У 2026 році один із найвпливовіших AI‑агентів для програмістів виявився не продуктом великої корпорації, а роботою одного розробника з Австрії. Маріо Цехнер, відомий у геймдев‑та ML‑спільнотах, створив Pi — мінімалістичного, самозмінного AI‑coding‑агента, який став ядром персонального асистента OpenClaw Пітера Штайнбергера. Поруч із ним — Армін Роначер, автор Flask, ранній користувач і контриб’ютор Pi. Їхня розмова на подкасті The Pragmatic Engineer дає рідкісний погляд на те, чому саме зараз самозмінне ПЗ стало практичним, чому простота важливіша за «розумні» індекси, і як один невеликий інструмент опинився в центрі нової хвилі AI‑розробки.
Від розчарування агентами до Pi: чому перемогла мінімалістична обгортка
Історія Pi починається не з натхнення, а з роздратування. Маріо відкрито говорить, що любить прості, стабільні інструменти, яким можна довіряти, навіть якщо всередині в них є недетерміновані частини — такі як великі мовні моделі. На тлі хвилі «розумних» AI‑агентів і складних фреймворків для агентів він зіткнувся з типовою проблемою: більшість рішень або надто заплутані, або поводяться непередбачувано, або і те, й інше одночасно.
Саме з цієї втоми від складності й народився Pi. Замість того щоб будувати ще один «оркестратор» із десятками режимів, плагінів і шарів абстракцій, Маріо зробив навпаки: створив мінімалістичний, але стабільний «harness» — обгортку навколо LLM‑ядра. У цій конструкції сама модель залишається недетермінованою, але все, що стосується файлової системи, запуску команд, структури проєкту й життєвого циклу агента, максимально спрощено й зроблено прозорим.
Pi — це не платформа, не «операційна система для агентів» і не черговий «AI IDE». Це невеликий, цілеспрямований інструмент, який дає моделі прямий доступ до коду й дозволяє їй змінювати цей код, включно з власним. Саме ця радикальна простота виявилася не обмеженням, а перевагою: менше прихованої магії, більше контролю й передбачуваності для досвідчених інженерів, які хочуть розуміти, що відбувається.
Цей підхід різко контрастує з ранніми поколіннями AI‑агентів, які намагалися компенсувати слабкість моделей складною інфраструктурою: векторними базами, багатоступеневими планувальниками, деревами завдань. Маріо, навпаки, поставив собі завдання: зробити найтонший можливий шар між LLM і реальним кодом, але при цьому достатньо надійний, щоб ним можна було користуватися щодня.
Самозмінний агент: коли користувач просить Pi переписати самого себе
Найрадикальніша риса Pi — це його самозмінність. Агент спроєктовано так, що користувач може буквально дати йому інструкцію змінити власний код. Не лише код цільового застосунку, над яким працює агент, а й код самого Pi: додати нову функцію, змінити поведінку, інтегруватися з іншим інструментом.
У практиці це виглядає так: розробник запускає Pi в репозиторії, а потім у діалозі просить, наприклад, додати підтримку нового протоколу, змінити спосіб логування або розширити CLI. Агент аналізує власні файли, вносить зміни, пояснює, що зробив, і далі працює вже в оновленій конфігурації. Немає окремого «режиму розробника» для самого агента — він працює з власним кодом так само, як із будь-яким іншим проєктом.
Це не просто технічний трюк, а зміна моделі взаємодії з інструментом. Замість того щоб чекати нових релізів від автора, користувачі можуть еволюціонувати Pi під свої потреби в реальному часі. Самозмінність стає частиною щоденного робочого процесу: агент не лише пише код продукту, а й розвиває власні можливості.
Важливий нюанс: така гнучкість вимагає дисципліни. Самозмінне ПЗ завжди асоціювалося з ризиками — від складності відлагодження до непередбачуваної поведінки. Але саме поява потужних LLM‑агентів зробила цю ідею практичною. Модель здатна прочитати весь код агента, зрозуміти його структуру, внести цілеспрямовані зміни й одразу ж використати їх. Те, що раніше вимагало складних метапрограмних конструкцій, тепер зводиться до діалогу з інструментом.
Саме тому в розмові про Pi постійно звучить тема «самозмінного софту як феномену 2020‑х»: не як академічної гри, а як робочого підходу, який стає можливим завдяки агентам, що вміють читати й переписувати великі кодові бази.
Без MCP за замовчуванням: чому доступ до файлів важливіший за «розумні» індекси
Ще одна показова деталь дизайну Pi — відсутність підтримки MCP (Model Context Protocol) «з коробки». У час, коли багато гравців ринку намагаються стандартизувати інтеграції через MCP, Pi свідомо стартує без нього. І далі відбувається характерний сценарій: користувачі просто просять Pi… додати MCP‑підтримку в самого себе.
Цей патерн багато говорить про філософію інструмента. Замість того щоб заздалегідь вбудовувати всі модні протоколи, Маріо залишає ядро максимально чистим. Якщо спільноті потрібен MCP, агент сам собі його реалізує — за запитом користувача. Це не лише демонстрація самозмінності, а й спосіб уникнути передчасної складності.
Ключ до такого підходу — у тому, як Pi працює з кодом. Тут важливий момент, який Маріо називає переломним: поява Claude Code з його «agentic search» по файловій системі. Ідея виявилася простою, але потужною: замість того щоб будувати складні індекси векторних баз, агенту просто дають можливість «пропахати» файлову систему, читати файли напряму й будувати власну картину проєкту в реальному часі.
Для Маріо це стало моментом, коли coding‑агенти перестали бути іграшкою й стали по‑справжньому корисними. Усе, що було до цього — IDE з вбудованими індексами, окремі сервіси на кшталт векторних сховищ, — раптом виглядало зайвим. Прямий доступ до файлів виявився ефективнішим за «розумні» dense/sparse‑пошуки. Агенту не потрібно гадати за векторною близькістю, який фрагмент коду релевантний; він просто читає потрібні файли, як це зробив би людина‑розробник.
Це пояснює й скепсис щодо MCP як обов’язкового шару. Якщо агент уже вміє працювати з файловою системою й CLI, багато інтеграцій можна реалізувати без додаткових протоколів. MCP стає не фундаментом, а опційним розширенням, яке, за потреби, сам агент може собі додати. Саме тому типовий сценарій із Pi — не «встановити плагін MCP», а «попросити Pi реалізувати MCP‑клієнт у власному коді».
У ширшому контексті це частина більшої тенденції: повернення до простих інтерфейсів — файлової системи, командного рядка — як базових примітивів для AI‑агентів. Замість того щоб будувати ще один шар абстракцій, Pi використовує те, що вже добре працює, і дозволяє моделі робити решту.
Від Pi до OpenClaw: як один агент став ядром персонального AI‑асистента
Попри свою мінімалістичність, Pi вже встиг стати основою набагато амбітнішого продукту. Саме він є ядром OpenClaw — персонального AI‑асистента, який створив австрійський підприємець і розробник Петер Штайнбергер. Якщо Pi — це «двигун», то OpenClaw — це автомобіль, зібраний навколо нього: з інтерфейсами, робочими процесами, інтеграціями й усім, що потрібно кінцевому користувачу.
OpenClaw не намагається замінити Pi, а навпаки, спирається на нього як на базовий coding‑механізм. Усе, що стосується роботи з кодом — читання, рефакторинг, додавання функцій, виправлення багів, — делегується Pi. Поверх цього Петер вибудовує «продуктизовані» воркфлоу: сценарії, які роблять можливості Pi доступними людям, які не хочуть розбиратися в деталях агента, але хочуть отримати результат.
Така архітектура показує, як мінімалістичний агент може масштабуватися до повноцінного продукту без перетворення самого агента на моноліт. Pi залишається відносно невеликим і гнучким, тоді як OpenClaw бере на себе завдання UX, безпеки, інтеграцій із бізнес‑системами. Це розділення ролей дозволяє швидко еволюціонувати обидві частини: Pi — як інструмент для інженерів, OpenClaw — як сервіс для ширшої аудиторії.
Показово, що одним із ранніх користувачів і контриб’юторів Pi став Армін Роначер, автор Flask. Для спільноти це важливий сигнал: людина, яка свого часу створила один із найпопулярніших веб‑фреймворків Python, тепер активно працює з AI‑агентом, який сам себе змінює. Це не просто «іграшка для ентузіастів», а інструмент, який проходить перевірку в руках досвідчених інженерів.
Коли самозмінне ПЗ стає буденністю: чому саме зараз це стало можливим
Ідея програм, що змінюють самі себе, не нова. У теорії програмування й безпеці про це говорять десятиліттями — від самовідтворюваних «квінів» до поліморфних вірусів. Але в реальній розробці самозмінне ПЗ довго залишалося радше курйозом, ніж практикою. Причина проста: складність. Щойно код починає переписувати сам себе, зростає ризик помилок, важко відстежувати зміни, важко гарантувати стабільність.
Поява потужних LLM‑агентів змінила цю динаміку. Тепер у системі з’явився компонент, який може:
- прочитати великий обсяг коду, включно з кодом самого агента;
- побудувати ментальну модель того, як усе влаштовано;
- спланувати зміни;
- внести їх послідовно й узгоджено;
- пояснити людині, що саме було зроблено.
У такій конфігурації самозмінність перестає бути хаотичною. Вона стає керованою: людина формулює цілі, агент пропонує план, вносить зміни, а потім людина може їх переглянути, протестувати, відкотити. Самозмінне ПЗ перетворюється на діалог між інженером і агентом, а не на неконтрольований процес.
Pi — один із перших інструментів, який системно використовує цю можливість. Замість того щоб ховати самозмінність за складними механізмами, він робить її явною частиною UX: «ти можеш попросити Pi змінити самого себе». Це звучить ризиковано, але в поєднанні з мінімалістичним дизайном і прямим доступом до файлів дає потужний ефект: агент стає не статичним продуктом, а живою системою, яка еволюціонує разом із користувачем.
Цей підхід добре вписується й у ширший контекст того, як змінюється роль AI в розробці. Якщо перше покоління інструментів — на кшталт раннього GitHub Copilot — було, по суті, «автодоповненням на стероїдах», то нинішнє покоління агентів працює вже на рівні проєктів: читає репозиторії, запускає тести, змінює структуру коду. Самозмінні агенти на кшталт Pi — логічний наступний крок: вони не лише працюють із проєктом, а й адаптують власні можливості під нього.
«Уповільнити хід»: простота проти гонитви за автоматизацією
На тлі загального ажіотажу навколо AI‑агентів Маріо й Армін звучать помітно стримано. Вони обидва активно будують AI‑інструменти, але паралельно закликають індустрію «сповільнитися». Маріо різко висловлюється про компанії, які хваляться тим, що «більшість їхнього коду пишуть агенти», але при цьому постачають відверто слабкі продукти. Користувачі, каже він, «відчувають це в кістках»: якість — сміттєва, навіть якщо PR‑слайди говорять протилежне.
У цьому контексті Pi виглядає як контрприклад до гонитви за всеосяжною автоматизацією. Замість того щоб намагатися замінити інженерів, агент спроєктовано як інструмент для сильних розробників, які цінують контроль, простоту й прозорість. Самозмінність тут не означає «агент сам усе вирішить», а радше «агент допоможе швидко еволюціонувати інструмент під конкретні задачі».
Це добре узгоджується й із тим, як Армін описує сучасний стан індустрії: неінженери — продакт‑менеджери, маркетинг, сейлз — тепер можуть напряму брати участь у створенні коду завдяки AI‑інструментам. Це відкриває нові можливості, але водночас робить процеси критично важливими: потрібні чіткі guardrails, щоб код, згенерований агентами, не руйнував якість продукту.
Pi, зі своєю ставкою на простоту й самозмінність під контролем користувача, пропонує одну з можливих відповідей: замість того щоб ховати складність за шарами абстракцій, краще зробити інструмент максимально прозорим і дозволити досвідченим інженерам формувати власні воркфлоу поверх нього — як це робить OpenClaw.
Висновок: маленький агент, велика зміна в тому, як ми мислимо про AI‑інструменти
Історія Pi — це історія про те, як один невеликий, але добре продуманий інструмент може вплинути на цілу категорію продуктів. Мінімалістичний самозмінний агент, створений одним розробником в Австрії, став ядром популярного персонального AI‑асистента, привернув увагу таких фігур, як автор Flask, і водночас продемонстрував альтернативний шлях розвитку AI‑інструментів.
Замість гігантських платформ — тонкий, стабільний harness навколо LLM. Замість обов’язкових протоколів і векторних баз — прямий доступ до файлової системи й CLI. Замість закритого «чорного ящика» — агент, якого можна попросити змінити самого себе.
У світі, де дедалі більше компаній намагаються автоматизувати все й одразу, Pi нагадує: справжня сила AI‑агентів розкривається не тоді, коли вони замінюють інженерів, а тоді, коли стають простими, керованими інструментами в руках людей із хорошим технічним чуттям. Саме така комбінація — сильні інженери плюс мінімалістичні, самозмінні агенти — схоже, і визначатиме наступний етап еволюції розробки.
Джерело
Pragmatic Engineer Podcast — Building Pi, and what makes self-modifying software so fascinating