हैं बिना यह चिंताके की अगला Release उनके Integration को तोड़ देगा Linux Foundation Governance Vendor Neutrality की एक Layer जोडता है जो Enterprise Adoption को आसान बनाता है एक Run Time Addoa का कौन सा संस्करन बोलता है दो अलग-अलग Agent Runtime उपलब्ध हैं तो एक Cross Framework Agent Delegation टेस्ट करें मुख्य अंतर द्रिष्टी यहा है कि Addoa1.00 वह प्रोटोकॉल है जो Agent Interoperability को असली बनाता है अलग-अलग Framework के Agent अब एक दूसरे को खोड़ सकते हैं और Custom Glue Code के बजाए एक आपचारिक जसो RPC 2.0 स्टेट मशीन के जरिये काम सौंप सकते हैं प्रोटोकॉल की परिपक्वता यह संकेत है कि Multi-Agent Ecosystem Bespoke Integration से आगे बढ़ने के लिए तयार है व्यापक संकेत यह है कि Agent Stack का Protocol Layer Wave के Protocol Layer जैसा दिखने लगा है Transport के लिए HTTP Message Format के लिए Jusor PC Discovery के लिए Agent Cards Long Garning Interactions के लिए Task State Machines Protocol सरल, Composable और Vendor Neutral है यही Design Pattern है जो Ecosystem को बढ़ने देता है AdoA को Interagent Communication के लिए और MCP को Tool Integration के लिए इस्तिमाल करने का Combination वह Protocol Stack है जिसकी और Agent Ecosystem Converge कर रहा है दोनों Protocol अलग-अलग समस्याएं हल करते हैं और वे साफ-साफ Compose होते हैं एक Agent जो दो बोलता है वह दूसरे Agents को खोज और Delegate कर सकता है एक Agent जो MCP बोलता है वह बाहरी Tool से Connect हो सकता है एक Agent जो दोनों बोलता है वह दोनों कर सकता है व्याभारिक कतार वह है जो सुनने से कार्य करने की ओर ले जाती है हमस Agent के लिए अपने Operating System के लिए Desktop App Installer डाउनलोड करें और इसे अपने मौजूदा Local या Remote Gateway के खिलाफ चलाएं अगर आपके पास Hosted Harms है तो Remote Gateway के खिलाफ OAuth Login टेस्ट करें ANCP Servers, Messaging Channels और Credentials को Audit करने के लिए नए Web Admin Panel को Explore करें नए First Run Experience की तुलना करने के लिए Fresh Install पर News Portal के जरिए Quick Setup चलाएं Codex के लिए 0.137 पर Upgrade करें और एक Multi-Agent Session टेस्ट करें ताकि यह सत्यापित हो सके की Runtime Choice Spawn और Rejuble Cycle में सही तरीके से Persist करती है Output Format देखने के लिए Machine Readable Plugin List कमांड चलाएं Code Mode Flow में Parallel Web Search टेस्ट करें जिन Enterprise या Admin Flow में आपकी पहुच है उनमें नए मंथली Credit Limit डिस्पले को चेक करें Cloud Code के लिए अपने Config में Preference के हिसाब से क्रमबध दो-तीन विकलपों के साथ एक Fallback Model जोडे अपने Primary Model को अस्थाई रूप से Unavailable बना कर Chain को टेस्ट करें और सत्यापित करें की Fallback सही तरीके से Fire होती है Full Tool Lockout टेस्ट करने के लिए Deny Rule में Wild Card का उपयोग करें सत्यापित करें की Deny Rules में अंजान Tool Names Startup Warnings देते हैं लेटिस्ट बग फिक्सेस के लिए 2.1.167 पर अपग्रेड करें जैमा 4.12.b के लिए Hugging Face से Checkpoint पुल करें और इसे 16 GB वरम वाले Laptop पर LM Studio या Olama के जरिये चलाएं एक Coding Task Output की तुलना अपने मौजूदा Local Model से करें Long Code Best या Document Understanding Task पर 256 के Context टेस्ट करें अगर आप एक Command Install पसंद करते हैं तो Google AI Edge का उप्योग करें किमी Code CLI के लिए Install Script के साथ Install करें और Version Flag से सत्यापित करें इसे अपने किमी API की या MoonShot AI OAuth से Connect करें NCP Config Command के जरिये एक NCP Server Configuration टेस्ट करें एक सबजेंट को Code Best Task के खिलाफ Parallel में चलाएं और अपने मौजूदा CLI Agent के खिलाफ एक GQ क्वालिटी की तुलना करें अगर आप के पास दो अलग-अलग एजेंट रॉन्टाइम्स उपलब्ध हैं तो एक Cross Framework Agent Delegation को टेस्ट करें Awesome AI Agent से 2026 Curated List के लिए अपने Stack से संबंधित एक नया Server या Protocol Implementation खोजने के लिए AMCP और अदो अप्रोटोकॉल सेक्शन्स को ब्राउस करें यह लिस्ट बार-बार अपडेट होती है और जब आप नए Agent Tooling का मूल्यांकन कर रहे होते हैं तो यह आगे क्या पढ़ना है? इसके लिए Definitive Index है आज के Agent Stack Daily का मुख्य विशय Surface Area और Connectivity है Harness Layer Native, Multi-Surface Tools के चारों और Consolidate हो रहा है जिने Operators वास्तव में उप्योग करना चाहते हैं Model Layer Local First Workflows के लिए Open Weight Options जोड रहा है Protocol Layer वह Connective Tissue है जो उन Tools को एक दूसरे से बात करने देती है Agent Stack कम Mystical और ज्यादा Operational हो रही है और यह बिलकुल वही है जो उसे Production Tool बनने के लिए चाहिए रिसर्च डेमो नहीं हम जल्द ही वापस आएंगे आज के Agent Stack Daily के Show Notes Tobii on FitnessTech.com पर मिलेंगे वहां आपको Time Stamps, उन Releases और Tools के Links मिलेंगे जिन्हें हमने Cover किया और गहरी Technical Context जो Spoken Audio में Fit नहीं हुई यह Agent Stack Daily है मैं नौभा हूँ सुनने के लिए धन्यवाद जिए मैं जीज़ वह जए जीज़ वह जाए यूब झाल झाल