Claw Code vs Claude Code: Co ujawnia otwartoźródłowy klon z GitHub o architekturze agentów AI

Jeśli szukałeś claw code github albo zastanawiałeś się, czy istnieje w jakimkolwiek znaczącym sensie Claude Code open source, Claw Code jest projektem, o który chodzi ludziom. To otwartoźródłowa, odtworzona inżynieryjnie implementacja Claude Code od Anthropic — przebudowana w Rust (runtime) i Pythonie (metadane oraz szkielet portowania) — która daje rzadki wgląd w to, jak zbudowany jest produkcyjny agent AI do kodowania.

Ten przewodnik podąża za naszym zwykłym formatem Porównania: czym jest każda ze stron, jak wypadają w praktyce, gdzie technicznie plasuje się Claw Code i jaki jest jasny werdykt dla osób oceniających tę bazę kodu.

Czym jest Claw Code?

Claw Code to otwartoźródłowy projekt, który próbuje odtworzyć podstawową funkcjonalność Claude Code — agentowego narzędzia Anthropic do kodowania w terminalu i IDE. Kod źródłowy znajduje się na GitHub na otwartej licencji; projekt nie jest powiązany z Anthropic.

Projekt jest podzielony na dwie warstwy:

• Warstwę metadanych w Pythonie, która służy głównie jako szkielet portowania — śledzi postępy, zarządza trwałością sesji i przechowuje schematy oparte na dataclass.
• Rustowy runtime CLI, który implementuje właściwą agentową pętlę rozmowy, wykonywanie narzędzi, strumieniowanie API i zarządzanie uprawnieniami.

Przy około 1 500 liniach Pythona i 4 000 liniach Rust, Claw Code jest prototypem na wczesnym etapie. Ale poprawnie identyfikuje kilka wzorców architektonicznych, które sprawiają, że agenci AI do kodowania działają.

Czym jest Claude Code?

Claude Code to własnościowy asystent AI do kodowania od Anthropic, natywny dla terminala i IDE. Nie jest open source: produkt jest zamknięty, dystrybuowany przez Anthropic i działa na modelach Claude z funkcjami takimi jak MCP (Model Context Protocol), subagenci, hooki, skills i głęboka integracja z IDE.

Kiedy ludzie pytają o Claude Code open source, zwykle szukają albo (a) niezależnej implementacji, takiej jak Claw Code na GitHub, albo (b) zupełnie innego produktu (na przykład wieloagentowego desktopowego współpracownika). Claw Code zdecydowanie należy do pierwszej grupy — jest edukacyjnym i eksperymentalnym odzwierciedleniem części zachowania Claude Code, a nie oficjalnym wydaniem.

Claw Code vs Claude Code: Na szybko

Porównanie jest z założenia asymetryczne: Claw Code to artefakt edukacyjny i częściowa implementacja; Claude Code to gotowy produkt z pełnym wsparciem platformowym.

Co Claw Code robi dobrze

Agentowa pętla rozmowy

Najważniejszą rzeczą, którą Claw Code trafia w punkt, jest fundamentalna pętla agentowa — podstawowy silnik każdego asystenta AI do kodowania:

Wiadomość użytkownika → wywołanie API → parsowanie odpowiedzi → wykonanie narzędzi → odesłanie wyników → powtórz

Implementacja w Rust (ConversationRuntime<C, T>) modeluje tę pętlę za pomocą abstrakcji opartych na traitach dla ApiClient i ToolExecutor. Taki podział przypomina produkcyjnych agentów: wywołania modelu i wykonywanie narzędzi pozostają odseparowane, testowalne i wymienne.

Strumieniowanie SSE i integracja z API

Klient API to prawdopodobnie najbardziej produkcyjny element Claw Code. Implementuje:

• Messages API v1 od Anthropic z strumieniowaniem Server-Sent Events (SSE)
• Przyrostowe parsowanie ramek z buforowaniem
• Logikę ponawiania z wykładniczym backoff dla odpowiedzi 408, 429 i 5xx
• Śledzenie tokenów cache dla cache_creation_input_tokens i cache_read_input_tokens
• Uwierzytelnianie przez ANTHROPIC_API_KEY i ANTHROPIC_AUTH_TOKEN

Dla każdego, kto buduje własnego klienta Anthropic, ten crate jest wiarygodnym punktem odniesienia.

Narzędzia do operacji na plikach

Claw Code dostarcza sześć podstawowych narzędzi — Bash, Read, Write, Edit, Glob i Grep — z zachowaniem zgodnym z modelem Claude Code:

• Edit używa dokładnego dopasowania ciągów zamiast regex, co odpowiada zachowaniu Claude Code i pozwala uniknąć całej klasy błędów związanych z escapingiem.
• Glob sortuje wyniki według czasu modyfikacji (najnowsze najpierw).
• Grep obsługuje linie kontekstu, wiele trybów wyjścia i paginację.
• Write automatycznie tworzy katalogi nadrzędne.

Model uprawnień

Trójpoziomowy system uprawnień (Allow, Deny, Prompt) z nadpisaniami dla poszczególnych narzędzi przez strukturę PermissionPolicy odzwierciedla sposób, w jaki Claude Code kontroluje wykonywanie narzędzi. Każdy agent, który uruchamia polecenia shell i edytuje pliki, potrzebuje takiej warstwy — podejście Claw Code jest kierunkowo trafne.

Kompaktowanie sesji

Gdy kontekst zbliża się do limitów tokenów, agenci muszą kompresować starsze tury, zachowując użyteczność ostatnich wiadomości. Kompaktowanie w Claw Code — streszczanie wcześniejszych wiadomości w promptcie systemowym przy jednoczesnym zachowaniu ostatnich N tur — dobrze oddaje, jak działa to w praktyce.

Istotne braki: czego nie ma

Choć Claw Code odtwarza szkielet agenta AI do kodowania, brakuje kilku systemów, które oddzielają prototypy od narzędzi produkcyjnych.

Brak obsługi MCP (Model Context Protocol)

To największa luka. MCP jest kręgosłupem rozszerzalności Claude Code: zewnętrzne serwery MCP dostarczają narzędzia, zasoby i prompty, które agent wykrywa w czasie działania. Claw Code nie ma klienta MCP, transportu, dynamicznego wykrywania ani integracji zasobów — zestaw narzędzi pozostaje stały w czasie kompilacji.

Brak orkiestracji subagentów

Claude Code może uruchamiać zagnieżdżone rozmowy agentów i pracę równoległą (z izolacją i agregacją). Claw Code nie implementuje zagnieżdżonych konwersacji, izolacji worktree, granic kontekstu potomnego ani scalania wyników.

Brak systemów hooków i skills

Produkcja Claude Code udostępnia konfigurowalne przez użytkownika hooki oraz pipeline skills / slash-command. Obsługa w Claw Code jest minimalna (na przykład tylko /compact), bez pipeline wykrywania hooków ani skills.

Niepełna konstrukcja promptu systemowego

Konstruktor promptu ma właściwe ogólne sekcje, ale pomija dynamiczne elementy, takie jak wykrywanie CLAUDE.md, snapshoty statusu git, instrukcje serwerów MCP oraz metadane czasu działania (data, nazwa modelu itp.).

Brak integracji z IDE

Brakuje architektury mostu i serwera używanej dla rozszerzeń VS Code i JetBrains.

Jakość implementacji

Warstwa Rust — solidna baza (7/10)

Kod Rust używa #![forbid(unsafe_code)], struktury opartej na traitach oraz parsera SSE, który obsługuje wielolinijkowe ramki i pingi. Słabsze punkty to własny parser JSON dla plików sesji zamiast serde_json, nakładające się punkty wejścia CLI, twardo zakodowane domyślne ustawienia i naiwne szacowanie tokenów (długość ciągu / 4).

Warstwa Python — głównie szkielet (3/10)

Warstwa Python jest czysta pod kątem dataclass i audytu zgodności, ale dużo w niej placeholderów, symulowanych narzędzi oraz pustych ścieżek zdalnych / SSH. Aktualna wartość runtime leży po stronie warstwy Rust.

Tabela zgodności funkcji

Zaimplementowane

• Podstawowa agentowa pętla rozmowy
• Sześć narzędzi MVP (bash, read, write, edit, glob, grep)
• Klient strumieniowania API z SSE
• Trwałość sesji i kompaktowanie

Częściowo zaimplementowane

• Egzekwowanie uprawnień (framework bez pełnego interaktywnego promptowania)
• Konstrukcja promptu systemowego (struktura bez pełnej dynamicznej injekcji)
• Łączenie plików konfiguracyjnych (user / project / local)

Niezaimplementowane

• Klient MCP i transport
• Orkiestracja subagentów / uruchamianie narzędzia Agent
• Most do IDE przez LSP lub rozszerzenia
• System skills, hooki, narzędzia wyszukiwania w sieci
• Inteligentniejsze budżetowanie kontekstu i narzędzia kosztowe
• Narzędzia do czytania notatników i PDF

Czego to uczy o architekturze agentów AI

Poza porównaniem Claw Code vs Claude Code linia po linii, projekt na GitHub jest użytecznym artefaktem dla osób budujących:

• Pętla jest łatwą częścią. „Wywołaj model → sparsuj narzędzia → wykonaj → odeślij wyniki” jest proste. Moc pochodzi z MCP, subagentów, hooków, skills i mostów do IDE.
• Strumieniowanie ma znaczenie. Czekanie na pełne zakończenie sprawia, że agent CLI wydaje się zepsuty; praca Claw Code nad SSE to najbardziej wielokrotnego użytku komponent.
• Uprawnienia to absolutna podstawa dla narzędzi shell i plikowych.
• Kontekst wciąż jest trudny. Naiwne kompaktowanie działa tylko do pewnego momentu; systemy produkcyjne potrzebują selektywnego utrzymania i dyscypliny budżetowej.

Werdykt

Claw Code odtwarza mniej więcej 20–25% funkcjonalnej powierzchni Claude Code. Warstwa Rust — klient API, pętla, narzędzia plikowe — to wartościowy rdzeń. Warstwa Python głównie dokumentuje zamiar portowania.

Jako studium claw code github i tego, co może pokazać nieoficjalne lustrzane odbicie w stylu Claude Code open source, projekt wypada dobrze. Jako zamiennik 1:1 dla Claude Code potrzebowałby dużej dodatkowej pracy w warstwach MCP, orkiestracji i integracji.

Kto powinien zajrzeć do Claw Code na GitHub?

Wybierz Claw Code, jeśli chcesz:

• Przeczytać konkretną otwartoźródłową implementację pętli narzędziowych i klientów SSE w stylu Anthropic
• Nauczać lub badać architekturę agentów AI do kodowania bez polegania na zamkniętym kodzie
• Forkować bazę Rust-first i samodzielnie zainwestować w MCP

Kto powinien zostać przy Claude Code?

Zostań przy Claude Code od Anthropic, gdy potrzebujesz MCP, subagentów, rozszerzeń IDE, hooków, skills i wspieranego produktu — a nie prototypu badawczego.

Dlaczego warto rozważyć Eigent jako szerszą opcję open source

Jeśli Twoim celem jest automatyzacja open source wykraczająca poza pojedynczego terminalowego agenta do kodowania, Eigent jest otwartoźródłowym wieloagentowym współpracownikiem z workflow na desktopie, skills i wieloma dostawcami modeli — dobrym uzupełnieniem lektury Claw Code w celu poznania niskopoziomowej mechaniki agentów.

FAQ

Czym jest Claw Code na GitHub?

Claw Code to otwartoźródłowy projekt, który odtwarza części Claude Code przy użyciu rustowego CLI i warstwy metadanych w Pythonie. Repozytorium to github.com/instructkr/claw-code.

Czy Claude Code jest open source?

Nie. Claude Code jest własnościowy. Claw Code to niezależny projekt open source inspirowany zachowaniem Claude Code; nie jest to wydanie Anthropic.

Czy Claw Code jest pełnym zamiennikiem Claude Code?

Nie dzisiaj. Krytyczne braki obejmują MCP, orkiestrację subagentów, integrację z IDE oraz pełny pipeline narzędzi i promptów.

W jakich językach napisany jest Claw Code?

Głównie w Rust dla runtime (~4k linii) i Pythonie dla szkieletu (~1.5k linii). Sam Claude Code to zamknięty produkt oparty na TypeScript/Node.

Dlaczego brak MCP ma znaczenie?

MCP to sposób, w jaki Claude Code dynamicznie rozszerza narzędzia. Bez niego powierzchnia narzędzi Claw Code pozostaje stała, co ogranicza rzeczywiste workflow.

Kluczowe wnioski

• Claw Code GitHub = otwarty, edukacyjny częściowy klon; Claude Code = własnościowy, pełny produkt.
• Podstawowa pętla, klient strumieniowania, narzędzia plikowe i uprawnienia w Claw Code są pouczające; MCP, subagenci i warstwy IDE jeszcze tam nie są.
• Szukanie Claude Code open source powinno prowadzić do projektów takich jak Claw Code — użytecznych punktów odniesienia, a nie pełnych funkcjonalnie zamienników.