Разработчик представил Dulus — легковесную Python-реализацию Claude Code, которая не привязана к одному провайдеру. Инструмент поддерживает более 100 бэкендов через LiteLLM, локальные модели через Ollama и включает более 2000 серверов MCP, предоставляя универсальный доступ к AI через CLI, Web, GUI и Telegram.
Что произошло
Был представлен open-source фреймворк Dulus, который выступает в роли мультимодального AI-агента. Проект поддерживает интеграцию с множеством провайдеров через LiteLLM, работу с локальными моделями через Ollama и обладает встроенными функциями, такими как голосовой ввод Whisper, OCR и многоагентные системы (sub-agents). Инструмент работает через различные интерфейсы: терминал (CLI), веб-интерфейс, графический интерфейс (GUI) и Telegram.
Контекст
Dulus решает проблему vendor lock-in, позволяя пользователям переключаться между коммерческими API (такими как Claude или GPT) и локальными решениями без переписывания кода. Масштабируемость системы обеспечивается поддержкой протокола Model Context Protocol (MCP), что превращает инструмент в полноценную операционную среду для агентов с доступом к огромной экосистеме инструментов.
Почему это важно для индустрии
Проект демонстрирует ключевой тренд на децентрализацию и мультимодальность AI-агентов. Он предоставляет разработчикам готовый архитектурный скелет для создания сложных агентских систем с поддержкой голоса и зрения, снижая порог входа и уменьшая зависимость от закрытых экосистем крупных вендоров.
Почему это важно для пользователей
Пользователи могут использовать Dulus как мощного персонального кодинг-агента, интегрированного в привычные рабочие процессы через CLI или Telegram. Благодаря поддержке локальных моделей через Ollama или NVIDIA NIM, можно использовать продвинутые функции без необходимости постоянной оплаты облачных API-ключей, сохраняя при этом высокий уровень приватности.
Что пока неизвестно / ограничения
На текущем этапе проект находится в стадии разработки одним разработчиком, из-за чего отсутствуют официальные бенчмарки. Корпоративным пользователям и ML-инженерам следует проявлять осторожность и проводить аудит безопасности, особенно в вопросах исполнения кода в sandbox.
Источники
Автор
Look at AI, редакция