לדלג לתוכן

5.3 סוכני CLI אחרים הרצאה

Claude Code הוא לא agent הטרמינל היחיד בעולם. תוך זמן קצר אחרי שקטגוריית "agents CLI" הפכה לזרם מרכזי בפיתוח תוכנה, כמעט כל חברת AI גדולה השיקה tool מקביל, ולצדם צמחו גם tools בקוד פתוח שמקדימים אפילו את הגל הזה. בהרצאה הזו נסקור את השחקנים המרכזיים - OpenAI Codex CLI, Gemini CLI של Google, ו-aider - נבין איך הם דומים ואיך הם שונים מ-Claude Code, ולמה שווה להכיר יותר מtool אחד גם אם Claude Code הוא הtool המרכזי שלכם.

למה בכלל יש כמה agents CLI - the shape of the category

כל agents ה-CLI פותרים את אותה בעיה בסיסית: לתת למודל שפה גישה ישירה למערכת הקבצים ולמעטפת, כדי שיוכל לקרוא קוד, לכתוב קוד, ולהריץ פקודות - קומפילציה, טסטים, git - בתוך לולאה אוטונומית. הארכיטקטורה הכללית דומה בכולם: קלט משפה טבעית, תכנון פנימי, שימוש בtools (קריאת קובץ, כתיבת קובץ, הרצת פקודה), ולולאה שחוזרת על עצמה עד שהמשימה הושלמה או שהמודל עוצר לבקש אישור.

מה שמשתנה בין הtools הוא: איזה מודל מריצים מתחת למכסה המנוע, איך מנוהלות ההרשאות וההרצה, עד כמה הtool פתוח להרחבה, מודל התמחור, ואיכות ההתנהגות בפועל על משימות תכנות אמיתיות. אלה בדיוק הצירים שנשווה בהם.

Common to all CLI agents:
Natural input -> planning -> tool use (read/write/run) -> loop until done

What differs:
Model under the hood | permissions policy | openness to extension | pricing | real-world maturity

OpenAI Codex CLI

Codex CLI הוא agent הטרמינל של OpenAI, מריץ מודלים מותאמים למשימות תכנות. מבחינת חוויית שימוש הוא מזכיר את הזרימה שלמדתם ב-Claude Code: מתקינים, מריצים פקודה בתיקיית הפרויקט, נותנים משימה בשפה טבעית, והagent קורא קבצים, מציע שינויים ומריץ פקודות.

נקודות שווה להכיר:
- יש לו מדיניות אישורים (approvals) שדומה במהות למודל ההרשאות של Claude Code שלמדנו בפרק 2.3 - אפשר לבחור רמת אוטונומיה, מהצבעה על כל פעולה ועד הרצה חופשית יחסית בתוך סביבה מבודדת.
- יש אפשרות להרצה בסביבת ארגז חול (sandbox) מבודדת, כדי להגביל את הנזק האפשרי אם הagent טועה או מקבל הוראה עוינת.
- זהו tool שמפותח על ידי אותה חברה שמפתחת את מודלי GPT, כך שבדרך כלל הוא מקבל גישה מוקדמת לשיפורים במודלים המתמחים בקוד מבית OpenAI.

מבחינת חוויית עבודה, ההבדלים מ-Claude Code הם בעיקר בפרטי המימוש של ניהול ההרשאות, באיכות ובסגנון של המודל שמריץ אותו, ובמידת הבשלות של מנגנוני ההרחבה (כמו MCP, skills מותאמות, וsub-agents) שלמדנו בפרקים 4 ו-6 של הקורס הזה.

מבחינה ארגונית, צוותים שכבר משתמשים בtools אחרים של OpenAI (כמו ChatGPT Enterprise) לפעמים מוצאים ש-Codex CLI משתלב טבעי יותר בתהליכי האישור והרכש הקיימים אצלם, פשוט כי הוא מגיע מאותו ספק שכבר עבר בדיקות אבטחה וחוזה ארגוני. זה שיקול פרקטי אמיתי שלא תמיד קשור לאיכות הtool עצמו.

Gemini CLI

Gemini CLI הוא agent הטרמינל של Google, מריץ את משפחת מודלי Gemini. הוא בקוד פתוח, מה שמאפשר לקהילה לתרום, לבדוק ולהרחיב אותו ישירות, וזה יתרון ממשי מבחינת שקיפות לעומת tools סגורים.

נקודות שווה להכיר:
- אינטגרציה טבעית עם מוצרי Google - tools שמריצים משימות שנוגעות בענן של Google, או שרוצים להשתמש בcontext הרחב שיש למודלי Gemini (למשל context window ארוך מאוד), ימצאו כאן זרימה נוחה.
- לרוב יש שכבת שימוש חינמית נדיבה יחסית, מה שהופך אותו לנקודת כניסה נגישה למי שרוצה להתנסות בagent CLI בלי מחויבות כספית.
- בהיותו קוד פתוח, קל יותר להבין בדיוק מה קורה "מתחת למכסה המנוע" - איך נבנה הפרומפט למערכת, איך מנוהלת הרשאה, ואיך ממומשים הtools.
- הcontext window גדול במיוחד - מודלי Gemini ידועים בcontext windows ארוכים יחסית לשוק, מה שיכול להיות יתרון אמיתי כשעובדים על repository ענק שצריך "להכניס" ממנו הרבה קוד בבת אחת לתוך שיחה אחת, בלי להסתמך רק על חיפוש ממוקד.

aider

aider שונה במהות מהשניים הקודמים - הוא לא מוצר של חברת מודל גדולה, אלא tool קוד פתוח, ותיק יחסית בקטגוריה (קדם בהרבה את הגל הנוכחי של agents "מלאים"), שמתמקד בזוגיות תכנות - pair programming - מונחית git.

מה שמייחד את aider:
- אגנוסטי למודל - במקום להיות קשור לספק אחד, aider מאפשר לחבר כל מודל שיש לו API, כולל מודלי Claude, מודלי OpenAI, ואפילו מודלים מקומיים. זה הופך אותו לtool גמיש למי שרוצה לבחור מודל לפי משימה או עלות, בלי להתחייב לספק יחיד.
- מרכזיות ה-diff וה-git - aider בנוי סביב הרעיון שכל שינוי מוצג כ-diff ברור, וכל שינוי נשמר כקומיט נפרד ב-git עם הודעת קומיט אוטומטית. זה נותן שקיפות גבוהה ומעקב היסטורי טבעי - קל לחזור אחורה לכל שלב.
- פחות אוטונומי מטבעו - aider נוטה להיות מדויק וממוקד יותר בעריכות מבוקשות, ופחות "משוחרר" לרוץ עצמאית על משימות ארוכות עם הרצת פקודות מרובות בלי מעורבות. זה יתרון כשרוצים שליטה הדוקה, וחיסרון כשרוצים אוטונומיה מלאה על משימה ארוכה.
- קליל ומהיר להתקנה - tool פייתון פשוט להתקנה, בלי תלות בתשתית כבדה, מה שהופך אותו לפופולרי גם בסביבות מינימליסטיות.

# A typical workflow example with aider
aider --model claude-sonnet-5
> Add validation to the email field in the signup form
# aider shows a diff, asks for approval, and generates an automatic git commit

מעבר בין tools - what actually transfers

חדשות טובות: רוב הskills שלמדתם עד כה בקורס הזה לא ספציפיות ל-Claude Code. פירוק משימה לצעדים ברורים, כתיבת פרומפט מדויק עם context מספיק (פרק 2), עבודה במצב תכנון לפני ביצוע (פרק 2.4), אימות תוצאה במקום קבלה עיוורת (פרק 3.6), וניהול קובץ context קבוע לפרויקט (פרק 2.5) - כל אלה עקרונות כלליים שעובדים מול כל agent CLI, כי הם נובעים מהאופי הבסיסי של עבודה עם מודל שפה, לא ממימוש ספציפי.

מה שכן משתנה בין הtools ודורש התאמה:

  • תחביר הפקודה ודגלי ההרצה. כל tool מותקן ומופעל קצת אחרת, ויש ללמוד את הפקודות הבסיסיות שלו (התקנה, הפעלה, בחירת מודל, הגדרת רמת אוטונומיה).
  • מיקום ופורמט קובץ הcontext. מה ש-CLAUDE.md עושה ל-Claude Code, יש לו מקבילות בtools אחרים (לפעמים בשם אחר, לפעמים בפורמט אחר) - חשוב לבדוק את התיעוד הרשמי של כל tool כדי למצוא את המקבילה.
  • מנגנון האישורים הספציפי. לכל tool יש דרך משלו לבקש אישור לפני פעולה מסוכנת (הרצת פקודה, מחיקת קובץ) - חשוב להבין אותה לפני שסומכים על הtool במשימה רגישה.
  • איכות והתנהגות המודל. מודלים שונים "מרגישים" אחרת בעבודה בפועל - חלקם נוטים ליזום יותר בדיקות עצמאיות, חלקם שמרנים יותר לגבי שינויים גדולים, חלקם מדויקים יותר בעקיבה אחר הוראות ארוכות ומורכבות.

הלקח המרכזי: השקעה בלימוד עומק של agent CLI אחד (Claude Code, בקורס הזה) היא השקעה שמניבה תשואה גם בtools אחרים, כי רוב מה שלמדתם הוא ברמת החשיבה, לא ברמת התחביר.

טבלת השוואה - a comparison

הtool חברה/קהילה מודלים נתמכים קוד פתוח סגנון עבודה
Claude Code Anthropic מודלי Claude חלקית אג'נטי מלא, הרחבה עשירה (MCP, skills, hooks, subagents)
Codex CLI OpenAI מודלי GPT/קוד חלקית אג'נטי מלא, sandbox ומדיניות אישורים
Gemini CLI Google מודלי Gemini כן אג'נטי מלא, context window ארוך, שכבה חינמית נדיבה
aider קהילה כל מודל עם API כן ממוקד עריכה+git, אגנוסטי למודל, אוטונומיה מתונה יותר

איך הtools שונים בפועל - real differences that matter

מעבר לטבלה, ההבדלים שבאמת משפיעים על עבודה יומיומית הם:

  • איכות המודל למשימה הספציפית. מודלים שונים מצטיינים בדברים שונים - יש הבדלים בין מודלים ביכולת דיבוג, בעקביות על פני קבצים רבים, ובנטייה "להמציא" פרטים לא נכונים (hallucinations). שווה לבדוק בפועל על המשימות האופייניות לכם, לא להסתמך על מוניטין כללי.
  • מנגנוני הרחבה. תמיכה ב-MCP (פרק 6.1), בskills מותאמות, בהוקים ובsub-agents - אלה משתנים מאוד בין הtools, ומשפיעים ישירות על כמה אפשר "לאלף" את הagent לצרכי הפרויקט הספציפי שלכם.
  • מודל התמחור. יש tools שעובדים על מנוי חודשי עם מכסת שימוש, ויש כאלה שגובים לפי צריכת API בפועל (טוקנים). ההבדל יכול להיות משמעותי בפרויקטים גדולים או בשימוש כבד.
  • מדיניות הרשאות והרצה. כמה קל להריץ בארגז חול מבודד, כמה גרנולרית השליטה על אילו פקודות מותר להריץ בלי אישור - נקודה קריטית לעבודה בסביבות רגישות (ראו פרק 8.2 בהמשך הקורס).
  • בשלות ותמיכה קהילתית. הtools בקוד פתוח נהנים מתרומות ותיקונים מהירים מהקהילה, אבל לפעמים חסרים תמיכה רשמית ברמת ארגון; tools סגורים בדרך כלל מציעים SLA ותמיכה מסחרית.

למה כדאי להכיר יותר מtool אחד - why more than one matters

בקורס הזה Claude Code הוא הtool המרכזי, ומסיבה טובה - הוא הבשל, העשיר בהרחבות, והכי מתאים ללימוד עומק של פיתוח אג'נטי. אבל יש כמה סיבות מעשיות ממש להכיר גם agents אחרים:

  • גיוון מודלים לפי משימה ועלות. לפעמים משימה פשוטה וזולה (תיקון טיפוס, כתיבת טסט שגרתי) לא מצדיקה את המודל היקר ביותר, ומודל זול יותר דרך tool אחר עושה את העבודה מצוין.
  • חוסן מול תקלות והגבלות. אם יש הפסקת שירות זמנית, הגבלת קצב (rate limit), או תקלה אצל ספק אחד, tool חלופי מאפשר להמשיך לעבוד בלי לעצור.
  • דרישות ארגוניות. חלק מהארגונים מחייבים ספק ספציפי מסיבות רגולטוריות, חוזיות או אבטחתיות. מי שמכיר רק tool אחד "נתקע" כשעובר ארגון.
  • בדיקת שפיות - sanity check. על משימות קריטיות, שווה לבקש מtool או מודל שני "חוות דעת שנייה" על אותה בעיה, ולהשוות תשובות. אם שני מודלים שונים מגיעים לאותה מסקנה, זו אינדיקציה חיובית; אם הם חלוקים, זה סימן לחקור לעומק לפני שממשיכים.
  • הבנה עמוקה יותר של הקטגוריה עצמה. ראיית כמה מימושים שונים לאותו רעיון - agent שקורא, כותב ומריץ - מחדדת הבנה של מה חשוב ומה לא ברמת העיצוב הכללי, לא רק ברמת הtool הספציפי. זו בדיוק אותה skill שנרחיב עליה בהרצאה 5.6, שם נלמד לבחור ולשלב tools באופן שיטתי.

הכלל המעשי: השקיעו את רוב הזמן שלכם בלימוד עומק של tool אחד (Claude Code, במקרה של הקורס הזה), אבל הקדישו זמן להתנסות קצרה עם לפחות עוד agent CLI אחד, כדי לפתח תחושה למה משותף לכל הקטגוריה ומה ספציפי לtool אחד.

דרך פשוטה להתחיל: קחו משימה קטנה וברורה שכבר פתרתם בעבר עם Claude Code - למשל תיקון באג ספציפי או הוספת טסט - ונסו לפתור משימה דומה (לא זהה, כדי לא "לזכור" את הפתרון) עם tool אחר. שימו לב להבדלים באיכות התכנון, בדיוק ההוראות שהtool מבקש מכם, ובאופן שבו הוא מציג את השינויים המוצעים. תרגיל כזה, שעות ספורות, שווה יותר מקריאת כל השוואה תיאורטית.

סיכום

  • כל agents ה-CLI חולקים ארכיטקטורה דומה: קלט טבעי, תכנון, שימוש בtools (קריאה/כתיבה/הרצה), ולולאה עד השלמת המשימה.
  • OpenAI Codex CLI מריץ מודלי GPT, עם מדיניות אישורים והרצה בארגז חול, בדומה במהות למודל ההרשאות של Claude Code.
  • Gemini CLI מריץ מודלי Gemini, קוד פתוח, עם שכבה חינמית נדיבה ואינטגרציה טבעית לעולם Google.
  • aider הוא tool קוד פתוח וותיק, אגנוסטי למודל (מריץ כל מודל עם API, כולל Claude), ממוקד עריכה מדויקת עם diff וקומיטים אוטומטיים, ואוטונומיה מתונה יותר מagent "מלא".
  • ההבדלים המרכזיים בין הtools: איכות המודל למשימה, עושר מנגנוני ההרחבה, מודל התמחור, מדיניות ההרשאות, ובשלות התמיכה.
  • כדאי להכיר יותר מtool אחד כדי לגוון עלות ומודל, לשמור על חוסן מול תקלות, לעמוד בדרישות ארגוניות, ולקבל חוות דעת שנייה במשימות קריטיות.
  • הכלל המעשי: להעמיק בtool מרכזי אחד, אבל להישאר בקיאים בקטגוריה כולה - זה בדיוק ברוח "לא מתחתנים עם tool אחד" שמנחה את הפרק הזה.