OpenCode wprowadza nowe ograniczenia dla agentów AI, w tym domyślne zablokowanie rekurencyjnego uruchamiania subagentów. Dodatkowo modele Meta otrzymały lepsze ustawienia wnioskowania, a aplikacja Desktop przeszła szereg poprawek użyteczności. Te zmiany kończą wielomiesięczny proces migracji do nowego interfejsu Desktop.
Co nowego w OpenCode – fakty w pigułce
- Subagenty domyślnie nie tworzą kolejnych subagentów – mechanizm ten ogranicza niekontrolowane rozgałęzanie zadań oraz ryzyko nadmiernego zużycia tokenów.
- Ustawienie
subagent_depthsteruje poziomem delegacji – domyślnie wynosi1, co pozwala głównemu agentowi na uruchamianie podwładnych, ale nie im na tworzenie własnych. - Poprawiono domyślne wnioskowanie modeli Meta – zmiana ma przynieść lepsze rezultaty bez konieczności ręcznego dostrajania parametrów.
- Desktop zyskał skróty i przywróconą pomoc –
Mod+Ntworzy nową kartę, przywrócono przycisk Help, poprawiono widoczność sesji.
Głębokość pod kontrolą – jak działa subagent_depth
Deweloperzy, którzy przyzwyczaili się do swobodnego delegowania zadań między agentami, mogą być zaskoczeni nowymi ograniczeniami. Wcześniej subagent mógł uruchomić kolejnego subagenta, co w przypadku bardziej złożonych zadań prowadziło do niekontrolowanego rozrostu. OpenCode wprowadza konfigurowalny limit głębokości.
Parametr subagent_depth określa maksymalny poziom zagnieżdżenia. Wartość domyślna to 1, co pozwala głównemu agentowi na tworzenie subagentów, ale ci nie mogą uruchamiać kolejnych. W przypadku potrzeby głębszej hierarchii, wartość 2 umożliwia jeden dodatkowy poziom. Ustawienie 0 całkowicie wyłącza możliwość delegowania.
Przykład konfiguracji dla jednego poziomu zagnieżdżenia:
{
"subagent_depth": 1
}Dla bardziej rozbudowanego workflow:
{
"subagent_depth": 2
}Narzędzie task egzekwuje ten limit – gdy sesja osiągnie dozwoloną głębokość, próba stworzenia kolejnego potomka kończy się błędem z informacją o kluczu konfiguracyjnym. To mechanizm zapobiegający problemom z rekurencją, które mogą prowadzić do nieprzewidywalnego wzrostu zużycia tokenów.
Modele Meta z lepszymi ustawieniami domyślnymi
Wraz z ograniczeniami dla subagentów, OpenCode poprawił domyślne parametry wnioskowania dla modeli Meta. Celem jest, aby modele lepiej radziły sobie z typowymi zadaniami programistycznymi od razu po instalacji, bez potrzeby ręcznego dostrajania przez użytkownika.
Nie podano konkretnych liczb dotyczących wcześniejszego i obecnego poziomu głębokości, wpływu na opóźnienia czy zużycie tokenów. Wiadomo jednak, że zmiana ma przynieść lepsze wnioskowanie w standardowych scenariuszach kodowania i zadań agentowych.
Desktop – szybciej, wygodniej, bez bałaganu
Równocześnie z pracami nad silnikiem agentów, zespół uporządkował aplikację Desktop. Migracja do nowego layoutu, rozwijanego od poprzednich wersji, została zakończona. Dla zainteresowanych dostępny jest również boczny panel eksperymentalny pod zmienną OPENCODE_SIDECAR_V2.
Co konkretnie się zmieniło? Mod+N otwiera nową kartę bez potrzeby przeszukiwania menu. Przywrócono przycisk Help, który wcześniej zniknął w wersjach release. Sesje z czasem archiwizacji ustawionym na null pozostają widoczne na liście głównej, co wcześniej nie miało miejsca. Na Windowsie schowano przycisk zamykania panelu bocznego, ponieważ kolidował z natywnymi kontrolkami okna. Subagent picker zyskał skrót ze strzałką w górę do szybkiego zamykania.
Poprawiono również przewijanie na stronie głównej, przyklejone nagłówki sesji, gotowość WSL i widoczność selektora niestandardowych agentów. Choć detale mogą wydawać się drobne, dla osób przeskakujących między kilkoma równoległymi sesjami subagentów, to realna oszczędność czasu.
Co to znaczy dla zespołów developerskich
Zmiana domyślnego zachowania subagentów ma znaczenie dla każdego, kto używa agentów do równoległej analizy repozytoriów, testowania czy zadań infrastrukturalnych. Zespoły wciąż mogą tworzyć wielopoziomowe workflow, ale teraz wymaga to świadomej decyzji konfiguracyjnej.
Dla środowisk CI/CD i hostowanych platform deweloperskich domyślna wartość 1 pomaga utrzymać przewidywalność, zmniejszając ryzyko niekontrolowanego rozrostu zadań i związanych z tym kosztów. Nie podano jednak konkretnych metryk dotyczących oszczędności tokenów czy czasu wykonania.
Dodaj komentarz