![\"\"](\"https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2026-10-11-v-20.13.47.png\")
\n<\/div>\nКлючевые особенности:<\/b><\/p>\n Каждое действие требует вашего подтверждения — это zero-trust архитектура, при которой код не покидает вашу машину. Cline распространяется под лицензией Apache 2.0 и недавно преодолел отметку в 5 миллионов установок.<\/p>\n Continue — это open-source AI-ассистент, построенный вокруг чата, inline-правок и автодополнения. Здесь человек остаётся за рулём: модель помогает, но не берёт управление на себя.<\/p>\n Ключевые особенности:<\/b><\/p>\n Continue — это middleware между редактором и LLM: расширение не поставляет собственную модель, а маршрутизирует запросы к тому провайдеру, который вы укажете. Проект поддерживает VS Code, JetBrains и Neovim, а его кодовая база остаётся открытой.<\/p>\n Если коротко: Cline<\/b> лучше подходит для крупных механических задач — массовых рефакторингов, скаффолдинга, повторяющихся правок. Continue<\/b> — для быстрой помощи в потоке, когда вы не хотите, чтобы модель «убегала вперёд».<\/p>\n Большинство разработчиков используют оба инструмента, переключаясь в зависимости от задачи.<\/p>\n Стоит упомянуть и о третьем игроке — Hermes<\/b>. Это open-source AI-агент, который работает по протоколу Agent Client Protocol (ACP) и может быть подключён к VS Code, Zed или JetBrains через отдельное расширение ACP Client. Hermes CLI запускается как локальный подпроцесс, без облачного прокси, а расширение для VS Code стримит чат, выполняет инструменты и управляет сессиями. Главное отличие Hermes от Cline и Continue в том, что это не самостоятельное расширение с собственным интерфейсом, а агентный рантайм, который подключается к IDE через стандартизированный протокол. Подробнее о нём — в отдельной статье.<\/p>\n Установка:<\/b><\/p>\n Подключение провайдера:<\/b><\/p>\n Откройте настройки Cline и выберите провайдера. Можно использовать Cline Provider (pay-as-you-go), ClinePass (подписка) или подключить собственный API-ключ от Anthropic, OpenAI, OpenRouter или любого OpenAI-совместимого сервиса.<\/p>\n Установка:<\/b><\/p>\n Настройка:<\/b><\/p>\n При первом запуске Continue предложит мастер настройки. Конфигурация хранится в файле `~\/.continue\/config.yaml` (macOS\/Linux) или `%USERPROFILE%\\.continue\\config.yaml` (Windows). Открыть его можно из панели Continue: нажмите на иконку шестерёнки рядом с выпадающим списком моделей.<\/p>\n Если у вас остался старый `config.json`, его можно мигрировать в YAML — при наличии `config.yaml` расширение загрузит именно его.<\/p>\n Одно из главных преимуществ Continue — возможность подключить любую модель через OpenAI-совместимый API. Вот пример конфигурации для подключения модели через прокси-сервис:<\/p>\n Ключевые моменты:<\/b><\/p>\n MCP (Model Context Protocol) — это стандарт, позволяющий подключать к агенту внешние инструменты: базы данных, API, системы управления задачами. Оба инструмента поддерживают MCP, но конфигурируются по-разному.<\/p>\n Файл конфигурации: `cline_mcp_settings.json`. Открыть его можно через панель Cline: нажмите на иконку MCP Servers<\/b>, перейдите на вкладку Configure<\/b> и нажмите Configure MCP Servers<\/b>.<\/p>\n Пример подключения локального MCP-сервера:<\/p>\n Для удалённых серверов используйте `“type”: “streamableHttp”` и поле `“url”`.<\/p>\n MCP-серверы добавляются в тот же `config.yaml`, где настраиваются модели, либо в отдельные файлы в папке `.continue\/mcpServers\/`.<\/p>\n Пример:<\/p>\n После сохранения конфигурации полностью перезапустите VS Code<\/b> — оба расширения подхватывают MCP-серверы только при старте.<\/p>\n Trino — это распределённый SQL-движок для аналитических запросов к большим данным. Подключение MCP-сервера для Trino даёт AI-агенту возможность исследовать каталоги, выполнять запросы и анализировать планы выполнения прямо из чата. Для Trino существует несколько MCP-серверов, которые можно разделить на две категории: легковесные Python-серверы и высокопроизводительные Go-серверы.<\/p>\n `trino-mcp`<\/b> — самый функциональный и простой в настройке Python-сервер, который хорошо подходит для большинства задач. Поддерживает OAuth2 и Basic Auth, по умолчанию разрешает только `SELECT`-запросы (для записи нужно явно установить `ALLOW_WRITE_QUERIES=true`), автоматически добавляет комментарии в запросы с именем пользователя для аудита, а также умеет экспортировать результаты в JSON или CSV.<\/p>\n Установка через `uvx`:<\/p>\n Пример конфигурации для Continue:<\/p>\n `alaturqua\/mcp-trino-python`<\/b> — сервер, ориентированный на работу с Trino и Iceberg. Предоставляет расширенные возможности для исследования данных и обслуживания таблиц Iceberg, поддерживает три режима транспорта (`stdio`, `streamable-http`, `sse`) и имеет готовый `Dockerfile` для быстрого развёртывания.<\/p>\n `txn2\/mcp-trino`<\/b> — это, пожалуй, самый мощный и функциональный MCP-сервер для Trino. Он даёт AI-ассистентам безопасный, структурированный доступ к Trino и любым Trino-совместимым движкам. По умолчанию работает в режиме только для чтения, поддерживает ограничения на количество строк и таймауты запросов, а также имеет опциональный семантический слой для отображения бизнес-описаний, владельцев и маркеров чувствительности данных из DataHub или других каталогов метаданных.<\/p>\n Ключевые особенности:<\/b><\/p>\n Установка через Homebrew:<\/p>\n Пример конфигурации для Cline:<\/p>\n Пример конфигурации для Continue:<\/p>\n Важные параметры `mcp-trino`:<\/b><\/p>\n Модель не появляется в Continue после добавления в конфиг.<\/b> Кнопки Plan и Act неактивны.<\/b> Ошибка `401 status code (no body)`.<\/b> MCP-сервер не подключается с ошибкой `invalid URL escape “%2F”`.<\/b> Модель зависает после долгих раздумий в Agent mode.<\/b> Cline и Continue решают разные задачи, и это их главное достоинство. Cline — это автономный агент, которому можно делегировать крупные задачи и вернуться к готовому результату. Continue — это ассистент, который помогает здесь и сейчас, не забирая контроль.<\/p>\n Оба инструмента бесплатны, оба поддерживают MCP и работают с любой моделью. С помощью MCP-серверов, таких как `txn2\/mcp-trino`, вы можете подключить к агенту Trino и работать с данными прямо из чата — без переключения между окнами и ручного написания запросов.<\/p>\n Начните с того инструмента, который ближе к вашему стилю работы, — а когда освоитесь, попробуйте второй. Большинство разработчиков в итоге используют оба.<\/p>\n",
"date_published": "2026-10-11T20:16:12+03:00",
"date_modified": "2026-10-11T20:14:32+03:00",
"tags": [
"Agents",
"AI",
"MCP",
"Trino"
],
"image": "https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2026-10-11-v-20.13.47.png",
"_date_published_rfc2822": "Sun, 11 Oct 2026 20:16:12 +0300",
"_rss_guid_is_permalink": "false",
"_rss_guid": "360",
"_rss_enclosures": [],
"_e2_data": {
"is_favourite": false,
"links_required": [
"highlight\/highlight.js",
"highlight\/highlight.css"
],
"og_images": [
"https:\/\/gavrilov.info\/pictures\/Snimok-ekrana-2026-10-11-v-20.13.47.png",
"https:\/\/gavrilov.info\/pictures\/image-246.png"
]
}
},
{
"id": "303",
"url": "https:\/\/gavrilov.info\/all\/ii-v-2025-godu-chemu-nas-nauchili-100-trillionov-tokenov\/",
"title": "ИИ в 2025 году: Чему нас научили 100 триллионов токенов?",
"content_html": " Как на самом деле мир использует искусственный интеллект: от смерти чат-ботов к рождению агентов<\/b><\/p>\n Долгое время наше понимание того, как люди используют нейросети, строилось на опросах и догадках. Компания OpenRouter провела масштабное эмпирическое исследование, проанализировав 100 триллионов токенов<\/b> (единиц информации), прошедших через их платформу за последний год (по декабрь 2025). Эти данные рисуют картину, кардинально отличающуюся от маркетинговых обещаний техногигантов.<\/p>\n Вот небольшой обзор того, как изменился ландшафт ИИ.<\/p>\n\n
\nContinue: ассистент, который остаётся в потоке<\/h3>\n
![\"\"](\"https:\/\/gavrilov.info\/pictures\/image-246.png\")
\n<\/div>\n\n
\nСравнение: что выбрать<\/h3>\n
\n
\n Характеристика<\/td>\n Cline<\/td>\n Continue<\/td>\n<\/tr>\n \n Философия<\/b><\/td>\n Автономный агент — модель владеет циклом<\/td>\n Ассистент — человек владеет циклом<\/td>\n<\/tr>\n \n Лицензия<\/b><\/td>\n Apache 2.0<\/td>\n Open source<\/td>\n<\/tr>\n \n Автодополнение<\/b><\/td>\n Нет<\/td>\n Да (inline-подсказки)<\/td>\n<\/tr>\n \n Агентный режим<\/b><\/td>\n Plan\/Act с подтверждением каждого шага<\/td>\n Есть, но вторичен<\/td>\n<\/tr>\n \n MCP<\/b><\/td>\n Полная поддержка<\/td>\n Полная поддержка<\/td>\n<\/tr>\n \n Конфигурация<\/b><\/td>\n `cline_mcp_settings.json` (JSON)<\/td>\n `config.yaml` (YAML)<\/td>\n<\/tr>\n \n Установок<\/b><\/td>\n 5M+<\/td>\n Данные не раскрыты<\/td>\n<\/tr>\n<\/table>\n
\nУстановка и базовая настройка<\/h3>\n
Cline<\/h4>\n
\n
Continue<\/h4>\n
\n
\nНастройка кастомной модели в Continue<\/h3>\n
name: My Config\nversion: 1.0.0\nschema: v1\n\nmodels:\n - name: GLM 5.3 Flash via Proxy\n provider: openai\n model: z-ai\/glm-5.3-flash\n apiBase: https:\/\/your-proxy-host.example.com\/v1\n apiKey: ${{ secrets.PROXY_API_KEY }}\n roles:\n - chat\n - edit\n - apply\n defaultCompletionOptions:\n temperature: 0.7\n maxTokens: 4096\n capabilities:\n - tool_use<\/code><\/pre>\n
\nНастройка MCP-серверов<\/h3>\n
Cline<\/h4>\n
{\n "mcpServers": {\n "trino": {\n "command": "mcp-trino",\n "args": [],\n "env": {\n "TRINO_HOST": "192.168.3.81",\n "TRINO_PORT": "8080",\n "TRINO_USER": "trino",\n "TRINO_PASSWORD": "",\n "TRINO_CATALOG": "tpcds",\n "TRINO_SCHEMA": "sf10",\n "TRINO_SSL": "false",\n "TRINO_SCHEME": "http"\n },\n "disabled": false,\n "alwaysAllow": []\n }\n }\n}<\/code><\/pre>Continue<\/h4>\n
mcpServers:\n - name: Trino\n command: mcp-trino\n env:\n TRINO_HOST: "192.168.3.81"\n TRINO_PORT: "8080"\n TRINO_USER: "trino"\n TRINO_PASSWORD: ""\n TRINO_CATALOG: "tpcds"\n TRINO_SCHEMA: "sf10"\n TRINO_SSL: "false"\n TRINO_SCHEME: "http"<\/code><\/pre>
\nMCP-серверы для Trino: что выбрать<\/h3>\n
Python-серверы (быстрый старт)<\/h4>\n
uvx trino-mcp<\/code><\/pre>mcpServers:\n - name: Trino\n command: uvx\n args:\n - "trino-mcp"\n env:\n TRINO_HOST: "your-trino-host"\n TRINO_PORT: "8080"\n TRINO_USER: "your-user"<\/code><\/pre>Go-серверы (для продакшена)<\/h4>\n
\n
brew install txn2\/tap\/mcp-trino<\/code><\/pre>{\n "mcpServers": {\n "trino": {\n "command": "mcp-trino",\n "args": [],\n "env": {\n "TRINO_HOST": "your-trino-host",\n "TRINO_PORT": "8080",\n "TRINO_USER": "trino",\n "TRINO_PASSWORD": "",\n "TRINO_CATALOG": "hive",\n "TRINO_SCHEMA": "default",\n "TRINO_SSL": "false",\n "TRINO_SCHEME": "http"\n },\n "disabled": false,\n "alwaysAllow": []\n }\n }\n}<\/code><\/pre>mcpServers:\n - name: Trino\n command: mcp-trino\n env:\n TRINO_HOST: "your-trino-host"\n TRINO_PORT: "8080"\n TRINO_USER: "trino"\n TRINO_PASSWORD: ""\n TRINO_CATALOG: "hive"\n TRINO_SCHEMA: "default"\n TRINO_SSL: "false"\n TRINO_SCHEME: "http"<\/code><\/pre>\n
Что выбрать?<\/h4>\n
\n
\nТипичные проблемы и их решения<\/h3>\n
\nПроверьте, что файл `.env` существует и лежит в той же папке, что `config.yaml`. Имя переменной в `.env` должно точно совпадать с именем в `${{ secrets.ИМЯ }}`.<\/p>\n
\nДобавьте `capabilities: [tool_use]` в блок модели. Без этой способности Continue блокирует агентные режимы.<\/p>\n
\nКлюч API не распознан. Проверьте, что `apiBase` заканчивается на `\/v1`, ключ действителен и имеет положительный баланс.<\/p>\n
\nСервер пытается использовать HTTPS, хотя Trino работает по HTTP. Добавьте `TRINO_SSL: “false”` и `TRINO_SCHEME: “http”` в переменные окружения MCP-сервера.<\/p>\n
\nСкорее всего, прокси-сервис не передаёт `tool_calls` в потоковом режиме. Проверьте это через `curl` с `“stream”: true` и имитацией вызова инструмента. Если `tool_calls` в потоке нет — попробуйте отключить стриминг через `config.json` или использовать модель с нативной поддержкой function calling.<\/p>\n
\nЗаключение<\/h3>\n
![\"\"](\"https:\/\/gavrilov.info\/pictures\/AI_Agents.png\")
\n<\/div>\n