מאת אסף ביטון
ביקשתי מ-Agent Zero לשלוף לי את המחיר הנוכחי של תעודת סל, ובמקום לקרוא ל-API של בורסה הוא עשה משהו מוזר בהרבה. הוא פתח טרמינל בתוך ה-Docker container של עצמו, כתב סקריפט קצר ב-Python, התקין את הספרייה שהייתה חסרה לו, הריץ, קרא את השגיאה, תיקן את השגיאה, והחזיר לי את המספר. הוא בנה את הכלי, השתמש בכלי, ואז זרק את הכלי. הרגע הזה הוא כל ההבטחה של ה-framework הזה, והוא בדיוק גם הסיבה שתתאהבו בו או תמחקו אותו בשקט אחרי שבוע מתסכל. אני אגיד לכם איזה משניהם.
אמ;לק: Agent Zero (הגרסה האחרונה v1.20, 4 ביוני 2026) הוא framework סוכני בקוד פתוח מבית agent0ai, עם בערך 18,100 כוכבים ב-GitHub ו-3,700 forks נכון ליוני 2026. הוא מגיע עם 4 כלים בלבד כברירת מחדל (חיפוש ברשת, זיכרון, תקשורת, והרצת קוד וטרמינל), ואת כל שאר הכלים הוא כותב לעצמו תוך כדי תנועה בתוך Docker container מבודד. התכנון הזה נותן לכם הרחבה כמעט אינסופית בלי לחכות לעדכון של איזה plugin. המחיר אמיתי: התקנה תלולה יותר, יותר בלתי צפוי מ-LangGraph או CrewAI, וחוויה שנוטה לטרמינל. תבחרו בו אם אתם מריצים משימות פתוחות וחקרניות ונוח לכם בטרמינל. תישארו עם CrewAI או LangGraph אם אתם צריכים זרימות עבודה צפויות ברמת ארגון שאפשר לבקר צעד אחרי צעד.
מה זה Agent Zero בעצם
רוב ה-frameworks לסוכנים נותנים לכם ארגז כלים. Agent Zero נותן לכם סדנה, ומניח שאתם (או הסוכן) תבנו בעצמכם את הכלי שהמשימה דורשת.
Agent Zero הוא framework סוכני בקוד פתוח שבנה הצוות של agent0ai. הוא הופיע לראשונה ב-GitHub ביוני 2024, וצמח עד בערך 18,100 כוכבים ו-3,700 forks באמצע יוני 2026, עם קוד שנדחף יום אחד בלבד לפני שכתבתי את הביקורת הזאת. הפרויקט חינמי תחת רישיון קוד פתוח. אתם מביאים מפתח API משלכם ל-LLM, או מכוונים אותו למודל מקומי. אפשר למצוא אותו בעמוד הכלי של Agent Zero אצלנו, יחד עם הערות התקנה ותמחור עדכני של המודלים שהוא מתחבר אליהם.
מה שמייחד אותו הוא דווקא מה שהוא לא מגיע איתו. frameworks כמו LangGraph ו-CrewAI מגיעים עם עשרות עד מאות כלים ואינטגרציות מובנות. Agent Zero מגיע עם ארבעה: חיפוש ברשת, זיכרון, תקשורת (איתכם ועם סוכנים אחרים), והרצת קוד וטרמינל. את כל השאר הוא כותב בעצמו. צריך לגרד אתר, לפרסר CSV, לדפוק API או לרנדר גרף? הסוכן כותב את הקוד, מריץ אותו בטרמינל, ויוצר את היכולת בזמן אמת.
אז זאת לא באמת ספרייה של פיצ'רים. זאת מערכת מונחית פרומפט שמשתמשת בסביבת Linux מלאה בתור הכלי שלה. ההגדרה הרשמית היא "דינמי, אורגני, ולומד תוך כדי שימוש", ואחרי כמה ימי בדיקה התיאור הזה מחזיק טוב יותר ממה שציפיתי.
טיפ: תריצו את Agent Zero דרך ה-Docker image הרשמי ולא דרך התקנת Python חשופה. זה קיצר לי את ההתקנה הראשונה מבערך 40 דקות של היאבקות בתלויות לבערך 8 דקות, וזה נותן לכם את הבידוד שה-framework באמת צריך.
איך יצירת הכלים הדינמית עובדת באמת
זה הפיצ'ר שמצדיק את כל הפרויקט, אז שווה להיות מדויק לגביו.
כשאתם נותנים ל-Agent Zero משימה, הוא לא מחפש כלי תואם ברישום. הוא מנתח מה הוא צריך, ואז כותב קוד שעושה את זה. Python, Node.js, Bash, מה שמתאים. הוא מריץ את הקוד הזה בטרמינל בתוך ה-container שלו, קורא את הפלט (כולל שגיאות), ומשפר בלולאה עד שהמשימה נגמרת. אין כלים חד-תכליתיים שיושבים בתיקייה ומחכים שיקראו להם.
היתרון ברור: אתם אף פעם לא מחכים שהפרויקט ישחרר אינטגרציה. אם קיים package של Python למה שאתם רוצים, הסוכן יכול להתקין ולהשתמש בו לבד, ולא משנה אם זה package נישתי עם עשרים כוכבים או ספרייה שכולם מכירים. כל מערכת ה-packages של הקוד הפתוח, כל מה שיושב ב-PyPI או ב-npm, הופכת בפועל לארגז הכלים שלו, בלי שאף אחד היה צריך לעטוף את זה מראש כ"כלי" רשמי. בדיוק את זה ראיתם בדוגמת תעודת הסל מתחילת הכתבה: הוא לא מצא פונקציה מוכנה לשליפת מחיר, אז כתב סקריפט, התקין את הספרייה שהייתה חסרה לו, הריץ, נתקל בשגיאה, תיקן, והחזיר את המספר. זה אותו רעיון בלי קסם, כל יכולת חדשה נולדת תוך כדי המשימה במקום להגיע ארוזה מראש.
החיסרון אמיתי בדיוק באותה מידה. framework שכותב קוד טרי בכל הרצה הוא פחות צפוי מ-framework שקורא לאותה פונקציה מאומתת כל פעם מחדש. בבדיקות שלי הסוכן לקח לפעמים מסלול איטי ועקלקל לתוצאה שכלי מובנה היה קולע אליה בקריאה אחת, וכל סטייה כזאת עולה גם בטוקנים וגם בזמן עד שהוא מתכנס. זה המחיר של הגמישות: אתם מקבלים יכולת כמעט אינסופית, אבל משלמים עליה בכך שאף הרצה לא בדיוק זהה לקודמת. לעבודה חקרנית ה-trade-off הזה בסדר גמור, אתם ממילא לא יודעים מראש לאן זה הולך. אבל לקו ייצור (pipeline) שרץ 10,000 פעם ביום, "הוא כותב את הקוד מחדש כל פעם" זה משפט שאמור לעשות לכם קצת חיל בבטן. אל תזרקו את זה ל-production בנפח גבוה רק כי זה מגניב, כי בנפח כזה כל שונות קטנה בין הרצה להרצה הופכת לכאב ראש שחוזר אלף פעם.
"הוא בונה את הכלי, משתמש בכלי, ואז זורק את הכלי. עוצמתי לחקירה, מטריד ל-production."
סוכנים היררכיים: Agent 0 והכפופים לו
Agent Zero הוא לא סוכן יחיד. הוא עץ של סוכנים.
בראש יושב Agent 0, מזוהה לפי agent.number של 0. הממונה עליו הוא אתם, בני האדם. כשמשימה נעשית מורכבת, Agent 0 יכול להקים סוכנים כפופים (ממוספרים 1 ומעלה) באמצעות כלי בשם call_subordinate, למסור לכל אחד תת-משימה ממוקדת, ולאסוף את התוצאות. כל סוכן כפוף שומר היסטוריית הודעות ומצב הרצה משלו, כך שההקשר ברמה העליונה נשאר נקי במקום לטבוע בפרטים.
מתחת למכסה המנוע, ממונה שומר את הכפוף שלו ב-agent.data["_subordinate"] והכפוף שומר את הממונה שלו ב-agent.data["_superior"]. הם חולקים AgentContext אחד אבל מחזיקים scopes נפרדים. אם עבדתם עם צוותים מבוססי תפקידים ב-CrewAI, המטרה מוכרת (פירוק משימות והתמחות), אבל המנגנון פה דינמי יותר ופחות מבוסס תבניות. תכל'ס, היתרון הוא שאתם לא מגדירים מראש את חלוקת העבודה, החיסרון הוא שאתם גם לא תמיד יודעים מראש איך היא תתחלק. למבט מעמיק יותר על מבנה של מערכות רב-סוכניות, ביקורת ה-orchestration של Paperclip שלנו מכסה את הגישה בסגנון חברה לניהול סוכנים.
אבטחה: Docker הוא לא אופציונלי כאן
זה החלק שאני רוצה שתקראו פעמיים.
ל-Agent Zero יש הרצת קוד וטרמינל מלאה. זה המקור לעוצמה שלו וגם לסכנה שלו. הוא יכול לגשת למערכת הקבצים, לשנות נתונים, ולהגיע לרשת. תריצו אותו ישירות על ה-host שלכם, וסוכן מבולבל או עם פרומפט גרוע יכול לעשות נזק אמיתי. הפרויקט אומר את זה בלי כחל ושרק: תריצו אותו בסביבה מבודדת, סוף סיפור.
בגלל זה Docker הוא חובה כאן, לא נוחות. ה-container נותן לסוכן מערכת Linux וירטואלית משלו להשתולל בה, בזמן שה-host שלכם נשאר מחוץ להישג יד. אם הסוכן מוחק קובץ או דורס נתיב בטעות, זה קורה בתוך הקופסה ולא על המחשב שלכם, וזה בדיוק ההבדל בין תקלה משעשעת לבין ערב של שחזור גיבויים. אם אתם חושפים את האינסטנס לרשת, תדליקו אימות בעצמכם: שם משתמש וסיסמה ל-UI, סיסמת root ל-SSH, ולעולם לא לאינטרנט הפתוח בלי שהדברים האלה במקום. הפרויקט לא משאיר את זה לפרשנות, וגם אני לא: אינסטנס עם הרצת קוד מלאה שיושב חשוף בלי אימות הוא בדיוק סוג הדבר שאתם לא רוצים שירוץ בשם שלכם.
שימו לב: קבצים שנכתבים בתוך ה-container נעלמים כשהוא מתאתחל, כי Docker containers הם ארעיים (ephemeral) כברירת מחדל. אם לא תגדירו volume mounts, תאבדו את הקבצים שהסוכן ייצר, ובחלק מההגדרות גם את הזיכרון שלו. זה תפס אותי לא מוכן ביום השני, כשפרויקט שבנוי חצי נעלם אחרי אתחול. תגדירו volumes קבועים לפני שאתם עושים משהו שאכפת לכם ממנו. אם בא לכם טיפול מעמיק יותר באיך סוכנים אמורים לנהל סודות והרשאות בהקמה כזאת, תראו את המדריך שלנו לסודות בגישת zero-knowledge לסוכני AI.
במה Agent Zero באמת טוב
אחרי כמה ימים של משימות אמיתיות, צצה תבנית: Agent Zero זורח כשהמסלול לתשובה לא ידוע מראש.
הוא טיפל בשליפת מחיר מניה על ידי גלישה וכתיבת סקריפט עד שהגיע למספר (דוגמה רשמית אחת מראה אותו מחזיר SPY סביב 593$ בבדיקה). הוא ייצר מסלול טיול מפורט ל-7 ימים, וכתב HTML ו-JavaScript עובדים למשחק קטן שאפשר לשחק בו. אף אחד מאלה לא דרש ממני להתקין ולו אינטגרציה אחת. למען ההגינות, אלה דוגמאות מתועדות, והפרויקט לא מפרסם שיעורי שגיאה, אז תתייחסו לזה כ"הוא מסוגל לעשות את זה" ולא כ"הוא עושה את זה אמין כל פעם מחדש".
תכל'ס, מה שמשותף לשלוש הדוגמאות האלה זה החלק שקל לפספס: אף אחת מהן לא דרשה שמישהו יבנה מראש "כלי בורסה", "כלי תכנון טיולים" או "כלי בניית משחקים". אותו סוכן, עם אותם ארבעה כלים בלבד, ייצר שלוש יכולות שונות לגמרי לפי הצורך של הרגע. בכל framework אחר כל אחת מהמשימות האלה הייתה דורשת אינטגרציה נפרדת או plugin שמישהו טרח לכתוב. כאן בדיוק הגמישות משתלמת: לא בקסם, אלא בכך שהמסלול לתשובה לא צריך להיות ידוע מראש, והסוכן בונה את הדרך תוך כדי הליכה.
היסטוריית השחרורים תומכת בטענת ה"אורגני, צומח". הוא חצה מקו ה-0.9.x לסדרת 1.x יציבה במהלך 2026, ונכון לכתיבת הביקורת התג האחרון הוא v1.20, ששוחרר ב-4 ביוני 2026, כש-v1.18 ו-v1.19 נחתו בשבועות שלפני. השחרורים האחרונים מתמקדים בשלוש חזיתות שחשובות לשימוש אמיתי: יכולת פעולה הדדית עם MCP (כך שכלי AI אחרים יכולים לקרוא ל-Agent Zero ולהפך), תמיכה רחבה יותר במודלים וספקים (Claude, OpenAI, Gemini, Azure, Bedrock), ואיכות הדפדפן וה-UI.
הוא גם באמת טוב יותר מ-RPA מסורתי בדבר אחד: הסתגלות. RPA מבוסס חוקים נשבר ברגע שמבנה אתר משתנה, כי הוא עוקב אחרי צעדים קבועים. מערכת סוכנית כמו זאת קוראת את הדף לפי משמעות ומסתגלת. אם יעדי האוטומציה שלכם כל הזמן זזים, זה שווה הרבה. אם התהליך שלכם יציב ומוגדר היטב, RPA רגיל עדיין זול ומהיר יותר לפריסה, אז אל תשלפו סוכן אוטונומי רק כי זה נשמע מרשים.
איפה Agent Zero נופל
שום כלי לא מרוויח ארבעה כוכבים בזכות היותו מושלם, והפערים כאן שווים שיקראו להם בשמם בריש גלי לפני שאתם משקיעים בו סוף שבוע.
Agent Zero: מה עובד ומה לא
מה עובד
- יצירת כלים דינמית נותנת הרחבה כמעט אינסופית בלי לחכות לעדכוני plugin
- רק 4 כלים בברירת מחדל ללמוד, אז המודל המנטלי של הליבה קטן ונקי
- סוכנים היררכיים (Agent 0 פלוס כפופים) שומרים משימות מורכבות מפורקות ואת ההקשר מסודר
- בידוד Docker הופך הרצת קוד מסוכנת לבטוחה יותר באמת מחלופות שרצות ישירות על המכונה
- קצב שחרורים מהיר: חצה לקו v1.x יציב, כש-v1.20 משתחרר ב-4 ביוני 2026
- חינמי וקוד פתוח, עם בערך 18,100 כוכבים ב-GitHub וקהילת Discord פעילה
- כיסוי חזק של מודלים וספקים (Claude, OpenAI, Gemini, Azure, Bedrock) פלוס תמיכת MCP שגדלה
- מסתגל לאתרים משתנים ולנתונים מבולגנים הרבה יותר טוב מ-RPA מבוסס חוקים
מה לא
- כתיבת קוד טרי בכל הרצה פחות צפויה מקריאה לכלים מאומתים ומובנים
- containers ארעיים: קבצים וזיכרון נעלמים באתחול אלא אם הגדרתם volume mounts
- ההתקנה לא ידידותית למתחילים: תצפו להיתקל בלפחות 2 בעיות בהתקנה הראשונה
- החוויה נשענת על CLI וטרמינל, אז זה מרגיש יותר כמו לתת פקודות מאשר לדבר
- התיעוד השתפר אבל עדיין יש בו חורים סביב מקרי קצה והודעות שגיאה
- יכול לרוץ לאט על מודלים מקומיים או תחת מגבלות משאבים הדוקות של Docker
- החלפת מודל ה-embedding מאנדקסת מחדש את כל הזיכרונות, מה שיכול להישבר אם שמרתם אלפים
- זרם קבוע של issues ו-PRs לתיקון באגים מראה שהוא עדיין מתבגר תחת עומס
הנקודה האחרונה הזאת ראויה לכנות. היסטוריית ה-issues וה-pull requests מראה לא מעט באגים תפעוליים שמתוקנים: לולאות תקועות, מוזרויות ב-scheduler, שבירות UI, שגיאות אינטגרציה. זה נורמלי לפרויקט שזז במהירות כזאת, אבל זה מספר לכם את רמת הבשלות. תאמצו את זה בעיניים פקוחות, לא כמשהו שאתם מוסרים לחבר צוות לא-טכני והולכים הביתה.
Agent Zero מול LangGraph, CrewAI, וערימת מיקרוסופט
מרחב ה-frameworks לסוכנים ב-2026 התמיין לנתיבים ברורים, ו-Agent Zero יושב בנתיב שונה מהמובילים הארגוניים.
| Framework | הכי טוב ל- | כלים | אות פרודקשן |
|---|---|---|---|
| Agent Zero | משימות פתוחות וחקרניות | 4 בברירת מחדל, השאר נוצרים דינמית | בערך 18,100 כוכבים; v1.x שזז מהר |
| LangGraph | זרימות פרודקשן מורכבות ודטרמיניסטיות | graph nodes עם מצב, הרבה אינטגרציות | בפרודקשן ב-Klarna, Uber, LinkedIn, ועוד 400+ חברות |
| CrewAI | זרימות צוות מבוססות תפקידים | הרבה כלים מובנים, קונפיג ב-YAML | מצוטט ב-60% מ-Fortune 500 (טענה ממקור יחיד) |
| Microsoft Agent Framework | ארגוני Azure ו-.NET | הרבה; רב-שפתי (C#, Python, Java) | הגיע ל-v1.0 GA באפריל 2026; AutoGen כעת בתחזוקה |
הערת רעננות אחת שחשובה: כשהמחקר הזה התחיל, מיקרוסופט רק תכננו framework מאוחד. מאז הם שחררו. מיקרוסופט מיזגו את AutoGen ואת Semantic Kernel ל-Microsoft Agent Framework, שהגיע לזמינות כללית בגרסה 1.0 באפריל 2026, ו-AutoGen עבר למצב תחזוקה. אם חיכיתם לאופציה של מיקרוסופט, ההמתנה נגמרה.
הסיכום הכן הוא כזה. LangGraph ו-CrewAI מנצחים כשאתם צריכים שליטה, יכולת ביקורת, והתנהגות צפויה בקנה מידה. Agent Zero מנצח כשהמשימה מעורפלת, המסלול לא ידוע, ואתם רוצים סוכן שמבין לבד אילו כלים הוא צריך. הם לא באמת מתחרים על אותה עבודה. כדי לראות איך שני מודלי דגל משתווים לעבודת סוכנים, ההשוואה בין Kimi K2.5 ל-Claude שלנו מכסה איפה המודל הזול מחזיק מעמד.
טיפ: אל תריצו Agent Zero ו-LangGraph ב"דו-קרב" ותבחרו אחד מהם, כי זה הוויכוח הלא נכון. הרבה צוותים משתמשים ב-LangGraph בתור עמוד השדרה הדטרמיניסטי, ושולפים סוכן אוטונומי כמו Agent Zero רק לשלבי חקירה מבולגנים וחד-פעמיים. להתייחס אליהם כמשלימים במקום כיריבים חוסך מכם לדחוף את הכלי הלא נכון למשימה הלא נכונה.
למי כדאי להשתמש ב-Agent Zero
ההמלצה שלנו
תשתמשו ב-Agent Zero אם: אתם מריצים משימות פתוחות וחקרניות (מחקר, עיבוד נתונים, אבות טיפוס, בדיקות אבטחה) שבהן אתם לא יכולים לחזות אילו כלים תצטרכו, ונוח לכם לעבוד בטרמינל עם Docker. יצירת הכלים הדינמית משתלמת הכי מהר כאן.
תבחרו ב-CrewAI אם: העבודה שלכם מתאימה לזרימות צוות נקיות מבוססות תפקידים, ואתם רוצים פריסה מהירה מונחית קונפיגורציה עם התנהגות צפויה. הוא ידידותי יותר ביום הראשון.
תבחרו ב-LangGraph אם: אתם צריכים אמינות ברמת פרודקשן, שליטה דטרמיניסטית, ויכולת ביקורת צעד אחרי צעד למערכת שרצה בקנה מידה. זאת הבחירה הארגונית הבטוחה.
תחכו או תחפשו במקום אחר אם: אתם צריכים UI מלוטש ושיחתי כבר היום, אין לכם זמן להשקיע בהתקנה, או שאתם פורסים לסביבה רגולטורית שדורשת התנהגות מאושרת וצפויה. Agent Zero עוצמתי אבל עדיין מחוספס בקצוות.
איך מתחילים בערך ב-15 דקות
ההתקנה היא נקודת החיכוך, אז תתכננו אותה. המסלול האמין הכי מהיר הוא ה-Docker image הרשמי ולא התקנת Python ידנית. הזרימה בפועל קצרה: תמשכו את ה-image עם docker pull, תריצו את ה-container עם docker run ומיפוי פורט, ותפתחו את ה-web UI שהוא חושף ב-localhost. שלוש פקודות, ובערך 8 דקות מהרגע שהורדתם את ה-image ועד שהממשק עלה אצלי.
שתי טעויות חזרו אצלי שוב ושוב, אז תחסכו אותן: ראשית, אל תדלגו על דגל ה-volume בפקודת ה-run, כי בלעדיו כל מה שהסוכן יוצר נמחק באתחול הבא. שנית, אל תפתחו את הפורט החוצה לפני שהגדרתם סיסמה, כי אינסטנס פתוח הוא הזמנה פתוחה לכל סורק.
אחרי שהוא עלה, תכניסו את מפתח ה-API של ה-LLM (Claude, OpenAI, Gemini, או מודל מקומי דרך Ollama), ותתנו לו משימה ראשונה קטנה כדי לוודא שהכל מדבר. לפני שאתם עושים משהו שאכפת לכם ממנו, תגדירו volume mount קבוע כדי שהקבצים והזיכרון ישרדו אתחולים, ואם אתם חושפים את ה-UI מעבר ל-localhost, תדליקו אימות מיד.
שימו לב: תתקצבו חיכוך להרצה הראשונה. הפרויקט עצמו מציין ש"כדאי לצפות להיתקל בלפחות 2 בעיות בהתקנה הראשונה". רוב שלי היו בעיות תלויות ומשאבי Docker, לא ה-framework עצמו. תנו לזה אחר צהריים נינוח, לא 20 דקות חפוזות בין שתי פגישות.
שאלות נפוצות
האם Agent Zero חינמי לשימוש?
כן. Agent Zero הוא קוד פתוח וחינמי להורדה והרצה. העלויות היחידות שלכם הן קריאות ה-API ל-LLM שהוא מבצע (Claude, OpenAI, Gemini וכן הלאה) או החומרה להרצת מודל מקומי. אירוח עצמי עם מודל מקומי יכול להוריד את עלות ההרצה קרוב לאפס, בעוד שימוש כבד במודלי ענן פרימיום יעלה יותר.
כמה כלים יש ל-Agent Zero?
הוא מגיע עם בדיוק 4 כלים כברירת מחדל: חיפוש ברשת, זיכרון, תקשורת, והרצת קוד וטרמינל. כל השאר נוצר דינמית. במקום לארוז עשרות אינטגרציות מובנות, הסוכן כותב את הקוד שלו בטרמינל כדי ליצור כל יכולת שמשימה דורשת.
האם בטוח להריץ את Agent Zero?
רק בתוך בידוד. כיוון ש-Agent Zero מריץ קוד ופקודות טרמינל עם גישה אמיתית למערכת, להריץ אותו ישירות על מכונת ה-host שלכם זה מסוכן. הפרויקט מתייחס לבידוד Docker כחובה. תריצו אותו ב-container, תדליקו אימות אם אתם חושפים אותו, ותגדירו סיסמת root. בדרך הזאת הוא בטוח באופן סביר לשימוש יחיד וצוותי.
Agent Zero מול CrewAI: במה לבחור?
תבחרו ב-CrewAI לזרימות צוות מובנות ומבוססות תפקידים שאתם יכולים להגדיר מראש, עם התקנה מהירה יותר והתנהגות צפויה יותר. תבחרו ב-Agent Zero למשימות פתוחות וחקרניות שבהן אתם לא יכולים לדעת מראש אילו כלים תצטרכו ואתם רוצים שהסוכן יבנה אותם בעצמו. CrewAI קל יותר ביום הראשון; Agent Zero גמיש יותר לאורך זמן.
מה הגרסה האחרונה של Agent Zero?
נכון לביקורת הזאת מיוני 2026, הגרסה האחרונה היא v1.20, שפורסמה ב-4 ביוני 2026. הפרויקט חצה מקו ה-0.9.x לסדרת 1.x יציבה מוקדם יותר ב-2026, ומשחרר גרסאות חדשות בתדירות גבוהה, כשהעבודה האחרונה מתמקדת ביכולת פעולה הדדית עם MCP, תמיכה במודלים וספקים, ואיכות הדפדפן וה-UI.
השורה התחתונה
Agent Zero הוא התשובה הכי מעניינת שראיתי לשאלה אמיתית: מה אם סוכן בכלל לא צריך כלים מובנים? המינימליזם של ארבעה כלים פלוס יצירת קוד דינמית הוא לא גימיק. הוא מסיר את בעיית ה"לחכות לאינטגרציה" שמאטה כל framework אחר, ולראות אותו בונה כלי, משתמש בו, וזורק אותו גורם לכם לחשוב מחדש איך סוכנים אמורים לעבוד.
אבל "מעניין" ו"מוכן לקו הייצור שלכם" הם שני משפטים שונים. זאת תוכנת v1.x שזזה מהר, מתקנת המון באגים בפומבי, נשענת על הטרמינל, ודורשת משמעת Docker שאי אפשר לדלג עליה. הבלתי צפוי שהופך אותה למבריקה לחקירה הוא בדיוק מה שהופך אותה למסוכנת לזרימות עבודה מבוקרות בנפח גבוה.
אז הנה הצעד הבא שלכם, לא סיכום. אם העבודה שלכם חקרנית ונוח לכם בטרמינל, תרימו את ה-Docker image בסוף השבוע הזה ותתנו לו שלוש משימות אמיתיות שהייתם בדרך כלל מקודדים ביד. תדעו תוך ערב אחד אם גישת בנה-את-הכלים-של-עצמך עושה לכם קליק. אם אתם צריכים התנהגות צפויה ובת ביקורת בקנה מידה, תתחילו עם framework ממוקד פרודקשן כמו LangGraph או CrewAI במקום, ותחזרו ל-Agent Zero ברבעון הבא. כך או כך, שווה לשמור עליו על הרדאר. אז מה יהיו שלוש המשימות הראשונות שתזרקו עליו, ותוך כמה זמן תדעו אם הוא בפנים או בחוץ?
