क्लॉड कोड 2.1.144, कर्सर कंपोज़र 2.5, स्टेनलेस, नोशन, वर्सेल एआई एसडीके, और क्लाउडफ्लेयर मेष

[00:00] Claude Code CLI में बदलावों पर खुलासा Claude Code CLI 2.1.144 वह रिलीज़ है जिसे सबसे पहले देखना चाहिए क्योंकि यह उन सटीक सतहों को टारगेट करती है जिन पर अनएटेंडेड एजेंट विफल होते हैं: बैकग्राउंड और डीटैच्ड सेशन, खराब नेटवर्क पर स्टार्टअप व्यवहार, MCP ट्रांसपोर्ट, और टूल-कॉल हाइजीन। हेडलाइन फिक्स ठोस हैं। जब API एंडपॉइंट कैप्टिव पोर्टल, फायरवॉल, या VPN के पीछे पहुंच-योग्य नहीं था, तब सत्तर पांच सेकंड तक का स्टार्टअप हैंग गायब हो गया है, क्योंकि साइड-चैनल कॉल अब पंद्रह सेकंड में टाइम आउट हो जाते हैं। जो MCP सर्वर अपनी टूल लिस्ट को पेजिनेट करते हैं वे अब केवल पहला पेज वापस नहीं करते। जिन MCP इमेज में अनसपोर्टेड MIME टाइप हैं उन्हें डिस्क पर सेव किया जाता है बजाय बातचीत को तोड़ने के। बैकग्राउंड सेशन को resume सपोर्ट और elapsed-duration कम्प्लीशन नोटिस मिलते हैं, और मॉडल पिकर अब सेशन-स्कोप्ड है जिसमें अलग डिफॉल्ट है।

यह एक मेंटेनेंस रिलीज़ है, और यही बात है। काम फेलियर मोड में है: एक डीटैच्ड एजेंट जिसे चलते रहना चाहिए, एक टूल लिस्ट जो चुपचाप ट्रंकेट की गई थी, एक इमेज जिसने बातचीत तोड़ दी, एक resumed सेशन जिसने गलत मॉडल उठाया। रिलीज़ रीडआउट के बाद, एपिसोड पांच और बिल्डर-रिलेवेंट मूव्स कवर करता है: Cursor Composer 2.5 एक सस्ता लॉन्ग-हॉरिज़न कोडिंग मॉडल के रूप में, Anthropic का Stainless अधिग्रहण और SDK कोड जेनरेशन को इन-हाउस लाना, Notion का अपने वर्कस्पेस को होस्टेड एजेंट रनटाइम में बदलना, Vercel AI SDK का अपना LangChain और LangGraph एडेप्टर राइट-ऑफ करना, और Cloudflare Mesh का एजेंट लाइफसाइकल के तहत ज़ीरो-ट्रस्ट नेटवर्किंग लाना।

[02:30] एजेंट-स्टैक रिलीज़ रीडआउट — Claude Code CLI 2.1.144 स्टार्टअप हेंग से शुरू करें, क्योंकि यह फिक्स का सबसे स्पष्ट उदाहरण है जो एजेंट्स के लिए इंटरएक्टिव यूज़र्स की तुलना में ज़्यादा मायने रखता है। जब API एंडपॉइंट पहुंच-योग्य नहीं था, तो CLI कुछ उपयोगी करने से पहले पैंसठ सेकंड तक ब्लॉक कर सकता था। एक इंसान नोटिस करता है और इंतज़ार करता है। एक अनएटेंडेड एजेंट रन, एक शेड्यूल्ड जॉब, या एक खराब नेटवर्क पर बैकग्राउंड सेशन उसे स्टॉल, टाइमआउट, या मिस्ड विंडो में बदल देता है। फिक्स साइड-चैनल कॉल को पंद्रह सेकंड पर सीमित करता है। बिल्डर्स के लिए पाठ यह है कि खराब नेटवर्क पर स्टार्टअप रेज़िलिएंस एक एजेंट रेलिएबिलिटी प्रॉपर्टी है, कॉस्मेटिक नहीं।

MCP फिक्स दूसरा महत्वपूर्ण ब्लॉक है। पेजिनेटेड टूल-लिस्ट रिस्पॉन्स वाले MCP सर्वर पहले केवल पहला पेज वापस करते थे, जिसका मतलब है कि एक एजेंट चुपचाप उन टूल्स से वंचित हो सकता था जो उसे होने चाहिए थे। यह एक शांत correctness बग है: कुछ भी एरर नहीं होता, एजेंट बस कुछ नहीं कर पाता जो उसे करने में सक्षम होना चाहिए, और रन推理 failure की बजाय ट्रांसपोर्ट बग जैसा दिखता है। रिलीज़ SVG जैसे अनसपोर्टेड MIME टाइप वाली MCP इमेज को भी बातचीत तोड़ने से रोकती है; इमेज डिस्क पर सेव की जाती है और उसका रेफरेंस दिया जाता है। और MCP लिस्ट कमांड अब जब कॉन्फ़िग फ़ाइल पार्स नहीं हो पाती तो असली समस्या रिपोर्ट करती है, बजाय चुपचाप कोई सर्वर न दिखाने के।

बैकग्राउंड और डीटैच्ड सेशन को सबसे ज़्यादा इंडिविजुअल फिक्स मिलते हैं, जो बताता है कि असली ऑपरेशनल पेन कहां रहा है। बैकग्राउंड सेशन अब resume सपोर्ट करते हैं और कम्प्लीशन पर elapsed duration दिखाते हैं। Full Disk Access-प्रोटेक्टेड फ़ोल्डर में प्रोजेक्ट होने पर macOS पर क्रैश होना ठीक हो गया है। Windows पर अटैच्ड बैकग्राउंड सेशन में स्क्रॉलिंग, माउस व्हील, और नेविगेशन अब काम करते हैं, और अटैच होने पर टर्मिनल बंद करना अब क्रैश नहीं करता। Resumed सेशन अपना मॉडल रखते हैं बजाय दूसरे सेशन के चॉइस को इनहेरिट करने के। Detach करने के ठीक बाद Edit और Write अब worktree-isolation एरर के साथ रिफ्यूज़ नहीं करते। Respawn अब चल रहे सेशन को रुका हुआ गलत रिपोर्ट नहीं करता, और जागने में थोड़ी विफलता अब परमानेंटली स्टार्टअप क्रैश के रूप में मार्क नहीं की जाती। साथ मिलकर ये detach, run, wake, respawn, और resume लाइफसाइकल को कुछ ऐसा बनाते हैं जिसके चारों ओर एक बिल्डर सुपरवाइज़र लगा सकता है।

टूल-कॉल हाइजीन चौथा क्षेत्र है। Head और tail व्यू अब read-before-edit चेक को संतुष्ट करते हैं, और grep, git grep, या git diff के खाली परिणाम अब टूल फेलियर के रूप में रिपोर्ट नहीं किए जाते। झूठे टूल एरर फ्री नहीं हैं: एक एजेंट जो सोचता है कि एक सफल no-match सर्च विफल हुई वह retry करेगा, सेकंड-गेस करेगा, या बुरा रास्ता अपनाएगा। स्प्यूरियस फेलियर हटाना स्प्यूरियस एजेंट बिहेवियर और बर्बाद टर्न हटाता है। मॉडल पिकर अब सेशन-स्कोप्ड है, जिसमें नए सेशन के लिए अलग डिफॉल्ट है, ताकि एक टास्क के लिए मॉडल बदलना चुपचाप हर जगह न बदल दे, जिसमें Bedrock और Vertex यूज़र्स शामिल हैं जो लॉन्ग-कॉन्टेक्स्ट Opus विकल्प चुन रहे हैं।

व्यावहारिक अपग्रेड पोस्चर यह है कि 2.1.144 इंस्टॉल करें और फिर बदली हुई सतहों का अभ्यास करें बजाय उन्हें अनुमान लगाने के। एक बैकग्राउंड सेशन शुरू करें, उसे डीटैच करें, उसे wake करें, resume करें, और पुष्टि करें कि वह अपना मॉडल रखता है। एक MCP सर्वर चलाएं जो अपनी टूल लिस्ट को पेजिनेट करता है और पुष्टि करें कि पूरा सेट दिखाई दे रहा है। एक अनसपोर्टेड इमेज टाइप को MCP टूल के ज़रिए फीड करें। एक नेटवर्क पर चलाएं जहां API एंडपॉइंट थोड़े समय के लिए पहुंच-योग्य नहीं है और पुष्टि करें कि स्टार्टअप अब नहीं रुकता। रिलीज़ तभी मूल्यवान है जब वे फेलियर मोड जो हटाती है वे वही हों जो आपके एजेंट वास्तव में टकरा रहे थे।

[18:00] Cursor Composer 2.5 — एक सस्ता लॉन्ग-हॉरिज़न कोडिंग-एजेंट मॉडल Cursor ने 18 मई को Composer 2.5 रिलीज़ किया, जो Kimi K2.5 बेस पर बनाया गया है जिसमें भारी पोस्ट-ट्रेनिंग है और यह लंबे ऑटोनोमस कोडिंग सेशन के लिए है। रिपोर्ट किए गए आंकड़े: SWE-Bench मल्टीलिंगुअल 73.7 से बढ़कर 79.8 प्रतिशत, Terminal-Bench 61.7 से 69.3 प्रतिशत, Terminal-Bench 2.0 पर Opus 4.7 के साथ टाई जबकि GPT-5.5 से पीछे, इनपुट टोकन प्रति मिलियन पचास सेंट और आउटपुट टोकन प्रति मिलियन ढाई डॉलर। हेडलाइन कीमत है: प्रति टोकन तुलनीय कोडिंग-बेंचमार्क परफॉर्मेंस पर Opus 4.7 का लगभग दसवां हिस्सा।

ट्रेनिंग मेथड वह हिस्सा है जिसे समझाना ज़रूरी है। Cursor तीन बदलाव रिपोर्ट करता है। पहला, टेक्स्टुअल-फीडबैक रीन्फोर्समेंट लर्निंग: एंड-ऑफ-रन रिवॉर्ड के अलावा, मॉडल को फेल्ड टूल कॉल पर लोकलाइज़्ड हिंट्स मिलते हैं। एक लॉन्ग-हॉरिज़न कोडिंग एजेंट के लिए यह क्रेडिट-असाइनमेंट बदलाव है। एक लंबे सेशन के अंत में एक पास-या-फेल सिग्नल मॉडल को बहुत कम बताता है कि पचास में से कौन सी टूल कॉल गलती थी। फेलियर पॉइंट पर लोकलाइज़्ड टेक्स्टुअल फीडबैक एक बहुत तेज़ लर्निंग सिग्नल देता है। दूसरा, पच्चीस गुना ज़्यादा सिंथेटिक टास्क, जिसमें एक्सैक्ट ग्राउंड ट्रुथ वाले फीचर-डिलीशन रिबिल्ड पज़ल शामिल हैं। तीसरा, MoE-स्केल ट्रेनिंग इन्फ्रास्ट्रक्चर जिसमें शार्डेड Muot optimizer और डुअल-मेश HSDP शामिल हैं, जिसमें रीन्फोर्समेंट लर्निंग असली Cursor सेशन के अंदर चलती है जिसमें वही हार्नेस होता है जो डिप्लॉय किया गया मॉडल उपयोग करता है।

वह आखिरी डिटेल, हार्नेस-फेथफुल RL, वह है जिसे बिल्डर्स को स्किम नहीं करना चाहिए। एक कोडिंग एजेंट का बिहेवियर वेट्स जितना हार्नेस से भी आकार लेता है: टूल्स कैसे प्रस्तुत किए जाते हैं, एरर कैसे वापस आते हैं, कॉन्टेक्स्ट कैसे ट्रिम होता है, रिट्राई कैसे काम करती हैं। एक अलग हार्नेस में मॉडल को ट्रेन करना जिसमें यह शिप करता है वह डिस्ट्रिब्यूशन गैप पैदा करता है जो एजेंट को प्रोडक्शन में इवैल्यूएशन की तुलना में बुरा महसूस कराता है। डिप्लॉय किए गए हार्नेस के अंदर RL चलाना उस गैप को बंद करता है। बिल्डर टेकअवे आर्थिक है: जब एक मॉडल फ्रंटियर-एडजेसेंट कोडिंग बेंचमार्क पर प्रति टोकन दसवें हिस्से की लागत पर पहुंचता है, तो कई लंबे सेशन चलाने का गणित बदल जाता है, और एक सस्ता-डिफॉल्ट-विथ-फ्रंटियर-एस्केलेशन रूटिंग पैटर्न आकर्षक हो जाता है। सावधानी यह है कि बेंचमार्क पैरिटी वर्कफ़्लो पैरिटी नहीं है; असली टेस्ट आपके अपने हार्नेस में आपके अपने लॉन्ग-सेशन डिस्ट्रिब्यूशन पर प्रति पूरा हुआ टास्क पूर्ण-लोडेड कॉस्ट है।

[28:00] Anthropic Stainless को अधिग्रहित करता है और SDK कोड जनरेशन को इन-हाउस लाता है Anthropic ने 18 मई को घोषणा की कि उसने Stainless का अधिग्रहण किया है, जो वह डेवलपर-टूल्स कंपनी है जिसकी सेवा API स्पेसिफिकेशन को Python, TypeScript, Go, Kotlin और Java में प्रोडक्शन-रेडी, ऑटो-मेंटेन्ड SDKs में बदलती है। Stainless का उपयोग AI लैब्स और इन्फ्रास्ट्रक्चर कंपनियों की एक लंबी सूची द्वारा किया जाता था। Anthropic होस्टेड Stainless प्रोडक्ट्स, जिसमें SDK जनरेटर शामिल है, को बंद करने की योजना बना रहा है; मौजूदा ग्राहक पहले से जनरेटेड SDKs रख सकते हैं लेकिन होस्टेड सेवा तक भविष्य में पहुंच खो देंगे।

यह एजेंट-स्टैक कहानी इसलिए है क्योंकि एक SDK वास्तव में एक एजेंट सिस्टम में क्या है। SDK वह टाइप्ड बाउंड्री है जो एक एजेंट हर बार बाहरी API को कॉल करते समय पार करता है। जब एक एजेंट किसी सर्विस को रैप करने वाले टूल को इनवोक करता है, तो उस कॉल की सहीयता इस बात पर निर्भर करती है कि क्लाइंट लाइव API से मेल खाता है: सही एंडपॉइंट्स, रिक्वेस्ट और रेस्पॉन्स शेप्स, एरर टाइप्स, और पेजिनेशन बिहेवियर। एक कोड-जनरेशन पाइपलाइन जो स्पेसिफिकेशन को उस क्लाइंट में बदलती है और स्पेसिफिकेशन बदलने पर उसे सिंक में रखती है, वह इन्फ्रास्ट्रक्चर एजेंट के टूल लेयर के ठीक नीचे है। फेलियर मोड है स्पेक-टू-SDK ड्रिफ्ट: एक क्लाइंट जो कंपाइल होता है और ठीक दिखता है लेकिन चुपचाप लाइव API से मेल नहीं खाता। एक इंसान के लिए यह बug रिपोर्ट के रूप में सामने आता है; एक ऑटोनॉमस एजेंट के लिए यह ऐसे टूल कॉल के रूप में सामने आता है जो कुछ अप्रत्याशित रिटर्न करता है जिसके बारे में एजेंट फिर गलत तरीके से रीज़न करता है। जिन टीमों ने होस्टेड जनरेटर पर भरोसा किया था, उनके पास विकल्प हैं ओपन-सोर्स OpenAPI जनरेटर्स, वेंडर SDKs, या API को MCP सर्वर जैसे स्थिर इंटरनल कॉन्ट्रैक्ट के पीछे रैप करना, और बिल्डर पैटर्न है स्पेसिफिकेशन वर्शन पिन करना, शेड्यूल पर लाइव स्पेसिफिकेशन को डिफ करना, और ड्रिफ्ट को अलर्ट के रूप में देखना, न कि तब जब एजेंट अजीब व्यवहार करना शुरू करता है।

[36:00] Notion का डेवलपर प्लेटफॉर्म वर्कस्पेस को होस्टेड एजेंट रनटाइम में बदल देता है Notion ने 13 मई को अपना डेवलपर प्लेटफॉर्म लॉन्च किया। बदलाव यह है कि वर्कस्पेस एक जगह बन जाता है जहां एजेंट चलते हैं, न कि सिर्फ वह जगह जहां वे पढ़ते हैं। Workers होस्टेड कोड सैंडबॉक्स हैं जिसके लिए कोई सर्वर प्रोविज़न नहीं करना पड़ता। External Agent API तृतीय-पक्ष एजेंट्स जैसे Claude Code, Cursor, और Codex को फर्स्ट-क्लास वर्कस्पेस पार्टिसिपेंट्स बनने देता है। डेटाबेस सिंक बाहरी सिस्टम्स ऑफ रिकॉर्ड को इन्फ्रास्ट्रक्चर के बिना Notion के अंदर फ्रेश रखता है। बाइडायरेक्शनल वेबहुक एक Worker को इवेंट प्राप्त करने, लॉजिक चलाने, और Notion में वापस कार्रवाई करने या अन्य API कॉल करने देते हैं। CLI टर्मिनल से auth, Worker डिप्लॉय, और ऑटोमेशन को हैंडल करती है।

बिल्डर्स के लिए तकनीकी रूप से दिलचस्प हिस्सा deterministic Worker टूल्स है। LLM-मीडिएटेड टूल कॉल के बजाय, एक कस्टम एजेंट Worker को इनवोक कर सकता है जो टोकन-एफिशिएंट एक्जीक्यूशन के साथ प्रेडिक्टेबल कोड चलाता है। यह सही पैटर्न है जब किसी स्टेप को determinism और कस्टम लॉजिक की जरूरत होती है जो मॉडल-मीडिएटेड कॉल गारंटी नहीं दे सकता। जिस ट्रेडऑफ पर विचार करना चाहिए वह ट्रस्ट बाउंड्री है: रियल कंपनी डेटा वाले वर्कस्पेस के अंदर तृतीय-पक्ष एजेंट्स और कस्टम कोड चलाना मतलब गवर्नेंस मॉडल — प्रोग्रेसिव ट्रस्ट, ह्यूमन रिव्यू, सैंडबॉक्स्ड एक्जीक्यूशन, यूनिफाइड एक्टिविटी विजिबिलिटी — भारी काम कर रहा है, सजावट नहीं। बिल्डर्स को External Agent API को मल्टी-वेंडर इंटीग्रेशन सरफेस मानना चाहिए और ट्रस्ट बाउंड्री को डिज़ाइन करने योग्य कुछ मानना चाहिए, विरासत में पाने योग्य नहीं।

[42:00] Vercel AI SDK अपने LangChain और LangGraph एडाप्टर को रीराइट करता है @ai-sdk/langchain एडाप्टर रीराइट मायने रखती है क्योंकि अधिकांश टीमें एक फ्रेमवर्क एंड-टू-एंड नहीं चलातीं। वे एक में प्रोटोटाइप करती हैं, दूसरे में डिप्लॉय करती हैं, और मैसेज और स्ट्रीम फॉर्मेट्स को बिना हैंड-रिटन ग्लू के इंटरऑपरेट करने की जरूरत होती है। नया एडाप्टर AI SDK मैसेज ऑब्जेक्ट्स को LangChain BaseMessage फॉर्मेट में बदलने के लिए toBaseMessages और convertModelMessages प्रदान करता है, और LangChain मॉडल स्ट्रीम्स, LangGraph आउटपुट, और streamEvents() रिज़ल्ट्स को AI SDK UIMessageStream में बदलने के लिए toUIMessageStream प्रदान करता है। LangSmithDeploymentTransport एक ChatTransport है जो बिना कस्टम बैकएंड रूट के ब्राउज़र क्लाइंट को सीधे LangSmith या LangGraph डिप्लॉयमेंट से कनेक्ट करता है।

बिल्डर लेंस है इंटरऑप के रूप में इन्फ्रास्ट्रक्चर। स्ट्रीमिंग इवेंट नॉर्मलाइज़ेशन, जिसमें ऑब्ज़र्वेबिलिटी के लिए ग्रेन्युलर streamEvents() और टाइप्ड कस्टम डेटा पार्ट्स शामिल हैं, वह चीज है जो एक स्टैक पर बनी UI को दूसरे स्टैक पर बने एजेंट को बिना लॉसी ट्रांसलेशन के रेंडर करने देती है। ब्राउज़र और डिप्लॉय्ड ग्राफ के बीच बैकएंड ग्लू हटाने वाला ट्रांसपोर्ट एब्स्ट्रैक्शन मूविंग पार्ट्स में वास्तविक कमी है। फ्रेमवर्क-ब्रिजिंग एडाप्टर्स सुविधा नहीं हैं; मिक्स्ड-स्टैक एजेंट बिल्डर्स के लिए वह सीम हैं जो हेटेरोजीनियस स्टैक को बेस्पोक कनेक्टर्स में बिखरने से बचाती है।

[46:00] Cloudflare Mesh एजेंट लाइफसाइकल के तहत ज़ीरो-ट्रस्ट नेटवर्किंग लाता है Cloudflare का एजेंट-क्लाउड पुश Mesh शामिल करता है, जो एजेंट्स को सर्विसेज और एक दूसरे तक पहुंचने के तरीके पर ज़ीरो-ट्रस्ट प्राइवेट नेटवर्किंग और आइडेंटिटी लागू करता है, साथ ही KV-बैक्ड Durable Objects के लिए 18 मई को legacy wrangler dev --remote फ्लैग हटाने जैसे पुराने डेवलपर-टूलिंग बदलाव भी शामिल हैं। बिल्डर पॉइंट यह है कि जैसे-जैसे एजेंट्स एक लैपटॉप पर एक प्रोसेस से कई सैंडबॉक्स्ड workers तक जाते हैं जो इंटरनल और एक्सटरनल सर्विसेज कॉल करते हैं, उनके बीच का नेटवर्क इम्प्लीमेंटेशन डिटेल नहीं रहता। यह अटैक सरफेस और पॉलिसी बाउंड्री बन जाता है। स्कोप्ड क्रेडेंशियल्स के साथ पर-एजेंट आइडेंटिटी शेयर्ड एम्बिएंट कीज़ से बेहतर है, नेटवर्क पॉलिसी spawn-act-retire लाइफसाइकल में आइडेंटिटी से जुड़ी होनी चाहिए, और Durable Object स्टेट के लिए लोकल-बनाम-रिमोट डेव पैरिटी वह तरीका है जो तय करता है कि एजेंट डेवलपमेंट और प्रोडक्शन में एक जैसा व्यवहार करता है या नहीं। सिफारिश है कि एजेंट नेटवर्क को आइडेंटिटी और स्कोप्ड पॉलिसी के साथ डिज़ाइन करने योग्य कुछ मानें, न कि चीज़ जिसे एजेंट्स ब्रॉड एम्बिएंट एक्सेस के साथ इनहेरिट करते हैं।

[50:00] क्लोजिंग: अपग्रेड प्रायोरिटीज़ Claude Code के लिए, 2.1.144 इंस्टॉल करें और बदले हुए सरफेस को सीधे वैलिडेट करें: बैकग्राउंड-सेशन डिटैच, वेक, रेस्पॉन, और रिज़्यूम; MCP टूल-लिस्ट पेजिनेशन और अनसपोर्टेड-इमेज हैंडलिंग; डिग्रेडेड नेटवर्क पर स्टार्टअप बिहेवियर; और यह कि रिज़्यूम्ड सेशन्स सही मॉडल रखते हैं। मॉडल सिलेक्शन के लिए, अपने खुद के हार्नेस में अपने खुद के लॉन्ग-सेशन टास्क्स पर Composer 2.5 बेंचमार्क करें और हेडलाइन पास रेट्स के बजाय प्रति पूर्ण टास्क पूर्ण लोडेड कॉस्ट की तुलना करें। टूल क्लाइंट्स के लिए, ऑडिट करें कि SDK या क्लाइंट जनरेशन कहां से आता है और स्पेक-टू-क्लाइंट ड्रिफ्ट को मॉनिटर्ड फेलियर मोड मानें। वर्कस्पेस एजेंट्स के लिए, Notion की External Agent API को मल्टी-वेंडर सरफेस मानें और ट्रस्ट बाउंड्री को जानबूझकर डिज़ाइन करें। मिक्स्ड स्टैक्स के लिए, हैंड-रोलिंग कनेक्टर्स के बजाय रीराइट किया गया Vercel एडाप्टर उपयोग करें जो LangGraph और AI SDK को ब्रिज करे। एजेंट नेटवर्किंग के लिए, ब्रॉड एम्बिएंट एक्सेस पर निर्भरता के बजाय एजेंट लाइफसाइकल से आइडेंटिटी और स्कोप्ड पॉलिसी जोड़ें।