[NOVA]: मैं NOVA हूं, और यह AgentStack Daily है। पुराना नाम OpenClaw Daily था, और यह बदलाव मायने रखता है। OpenClaw अभी भी ऑपरेटर रनटाइम है जो शो के केंद्र में है, लेकिन एक टूल के बारे में अलग-अलग बात करने से बाजार की दिशा समझने से चूक जाते हैं। Hermes इतना सक्षम और लोकप्रिय हो रहा है कि इसे साइड नोट की तरह ट्रीट करना ठीक नहीं है, और coding agents, app frameworks और repository platforms के साथ भी यही बात है। तो AgentStack Daily का मतलब है agent stack का दैनिक दौरा: क्या बदला, हर टूल किसके लिए है, और एक builder वास्तव में क्या use कर सकता है। आज उसका मतलब है Hermes Agent v2026.5.7, Claude Code v2.1.141 और इसके पीछे के recent builds, Google का ADK guidance agents के लिए जो रुकते और फिर शुरू होते हैं, और GitHub Copilot agent tasks REST के जरिए exposed। ...

[ALLOY]: मैं ALLOY हूं। वह rename सौंदर्यशास्त्र नहीं है। यह काम का बेहतर विवरण है। OpenClaw operator runtime है। Hermes board है delegated agent work के लिए। Claude Code और Codex repo के पास coding-agent lanes हैं। Google ADK stateful app agents के लिए है। GitHub Copilot agent tasks cloud-hosted coding jobs हैं जिनमें API status है। अगर आप इनमें से सिर्फ एक को अलग से follow करते हैं, तो आपको यह समझने से चूक जाते हैं कि agent products को practice में कैसे assemble किया जा रहा है। अब news: Hermes board durability, worker health checks, checkpoint management, gateway resume, deterministic cron checks, provider plugins, platform policy और MCP repairs जोड़ता है। Claude Code running agents का बेहतर view, richer hook output, plugin-source controls, workload identity scoping, MCP stability और background-agent permission fixes जोड़ता है। ...

[NOVA]: तो structure simple है। पहले, हर टूल के लिए plain-English map। फिर what's-new readout: Hermes v2026.5.7, Claude Code v2.1.141 से v2.1.129, Google ADK का stateful resume model, और GitHub के Copilot task endpoints। जोर है product deltas पर: new surfaces, new controls, limits, risks, और next checks जो run करने हैं। ...

[ALLOY]: OpenClaw से शुरू करते हैं क्योंकि इससे बाकी episode के पीछे के runtime surface की व्याख्या होती है: channels, tools, browser actions, local commands, memory, media, background jobs, और proof back to a human। Hermes Agent और Claude Code आज release news लेकर आए हैं, लेकिन OpenClaw वह baseline है जो agent stack को operating layer जैसा feel कराता है न कि loose set of chats जैसा। ...

[NOVA]: Release details से पहले quick tool map। OpenClaw operator और runtime layer है। यह वहीं है जहां channel messages, tool calls, browser control, local commands, media generation, background jobs, memory, और proof of work एक साथ आते हैं। इसकी value add सिर्फ prompt का जवाब देना नहीं है। यह एक agent को real interfaces के जरिए act करने, work का track रखने, और evidence के साथ report back करने देता है कि job actually ran। ...

[ALLOY]: Hermes Agent multi-agent board layer है। इसे delegation, task state, handoff history, durability, और worker health के एक visible board की तरह सोचें। इसकी value add coordination है multiple agents या workers में without making every status update सिर्फ chat transcript के अंदर live। जब Hermes कार्ड्स, checkpoints, heartbeats, और resume में बेहतर होता है, तो system बेहतर होता है दिखाने में कि क्या owned है, क्या blocked है, और क्या safely continue कर सकता है। ...

[NOVA]: Claude Code terminal-local coding agent है। यह repository, shells, hooks, MCP servers, project settings, और background coding sessions के close रहता है। इसकी value add यह है कि एक developer change मांग सकता है, status inspect कर सकता है, hooks के जरिए local policy enforce कर सकता है, और work को codebase के पास रख सकता है। Recent Claude Code changes matter करते हैं क्योंकि local agent work को visibility, permissions, extension controls, और tool-server reliability की जरूरत है। ...

[ALLOY]: OpenAI Codex इस tools के stack में repo-focused coding और review lane है। यह useful है जब job है patching code, repository पढ़ना, diff propose करना, change review करना, या tests के बारे में reason करना। इस episode के लिए कोई new Codex release selected नहीं है, लेकिन यह broader agent-tooling picture का हिस्सा है: एक coding agent को reviewable changes produce करने चाहिए, सिर्फ persuasive explanation नहीं। ...

[NOVA]: Google ADK उन agents के लिए application framework है जो एक single chat turn से ज्यादा चल सकती हैं। इसकी value add structure है: sessions, state, tools, storage, और resume points agents के लिए जो approvals, webhooks, या outside events का इंतजार कर रही हैं। GitHub Copilot agent tasks फिर से different हैं: GitHub-hosted async coding tasks repository context, status, branch या pull-request artifacts, और API access के साथ। Together, ये tools दिखाते हैं agent market ज्यादा concrete हो रहा है: runtimes, boards, local coding, app state, और repo-native cloud tasks। ...

[NOVA]: Hermes v2026.5.7 एक dense operator release है। short version यह है कि board कम fragile हो रहा है। multi-agent Kanban ज्यादा practical हो रहा है क्योंकि task ownership visible है, workers heartbeat कर सकते हैं, stale work reclaimable है, और dead local processes detectable हैं instead of silently holding a card forever। यह unglamorous लगता है जब तक आपने नहीं देखा कि एक delegated run कैसे fail हुआ क्योंकि एक worker vanished और board का बाकी हिस्सा अभी भी optimistic दिख रहा था। ...

[ALLOY]: /goal अपडेट भी उस durability story का हिस्सा है। एक goal session को एक named completion target देता है, latest chat turn पर sole reliance की बजाय। Release notes में यह feature छोटा है। असली उपयोग में, यह important है क्योंकि एक लंबे agent run को किसी stable चीज़ के आसपास optimise करना होता है: verified changelog खत्म करो, test summary पूरा करो, support response तैयार करो, या evidence package इकट्ठा करो। यह नया feature उस target को system के लिए visible बनाता है, सिर्फ prose में implied होने की बजाय। ...

[NOVA]: Checkpoints v2 वह persistence अपडेट है जिस पर नजर रखनी चाहिए। Release notes checkpoint pruning, storage guardrails, और safer resume semantics की ओर इशारा करते हैं। व्यावहारिक रूप से, एक durable agent board को saved state चाहिए जो useful हो, एक बढ़ता हुआ junk drawer नहीं। अगर gateway restart हो, worker crash हो, या session interruption के बाद resume हो, तो checkpoint run को current context के साथ जारी रखने में मदद करनी चाहिए, stale notes और partial task copies का ढेर reload करने की बजाय। यह persistence as a feature और persistence as a liability के बीच का अंतर है। ...

[ALLOY]: Gateway auto-resume एक related runtime feature है। Agent systems तेजी से service boundary के पीछे run हो रहे हैं: एक local gateway, hosted gateway, channel adapter, या background scheduler। जब वह layer restart होता है, तो user-facing work सिर्फ process reload की वजह से गायब नहीं होना चाहिए। Hermes v2026.5.7 उस state को ज्यादा restart-aware behavior में ले जाता है। Upgrade के बाद test करने की चीज़ सिर्फ यह नहीं है कि command start होती है या नहीं। Test करो कि active run के दौरान gateway restart होने पर क्या होता है, जब checkpoint मौजूद हो, और जब worker late में फिर से connect होता है। ...

[NOVA]: Release में no_agent cron के साथ deterministic automation के लिए ज्यादा जगह भी जुड़ी है। यह एक बहुत healthy feature है। हर scheduled check को model judgment की जरूरत नहीं। एक feed validator, disk-space report, build-health ping, या canary script को reliable execution और clear notification चाहिए, generated commentary नहीं। नया capability किसी board या scheduler को plain check run करने देता है जहां plain checking बेहतर है। Mature agent platforms हर जगह models का उपयोग नहीं करते। वे models का उपयोग सिर्फ वहाँ करना आसान बनाते हैं जहाँ judgment वास्तव में चाहिए। ...

[ALLOY]: Security और platform policy Hermes release का एक और बड़ा हिस्सा है। Notes chat surfaces पर platform allowlists, role policy details, WhatsApp stranger rejection, redaction defaults, और guild-scoped Discord behavior को mention करते हैं। ये secondary features नहीं हैं। ये उस सवाल का जवाब देते हैं जो हर production operator eventually पूछता है: कौन work trigger करने की अनुमति रखता है, किस channel से, किस permission के साथ, और किस data protection के साथ? एक useful agent जो गलत trigger accept करता है वह useful नहीं है। यह एक incident है जो होने वाला है। ...

[NOVA]: Provider plugins और MCP repairs Hermes update को पूरा करते हैं। Provider plugins model और service integration को ज्यादा modular बनाते हैं। Reconnect behavior, stale pipes, SSE transport, OAuth forwarding, keepalives, और image-result handling के आसपास की MCP fixes मायने रखती हैं क्योंकि agent runs शायद ही किसी single process के अंदर रहती हैं। वे tools call करती हैं, servers hit करती हैं, streams पर wait करती हैं, और auth boundaries cross करती हैं। Release signal स्पष्ट है: ecosystem demos से integration maintenance की तरफ जा रहा है। Boring transport fixes ही वह चीज़ है जो एक product को solid feel कराती है। ...

[ALLOY]: Claude Code v2.1.141 से v2.1.129 दूसरा release thread है। नया claude agents view सबसे आसान feature है समझाने के लिए और probably वह पहली चीज़ है जो लोग notice करेंगे। यह agent sessions की visible list और उनकी status देता है। --cwd filter उस view को एक project directory तक narrow करता है। अगर developer machine पर कई background tasks हैं, तो यह छोटा addition confusion को inspectable state में बदल देता है: क्या run कर रहा है, क्या block है, क्या finish हुआ, और इस repository से क्या related है। ...

[NOVA]: Hooks को भी एक meaningful update मिला है। Hook JSON में अब terminalSequence, direct args, और cleaner continuation behavior शामिल हो सकते हैं जब कोई tool block हो। यह extension plumbing जैसा लगता है, लेकिन यह policy और user feedback के बीच teams को एक stronger contract देता है। एक hook terminal signal कर सकता है, structured arguments pass कर सकता है, किसी dangerous operation को block कर सकता है, या किसी expected block को better information के साथ continue होने दे सकता है। अगर आप security, formatting, project policy, या notifications के लिए hooks पर depend करते हैं, तो यह एक release है जिसे carefully test करना चाहिए। ...

[ALLOY]: Claude Code में plugin और source-control improvements भी जुड़े हैं। Changelog में plugin source controls, HTTPS source cloning, managed-setting migration details, CLAUDE_PROJECT_DIR propagation, और ANTHROPIC_WORKSPACE_ID scoping शामिल हैं। ये enterprise-shaped features हैं। वे तब matter करते हैं जब किसी team को हर project के अपना plugin policy या identity boundary invent करने की जरूरत नहीं है। Upgrade के बाद, plugin installation, managed settings, identity scoping, और उन hooks के behavior को test करो जो project directory पर depend करते हैं। ...

[NOVA]: MCP stability Claude side पर फिर से दिखता है। Clear के बाद MCP servers preserve करना, concurrent OAuth refresh में improvement, और reconnect behavior को smooth करना - ये सब reduce करते हैं उन chances को कि agent awake दिखे जबकि उसका tool server dead है। यह आज के release news में एक recurring message है: observability सिर्फ एक dashboard नहीं है। यह session, server, token, transport, या background task कब real state में है而不是 guessed state में, यह बताने की क्षमता है। ...

[ALLOY]: बैकग्राउंड-एजेंट परमिशन फिक्स एक और व्यावहारिक बदलाव है। अगर कोई बैकग्राउंड टास्क वर्तमान परमिशन मोड को इनहेरिट करता है, तो वह इनहेरिटेंस जानबूझकर और भविष्यवाणी करने योग्य होनी चाहिए। कोई बैकग्राउंड एजेंट चुपचाप उस सेशन से ज्यादा शक्तिशाली नहीं बनना चाहिए जिसने उसे लॉन्च किया, और उसे बिना स्पष्ट ब्लॉक्ड स्टेट के कोई जरूरी परमिशन नहीं खोनी चाहिए। Claude Code के हाल के वर्जन उस व्यवहार को लगातार टाइट कर रहे हैं। अगर आपकी टीम बैकग्राउंड एजेंट्स का उपयोग करती है, तो अपग्रेड टेस्ट परमिशन मोड, ब्लॉक्ड-टूल UX, और यह जांचना है कि एजेंट व्यू सही ढंग से रिपोर्ट करता है या नहीं। ...

[NOVA]: यह हमें एक ठोस रिलीज चेकलिस्ट देता है। Hermes v2026.5.7: बोर्ड ओनरशिप, वर्कर हार्टबीट, स्टेल रिक्लेम, चेकपॉइंट प्रूनिंग, गेटवे रिज्यूम, क्रॉन मोड, अलाउंडलिस्ट, रिडैक्शन, प्रोवाइडर प्लगइन्स, और MCP रिकनेक्ट्स टेस्ट करें। Claude Code v2.1.141: एजेंट व्यू, --cwd, हुक्स, प्लगइन कंट्रोल्स, वर्कलोड आइडेंटिटी, MCP रिफ्रेश, परमिशन मोड्स, और बैकग्राउंड स्टेटस टेस्ट करें। ये वे अपडेट्स हैं जिन पर आप इस हफ्ते काम कर सकते हैं। ...

[ALLOY]: अगला नया आइटम Google का 12 मई का ADK आर्टिकल है जो लंबे-चलने वाले एजेंट्स के बारे में है जो रुकते हैं, फिर से शुरू होते हैं, और कॉन्टेक्स्ट बनाए रखते हैं। उपयोगी हिस्सा कोई जादुई प्रॉम्प्ट नहीं है। यह एक ठोस स्टेट मॉडल है। गाइड एक सेशन दिखाता है जिसमें current_step है, ToolContext.state के जरिए स्पष्ट स्टेट अपडेट्स हैं, एक सेशन सर्विस है जो SQLite या Cloud SQL पर बैकअप है, और वेक-अप पॉइंट्स हैं जिन्हें बाहरी इवेंट्स से ट्रिगर किया जा सकता है। यह एजेंट्स के लिए सही दिशा है जो एक बैठक में खत्म नहीं हो सकते। ...

[NOVA]: फीचर प्रॉब्लम परिचित है। एक मॉडल चैट बातचीत के आखिरी कुछ मिनट याद रख सकता है, लेकिन एक वास्तविक एप्लिकेशन मैनेजर की मंजूरी, वेबहुक, फॉर्म सबमिशन, ग्राहक का जवाब, या पेमेंट इवेंट का इंतजार कर सकता है। अगर एजेंट बहुत बड़े ट्रांसक्रिप्ट को रिप्ले करके यह सब याद रखने की कोशिश करता है, तो लागत बढ़ती है और विश्वसनीयता घटती है। ADK का मार्गदर्शन है कि जरूरी स्टेट को सीधे पर्सिस्ट करें: स्टेप, जरूरी सिग्नल, यूजर डेटा, टूल आउटपुट, और अगला सुरक्षित एक्शन। ...

[ALLOY]: इंस्ट्रक्शन इंटरपोलेशन व्यावहारिक विवरणों में से एक है। मॉडल से पुराने मैसेज से स्टेटस इन्फर करने के बजाय, ऐप स्टेट वैल्यूज़ को इंस्ट्रक्शन में डाल सकता है। एजेंट वर्तमान स्टेप, ज्ञात तथ्य, और अनुमत अगला एक्शन देखता है। यह व्यवहार को टेस्ट करना आसान बनाता है। अगर current_step कहता है कि मंजूरी का इंतजार है, तो मॉडल को फाइनल रेस्पॉन्स नहीं भेजना चाहिए। अगर स्टेट कहता है कि मंजूरी आ गई, तो अगला एक्शन आगे बढ़ सकता है। फीचर आकस्मिक एमनेसिया और आकस्मिक ओवररिच के खिलाफ एक गार्ड है। ...

[NOVA]: ToolContext.state राइट पाथ है। टूल्स अपने सामान्य एक्जीक्यूशन के हिस्से के रूप में पर्सिस्टेड स्टेट अपडेट कर सकते हैं। यह मायने रखता है क्योंकि टूल्स अक्सर मॉडल से बेहतर सच्चाई जानते हैं। एक पेमेंट टूल जानता है कि पेमेंट सफल हुई या नहीं। एक टिकट टूल जानता है कि कोई टिकट ग्राहक पर इंतजार कर रहा है या नहीं। एक डेटाबेस टूल जानता है कि कोई रो अपडेट हुआ या नहीं। उस रिज़ल्ट को स्टेट में लिखने से अगले टर्न को सच्चाई का एक विश्वसनीय स्रोत मिलता है न कि शायद हुआ क्या का एक वर्णनात्मक स्मृति। ...

[ALLOY]: स्टोरेज चॉइस भी स्पष्ट है। ट्यूटोरियल एक DatabaseSessionService का जिक्र करता है जिसमें लोकल डेवलपमेंट के लिए SQLite और अधिक गंभीर डिप्लॉयमेंट के लिए Cloud SQL है। यह स्पष्ट लग सकता है, लेकिन यह एक उपयोगी प्रोडक्ट सिग्नल है। एजेंट स्टेट एक सर्विस में होना चाहिए जिसे आप इंस्पेक्ट, बैकअप, माइग्रेट, और टेस्ट कर सकें। यह केवल ट्रांसक्रिप्ट के अंदर नहीं फंसा होना चाहिए। एक बार स्टेट डेटाबेस में आ जाए, तो आप इवैल्स चला सकते हैं, सिनारियोज़ रीप्ले कर सकते हैं, डिलेज़ सिम्युलेट कर सकते हैं, और सत्यापित कर सकते हैं कि फिर से शुरू हुए सेशन्स सही काम करते हैं। ...

[NOVA]: वेबहुक रिज्यूम वह फीचर है जो पैटर्न को असली महसूस कराता है। कोई एजेंट रुक सकता है, बाहरी सिग्नल का इंतजार कर सकता है, और जब वह सिग्नल आए तो फिर से शुरू हो सकता है। कुंजी यह है कि रिज्यूम का मतलब यह नहीं होना चाहिए, "मॉडल से पूछें कि वह क्या सोच रहा था।" रिज्यूम का मतलब यह होना चाहिए, "सेशन स्टेट लोड करें, इवेंट पढ़ें, अनुमत ट्रांज़िशन जांचें, और ज्ञात स्टेप से जारी रखें।" यही तरीका है जिससे लंबे-चलने वाले एजेंट्स क्लासिक फेलियर मोड से बचते हैं जहां देरी वाला इवेंट गलत कॉन्टेक्स्ट में गलत एक्शन करता है। ...

[ALLOY]: ADK गाइड सब-एजेंट ट्रांसफर और टेस्टिंग पर भी चर्चा करता है। टेस्टिंग हिस्सा ध्यान देने योग्य है। लंबे-चलने वाले एजेंट बग अक्सर गैप्स में छिपे होते हैं: देरी के बाद, रीस्टार्ट के बाद, टूल फेलियर के बाद, आंशिक मंजूरी के बाद, या जब उपयोगकर्ता अपना मन बदलता है। Golden evals जो स्टेट प्री-सीड करते हैं, टीमों को उन गैप्स को सीधे टेस्ट करने देते हैं। आप एक eval किसी प्रोसेस के बीच में पहले से सेशन के साथ शुरू कर सकते हैं, फिर जांच सकते हैं कि अगला रेस्पॉन्स सुरक्षित है या नहीं। यह पहले यूजर मैसेज से केवल हैप्पी पाथ की जांच से बेहतर टेस्ट है। ...

[NOVA]: रिलीज न्यूज़ फॉलो करने वाले बिल्डर्स के लिए, टेकअवे सीधा है: ADK स्पष्ट पर्सिस्टेड स्टेट को फर्स्ट-क्लास एजेंट फीचर के रूप में आगे बढ़ा रहा है। छोटे इंस्ट्रक्शन, स्ट्रक्चर्ड स्टेट, डेटाबेस-बैक्ड सेशन्स, इवेंट-ड्रिवन रिज्यूम, और डिलेड कंटिन्यूएशन को कवर करने वाले evals का उपयोग करें। किसी प्रोडक्शन एजेंट को एक लंबी चैट लॉग पर अपनी एकमात्र स्मृति के रूप में निर्भर न होने दें। नया आर्टिकल कन्वर्सेशनल मेमोरी से इंस्पेक्टेबल एप्लिकेशन स्टेट की ओर जाने के लिए एक ठोस टेम्पलेट देता है। ...

[ALLOY]: यह Hermes और Claude Code के अपडेट के साथ स्वाभाविक रूप से जुड़ता है जो पहले सेगमेंट में आए थे। Hermes डurable टास्क ट्रैकिंग को बेहतर बनाता है। Claude Code लोकल एजेंट विजिबिलिटी को बेहतर बनाता है। ADK एप्लिकेशन-लेवल स्टेट को बेहतर बनाता है। अलग-अलग प्रोडक्ट्स, एक ही रिलीज-युग की दिशा: कम अदृश्य जादू, ज्यादा इंस्पेक्टेबल स्टेट, ज्यादा स्पष्ट परमिशन, इंटरप्शन के बाद बेहतर रिकवरी, और एजेंट बिहेवियर के उन हिस्सों के लिए बेहतर टेस्ट जो पहले छिपे होते थे। ...

[NOVA]: तीसरा नया आइटम है GitHub Copilot एजेंट टास्क। GitHub का REST डॉक्यूमेंटेशन रिपॉजिटरी के हिसाब से एजेंट टास्क शुरू करने और इंस्पेक्ट करने के एंडपॉइंट्स एक्सपोज करता है। रूट शेप सीधा है: /agents/repos/{owner}/{repo}/tasks। रिक्वेस्ट में एक प्रॉम्प्ट, एक मॉडल, एक बेस रेफ, और पुल रिक्वेस्ट बनाना है या नहीं, शामिल हो सकता है। टास्क फिर स्टेट्स के जरिए आगे बढ़ता है जैसे कि क्यूd, इन प्रोग्रेस, आइडल, यूजर का इंतज़ार कर रहा है, फेल्ड, और कम्प्लीटेड। ...

[ALLOY]: महत्वपूर्ण फीचर यह नहीं है कि Copilot कोड लिख सकता है। हमें पहले से पता था। नया वैल्यू यह है कि एक कोडिंग टास्क API-एड्रेसबल रिपॉजिटरी ऑब्जेक्ट बन सकता है। प्लेटफॉर्म टीमें एक टास्क शुरू कर सकती हैं, टास्क ID स्टोर कर सकती हैं, स्टेटस इंस्पेक्ट कर सकती हैं, आर्टिफैक्ट्स का इंतज़ार कर सकती हैं, और नॉर्मल रिव्यू के जरिए रिजल्ट को गेट कर सकती हैं। यह एजेंट कोडिंग को इश्यू ट्रायज, CI डैशबोर्ड, रिलीज सिस्टम, और इंटरनल पोर्टल से जुड़ना आसान बनाता है। यह चैट इंस्ट्रक्शन को ट्रेसेबल रेपो ऑपरेशन में बदल देता है। ...

[NOVA]: परमिशन यहाँ केंद्रीय हैं। डॉक्स एजेंट टास्क के लिए फाइन-ग्रेन्ड रिपॉजिटरी परमिशन का रेफरेंस देते हैं। इसका मतलब है कि एक सिस्टम ब्रॉड रिपॉजिटरी कंट्रोल सौंपे बिना टास्क एक्सेस दे सकता है। परमिशन मॉडल एडॉप्शन से पहले इंस्पेक्ट करने वाली फीचर है। कौन सी रिपॉजिटरीज टास्क शुरू कर सकती हैं? कौन से एक्टर पुल रिक्वेस्ट रिक्वेस्ट कर सकते हैं? कौन से बेस रेफ्स अनुमत हैं? कौन सा मॉडल सेलेक्ट किया जा सकता है? जब टास्क शुरू होता है और जब यह आर्टिफैक्ट प्रोड्यूस करता है तब कौन से ऑडिट लॉग एंट्रीज दिखाई देती हैं? वे सवाल लॉन्च चेकलिस्ट में शामिल होने चाहिए। ...

[ALLOY]: create_pull_request ऑप्शन को खुद टास्क से अलग करना भी जरूरी है। एक टास्क जांच कर सकता है, कोड बदल सकता है, और आर्टिफैक्ट प्रोड्यूस कर सकता है; पुल रिक्वेस्ट रिव्यू बाउंड्री है। टीमों को उस बाउंड्री को विजिबल रखनी चाहिए। अगर एक टास्क एक ब्रांच और PR बनाता है, तो CI, कोड ओनर्स, प्रोटेक्टेड ब्रांचेस, और नॉर्मल रिव्यू अभी भी लागू होते हैं। नया API सरफेस सही इसलिए है क्योंकि यह मौजूदा GitHub कंट्रोल्स को बाइपास करने के बजाय उन्हें फीड कर सकता है। ...

[NOVA]: स्टेट पोलिंग दूसरी प्रैक्टिकल फीचर है। एक कॉलर को यह अनुमान नहीं लगाना चाहिए कि एक लॉन्च किया गया टास्क फिनिश हो गया है क्योंकि रिक्वेस्ट रिटर्न हो गई। इसे प्लेटफॉर्म के सपोर्टेड पैटर्न के हिसाब से पोल या सब्सक्राइब करना चाहिए, waiting_for_user को हैंडल करना चाहिए, फेलियर को हैंडल करना चाहिए, और कम्प्लीशन के बाद ही आर्टिफैक्ट रिकॉर्ड करना चाहिए। यहीं पर एजेंट-टास्क एंडपॉइंट दूसरी किसी async इंजीनियरिंग जॉब जैसा दिखने लगता है: सबमिट, ID पर्सिस्ट, स्टेटस इंस्पेक्ट, रिजल्ट प्रोसेस, और एविडेंस रिकॉर्ड। ...

[ALLOY]: रिक्वेस्ट में मॉडल सेलेक्शन एक छोटा फील्ड है जिसके बड़े निहितार्थ हैं। अगर एक टीम टास्क के हिसाब से मॉडल चुन सकती है, तो पॉलिसी को बताना होगा कि किस रिपॉजिटरी और किस डेटा क्लास के लिए कौन सा मॉडल अनुमत है। एक डॉक्यूमेंटेशन फिक्स, डिपेंडेंसी बम्प, सिक्योरिटी पैच, और माइग्रेशन प्लान को शायद एक ही मॉडल या एक ही कॉन्टेक्स्ट बजट की जरूरत नहीं हो। फीचर पावरफुल है, लेकिन गवर्नेंस बोरिंग होनी चाहिए: अनुमत मॉडल, अनुमत रिपॉजिटरीज, अनुमत बेस रेफ्स, और स्पष्ट रिव्यू गेट्स। ...

[NOVA]: रिलीज टीमों के लिए, नया Copilot टास्क API दूसरे सिस्टम से रेपो वर्क क्यू करने का एक क्लीन तरीका बन सकता है। एक फेल्ड टेस्ट एक इश्यू बनाता है। एक ट्रस्टेड सर्विस रेपो के खिलाफ एक एजेंट टास्क शुरू करता है। टास्क एक ब्रांच या पुल रिक्वेस्ट खोलता है। CI चलता है। रिव्यूअर्स डिफ इंस्पेक्ट करते हैं। रिजल्ट मौजूदा पॉलिसी के जरिए लैंड होता है। यह एक चैट विंडो में एक जायंट प्रॉम्प्ट पेस्ट करने और उम्मीद करने से कि फाइनल आंसर साफ-साफ GitHub में मैप हो, एक ज्यादा स्वस्थ पैटर्न है। ...

[ALLOY]: लिमिटेशन भी स्पष्ट है। एजेंट टास्क रिव्यू, सीक्रेट्स पॉलिसी, CI, या रिलीज अप्रूवल की जगह नहीं ले सकते। वे एक नया ऑटोमेशन सरफेस हैं। उनके साथ ऐसे व्यवहार करें जैसे वे एक API हैं जो वर्क क्रिएट कर सकते हैं, जैसे वे एक ऑथॉरिटी नहीं हैं जो वर्क डन घोषित कर सकते हैं। डॉक्स में स्टेट्स एक रिमाइंडर हैं: क्यूd शुरू नहीं हुआ, इन प्रोग्रेस सुरक्षित नहीं है, आइडल को ध्यान की जरूरत हो सकती है, यूजर का इंतज़ार कर रहा है फेलियर नहीं है, और कम्प्लीटेड को अभी भी आर्टिफैक्ट रिव्यू की जरूरत है। ...

[NOVA]: इस अपडेट में सबसे अच्छा साइन यह है कि एजेंट कोडिंग सामान्य प्लेटफॉर्म इन्फ्रास्ट्रक्चर बन रही है। इसके एंडपॉइंट्स हैं, परमिशन हैं, टास्क स्टेट्स हैं, ब्रांच बिहेवियर है, और पुल-रिक्वेस्ट ऑप्शन्स हैं। यही एजेंट हेल्प को वन-ऑफ असिस्टेंट से कुछ ऐसा बदलता है जिसे एक टीम मॉनिटर कर सकती है। यह आज के एपिसोड में व्यापक ट्रेंड से भी मेल खाता है: स्टेट और विजिबिलिटी प्रोडक्ट फीचर्स बन रहे हैं, बाद में जोड़ी गई चीज़ें नहीं। ...

[ALLOY]: अगर आप Hermes को v2026.5.7 के बाद अपग्रेड कर रहे हैं, तो विश्वसनीयता सुविधाओं से शुरू करें। एक छोटा टेस्ट बोर्ड बनाएं। पुष्टि करें कि टास्क स्वामित्व सही तरीके से दिख रहा है। एक वर्कर को मारें और स्टेल रीक्लेम या ब्लॉक्ड स्टेट को वेरिफाई करें। गेटवे को रिस्टार्ट करें और रिज्यूम व्यवहार को वेरिफाई करें। प्रूनिंग को देखने के लिए पर्याप्त चेकपॉइंट बनाएं। कोई मॉडल शामिल किए बिना एक डिटर्मिनिस्टिक क्रॉन चेक चलाएं। फिर रीकनेक्ट के दौरान MCP कॉल्स को टेस्ट करें और लॉग्स में रीडैक्शन की पुष्टि करें। ...

[NOVA]: Claude Code के लिए, ऑब्जर्वेबिलिटी और हुक्स से शुरू करें। claude एजेंट्स चलाएं, फिर उसे किसी प्रोजेक्ट में --cwd के साथ चलाएं। एक बैकग्राउंड टास्क लॉन्च करें और परमिशन मोड की पुष्टि करें। एक हुक ट्रिगर करें जो JSON और terminalSequence emit करता है। HTTPS पर प्लगइन सोर्स क्लोनिंग टेस्ट करें। एक सेशन क्लियर करें और MCP सर्वर व्यवहार को वेरिफाई करें। प्रासंगिक एनवायरनमेंट सेटिंग के साथ वर्कलोड आइडेंटिटी स्कोपिंग चेक करें। रिलीज उपयोगी है, लेकिन केवल अगर आपकी लोकल पॉलिसी और टूल सर्वर अपग्रेड के बाद भी काम करती रहें। ...

[ALLOY]: ADK के लिए, डिलेड स्टेट टेस्ट करें। एक छोटा उदाहरण बनाएं जिसमें एक सेशन स्टेट वैल्यू, एक डेटाबेस सेशन सर्विस, और एक एक्सटर्नल रिज्यूम इवेंट हो। सेशन को वेटिंग स्टेट में डालें। इंतज़ार करें। एक सिमुलेटेड वेबहुक से इसे रिज्यूम करें। फिर एक इवैल चलाएं जो उस वेटिंग स्टेट से शुरू हो, पूरी बातचीत रीप्ले किए बिना। अगर यह टेस्ट पास हो जाए, तो आपने एक पॉलिश्ड डेमो से ज़्यादा सीखा है। ...

[NOVA]: Copilot एजेंट टास्क्स के लिए, कोडिंग रिज़ल्ट से पहले API बाउंडरी टेस्ट करें। किसी नॉन-क्रिटिकल रिपॉजिटरी में एक टास्क बनाएं। टास्क ID स्टोर करें। स्टेट को पोल करें। डायरेक्ट बदलावों की जगह पुल रिक्वेस्ट कीज़िए। ऑडिट ट्रेल, परमिशन्स, सेलेक्टेड मॉडल, बेस रेफ, और CI रिज़ल्ट इंस्पेक्ट करें। फिर तय करें कि किन कैटेगरीज़ के काम एंडपॉइंट के ज़रिए सबमिट करना सुरक्षित है। नई फीचर आशाजनक है, लेकिन पहली जीत स्पीड नहीं, ट्रेसिबिलिटी होनी चाहिए। ...

[ALLOY]: एक चीज़ जिस पर अगले समय ध्यान देना है वह स्टेटस वोकैबुलरी के आसपास कन्वर्जेंस है। Hermes के पास कार्ड्स और वर्कर्स हैं। Claude Code के पास एजेंट सेशन्स हैं। ADK के पास परसिस्टेड सेशन स्टेट है। GitHub के पास टास्क स्टेट्स हैं। नाम अलग हैं, लेकिन प्रोडक्ट दिशा सुसंगत है: यूज़र्स को यह जानना ज़रूरी है कि क्या चल रहा है, क्या इंतज़ार में है, क्या फेल हुआ, क्या इनपुट चाहिए, और क्या आर्टिफैक्ट प्रोड्यूस हुआ। एजेंट टूल्स जो इन सवालों का जवाब नहीं दे सकते, वे समय के साथ पुराने होते जाएंगे। ...

[NOVA]: एक और चीज़ जिस पर ध्यान देना है वह पॉलिसी का यूज़र-फेसिंग फीचर बनना है। अलाउलिस्ट्स, रोल चेक्स, परमिशन मोड्स, वर्कलोड आइडेंटिटी, प्लगइन सोर्स पॉलिसी, रिपॉजिटरी परमिशन्स, और मॉडल सेलेक्शन पहले एडमिन डिटेल्स जैसे लगते थे। अब वे प्रोडक्ट स्टोरी का हिस्सा हैं। जितना काबिल एजेंट बनता है, यह जानना उतना ही ज़रूरी है कि इसे कौन शुरू कर सकता है, यह क्या छू सकता है, कौन सा प्रोवाइडर इस्तेमाल कर सकता है, और इसके आउटपुट की समीक्षा कैसे होती है। ...

[ALLOY]: आखिरी ट्रेंड ऑटोनॉमी के बारे में कम रोमांस और इंटरप्शन के आसपास ज़्यादा इंजीनियरिंग है। हार्टबीट्स, रीक्लेम, चेकपॉइंट्स, गेटवे रिज्यूम, डेटाबेस स्टेट, वेबहुक कंटिन्यूएशन, टास्क पोलिंग, और ब्लॉक्ड स्टेट्स ये सब तरीके हैं असली सिस्टम्स के रुकने, क्रैश होने, इंतज़ार करने, और रिकवर होने को स्वीकार करने के। यह अच्छी खबर है। विश्वसनीय प्रोडक्ट्स परफेक्ट डेमोस के बजाय फेल्योर मोड्स के आसपास बनते हैं। ...

[NOVA]: Hermes के डीटेल्स पर कुछ और मिनटों के लिए धीमे हो जाइए, क्योंकि नई रिलीज में कई छोटी फीचर्स हैं जो चेंजलॉग स्किम में दिखने से ज़्यादा प्रोडक्शन में मायने रखेंगी। वर्कर हार्टबीट सबसे स्पष्ट है। हार्टबीट साइलेंस को एक मापे गए सिग्नल में बदल देती है। अगर वर्कर ज़िंदा है, तो बोर्ड इंतज़ार करता रह सकता है। अगर हार्टबीट रुक जाती है, तो सिस्टम टास्क को स्टेल मार्क कर सकता है, उसे रीक्लेम कर सकता है, या ब्लॉक्ड स्टेट सतह पर ला सकता है। यह एक बेसिक रिलायबिलिटी प्रिमिटिव है, और यही तरह का प्रिमिटिव एजेंट प्रोडक्ट्स को चाहिए। ...

[ALLOY]: स्टेल रीक्लेम साथी फीचर है। रीक्लेम के बिना, एक फेल्ड वर्कर टास्क को हमेशा के लिए मालिकाना हक दिखाता छोड़ सकता है। रीक्लेम के साथ, बोर्ड तय कर सकता है कि स्वामित्व समाप्त हो गया है। ज़रूरी डिटेल यह है कि रीक्लेम यह नहीं मानना चाहिए कि पिछला प्रयास सफल रहा। इसे फेल्योर मोड, रीट्राई काउंट, एविडेंस, और आखिरी ज्ञात स्टेट को प्रिज़र्व रखना चाहिए। बिल्डर्स को अपग्रेड के बाद उस व्यवहार को इंस्पेक्ट करना चाहिए। एक रीक्लेम्ड टास्क जादुई तरीके से फ्रेश नहीं, बल्कि ऑडिटेबल होना चाहिए। ...

[NOVA]: Darwin पर ज़ॉम्बी डिटेक्शन प्लेटफॉर्म फुटनोट जैसा लगता है, लेकिन यह उसी प्रोडक्ट दिशा का एक और उदाहरण है। लोकल एजेंट रन अक्सर चाइल्ड प्रोसेसेस पर निर्भर करते हैं: शेल कमांड्स, ब्राउज़र प्रोसेसेस, टूल सर्वर्स, ऑडियो जेनरेशन, इमेज जेनरेशन, या टेस्ट रनर्स। अगर कोई प्रोसेस बुरी तरह मर जाता है, तो एजेंट लेयर को पता होना चाहिए। ज़ॉम्बी स्टेट का पता लगाना रोमांचक मार्केटिंग कॉपी नहीं है; यही तरीका है जिससे एक लोकल ऑटोमेशन प्रोडक्ट "प्रोसेस मौजूद है" को "काम स्वस्थ है" से अलग पहचानना बंद करता है। ...

[ALLOY]: चेकपॉइंट प्रूनिंग को भी इसी तरह पढ़ने योग्य होना चाहिए। ऐसी परसिस्टेंस जो कभी प्रून नहीं होती, अंततः अपना आउटेज स्रोत बन जाती है। डिस्क भर जाती है। रिज्यूम धीमा हो जाता है। पुरानी स्थिति मौजूदा स्थिति से प्रतिस्पर्धा करती है। एक चेकपॉइंट फीचर तभी परिपक्व होता है जब इसमें सीमाएं, क्लीनअप, और स्पष्ट फेलियर व्यवहार शामिल हो। Hermes v2026.5.7 के बाद, स्मार्ट टेस्ट यह बनाना है कि कई रन बनाएं, एक को इंटरप्ट करें, एक को रिज्यूम करें, और चेकपॉइंट डायरेक्टरी या डेटाबेस एंट्री का आकार, फ्रेशनेस, और रिकवरेबिलिटी के लिए निरीक्षण करें। ...

[NOVA]: प्रोवाइडर प्लगइन परिवर्तन भी पहली नज़र से जितना बड़ा दिखता है उससे बड़ा है। एजेंट प्रोडक्ट्स को बढ़ते हुए मॉडल प्रोवाइडर स्वैप करने, विशिष्ट कार्यों को विशिष्ट API पर रूट करने, और प्रोवाइडर-विशिष्ट विकल्पों को गलत बैकएंड में लीक होने से रोकने की ज़रूरत है। एक प्लगइन बाउंड्री उस इंटीग्रेशन को अधिक स्पष्ट बनाती है। यह ऑपरेटर्स को भी auth एरर, रिक्वेस्ट टाइमआउट, फॉलबैक व्यवहार, टोकन सीमाएं, और प्रोवाइडर-विशिष्ट रिस्पॉन्स फॉर्मेट को बिना बाकी प्रोडक्ट को फिर से लिखे टेस्ट करने की जगह देता है। ...

[ALLOY]: MCP रिपेयर वर्क भी उसी श्रेणी में आता है। मॉडल कॉन्टेक्स्ट प्रोटोकॉल सर्वर फाइल सर्च, इश्यू सर्च, ब्राउज़र एक्शन, ऐप API, या इंटरनल सर्विसेस एक्सपोज़ कर सकते हैं। जब ट्रांसपोर्ट SSE हो, जब OAuth टोकन समवर्ती रिफ्रेश हों, या जब कोई पाइप स्टेल हो, तो एजेंट मूल प्रॉम्प्ट से काफी दूर फेल हो सकता है। Hermes और Claude Code दोनों का एक ही एपिसोड में MCP स्टेबिलिटी अपडेट शिप करना एक उपयोगी सिग्नल है। टूल लेयर एक फर्स्ट-क्लास मेंटेनेंस सरफेस बन रहा है। ...

[NOVA]: Claude Code पर, एजेंट व्यू उन फीचर्स में से एक हो सकता है जो मौजूद होने के बाद स्पष्ट लगता है। इससे पहले, एक यूज़र बैकग्राउंड वर्क लॉन्च कर सकता था और फिर मेमोरी, टर्मिनल स्क्रॉलबैक, या बाहरी प्रोसेस चेक पर निर्भर रह सकता था। इसके बाद, CLI खुद स्टेटस सवालों का जवाब दे सकता है। रनिंग, ब्लॉक्ड, कम्प्लीटेड, और प्रोजेक्ट-स्कोप्ड व्यू गंभीर लोकल एजेंट यूज़ के लिए टेबल स्टेक्स हैं। कमांड सिम्पल है, लेकिन प्रोडक्ट इम्प्लिकेशन बड़ा है: लोकल एजेंट वर्क इंस्पेक्टेबल हो रहा है। ...

[ALLOY]: हुक terminalSequence फील्ड समान रूप से प्रैक्टिकल है। टर्मिनल फीडबैक सिर्फ डेकोरेशन नहीं है। एक हुक को तुरंत किसी ब्लॉक्ड एक्शन को दिखाने, टर्मिनल टाइटल बदलने, बेल बजाने, या पूरा होने का संकेत देने की ज़रूरत हो सकती है जब यूज़र दूसरे पैन में है। स्ट्रक्चर्ड हुक आउटपुट टीमों को पॉलिसी को फीडबैक से जोड़ने का एक साफ तरीका देता है। महत्वपूर्ण टेस्ट यह है कि हुक इंटरैक्टिव सेशन, बैकग्राउंड सेशन, और ब्लॉक्ड टूल कॉल पर अनुमानित रहें। ...

[NOVA]: प्लगइन सोर्स कंट्रोल सप्लाई चेन कारणों से मायने रखता है। अगर कोई कोडिंग टूल प्लगइन लोड कर सकता है, तो सोर्स पॉलिसी सिक्योरिटी का हिस्सा है। HTTPS क्लोनिंग, मैनेज्ड सेटिंग्स, अप्रूव्ड सोर्स, और वर्कस्पेस आइडेंटिटी ग्लैमरस नहीं हैं, लेकिन वे executable extension कोड कहाँ से आया, इस अस्पष्टता को कम करते हैं। टीमों को प्लगइन कॉन्फ़िगरेशन को डिपेंडेंसी कॉन्फ़िगरेशन की तरह ट्रीट करना चाहिए: ज्ञात सोर्स, ज्ञात वर्ज़न, ज्ञात परमिशन, और ज्ञात अपडेट पाथ। ...

[ALLOY]: ANTHROPIC_WORKSPACE_ID के साथ वर्कलोड आइडेंटिटी स्कोपिंग उसी दिशा में इशारा करता है। एक लोकल CLI व्यक्तिगत लग सकता है, लेकिन अब कई यूज़र इसे कंपनी प्रोजेक्ट, मैनेज्ड एनवायरनमेंट, या शेयर्ड dev बॉक्स के अंदर चलाते हैं। आइडेंटिटी को प्रोजेक्ट बाउंड्री और पॉलिसी बाउंड्री का पालन करना होगा। अगर गलत वर्कस्पेस ID गलत प्रोजेक्ट में लीक होती है, तो बिलिंग, ऑडिट, और परमिशन चेक सभी गड़बड़ा सकते हैं। नई सेटिंग एक छोटे लेकिन सोचसमझकर अपग्रेड टेस्ट के लायक है। ...

[NOVA]: Google का ADK लेख महत्वपूर्ण है क्योंकि यह मॉडल कॉन्टेक्स्ट और एप्लिकेशन स्टेट के बीच एक साफ अंतर बनाता है। मॉडल कॉन्टेक्स्ट वह टेक्स्ट है जो मॉडल देखता है। एप्लिकेशन स्टेट वह ड्यूरेबल रिकॉर्ड है जो ऐप के पास है। लंबे चलने वाले एजेंट्स को दोनों की ज़रूरत है, लेकिन एक को दूसरे के लिए भ्रमित नहीं करना चाहिए। लेख का current_step उदाहरण जानबूझकर सिम्पल है। एक छोटी स्टेट वैल्यू एक बड़े प्रकार के एरर को रोक सकती है जब एजेंट विलंब के बाद रिज्यूम होता है। ...

[ALLOY]: DatabaseSessionService डिटेल भी बिल्डर्स को बताता है कि Google इस कैटेगरी को कहाँ ले जाना चाहता है। डेवलपमेंट के लिए लोकल SQLite, अधिक गंभीर डिप्लॉयमेंट के लिए Cloud SQL, और टूल कॉल के माध्यम से स्टेट राइट्स: यह टॉय पैटर्न नहीं है। यह एक नॉर्मल एप्लिकेशन आर्किटेक्चर है जिसमें AI लेयर जोड़ी गई है। एजेंट अभी भी रीज़न, राइट, और टूल कॉल कर सकता है, लेकिन ऐप ड्यूरेबल रिकॉर्ड का मालिक है। यह डीबगिंग और कम्प्लायंस को आसान बनाता है क्योंकि स्टेट को मॉडल के बाहर इंस्पेक्ट किया जा सकता है। ...

[NOVA]: वेबहुक-ड्रिवन रिज्यूम वह क्षण है जहाँ फीचर थ्योरोटिकल होना बंद कर देता है। कल्पना करें कि कोई अप्रूवल बारह घंटे बाद आता है। ऐप को सेशन लोड करना चाहिए, अप्रूवल इवेंट पढ़ना चाहिए, अपेक्षित स्टेप की पुष्टि करनी चाहिए, और जारी रखना चाहिए। इससे मॉडल से पुराने प्रोज़ से अप्रूवल चेन को फिर से बनाने के लिए नहीं कहना चाहिए। वही विचार सपोर्ट केस, ऑनबोर्डिंग, फाइनेंस अप्रूवल, डिवाइस प्रोविजनिंग, और किसी भी टास्क पर लागू होता है जहाँ रिक्वेस्ट और रिस्पॉन्स के बीच समय बीतता है। ...

[ALLOY]: देर से आने वाली स्थिति के लिए गोल्डन इवैल्यूएशन विशेष रूप से उपयोगी हैं। टीमें अक्सर केवल पहला रिक्वेस्ट और अंतिम जवाब टेस्ट करती हैं। बग आमतौर पर बीच में होता है: टाइमआउट के बाद, आंशिक टूल रिजल्ट के बाद, जब कोई यूजर जवाब बदलता है, या जब कोई बाहरी इवेंट दो बार आता है। स्टेट को पहले से सीड करने से इवैल्यूएशन ठीक उसी बीच की स्थिति से शुरू हो सकता है। यह किसी भयानक वास्तविक दुनिया के एज केस को दोहराने योग्य टेस्ट केस में बदल देता है। यह ADK पोस्ट में सबसे बेशक कीमती विचारों में से एक है। ...

[NOVA]: GitHub का Copilot टास्क API एक अलग वजह से महत्वपूर्ण है: यह एजेंट कोडिंग को रिपॉजिटरी प्लेटफॉर्म में फिट करता है। एंडपॉइंट टास्क बना सकता है, इसे रिपो पर अटैच कर सकता है, मॉडल चुन सकता है, बेस रेफ चुन सकता है, और वैकल्पिक रूप से पुल रिक्वेस्ट बना सकता है। यह किसी दूसरी सर्विस को Copilot के काम को async जॉब की तरह ट्रीट करने देता है। रिजल्ट स्टेटस, ब्रांच और PR आर्टिफैक्ट के जरिए देखा जा सकता है, असिस्टेंट चैट में गायब नहीं होता। ...

[ALLOY]: परमिशन मॉडल डॉक्स में सबसे पहले स्टडी करने वाली चीज है। फाइन-ग्रेन्ड रिपॉजिटरी परमिशन ब्रॉड टोकन की जरूरत को कम करती हैं। कोई प्लेटफॉर्म एजेंट टास्क शुरू करने की एक्सेस दे सकता है बिना हर संभव रिपो एक्शन दिए। यह सही दिशा है, लेकिन इसके लिए अभी भी सावधानीपूर्वक कॉन्फ़िगरेशन की जरूरत है। कोई टास्क-स्टार्टिंग सर्विस संकरा टोकन, ज्ञात रिपॉजिटरी सेट, स्पष्ट बेस-रेफ पॉलिसी, और चेंजेस लैंड होने से पहले रिव्यू की आवश्यकता रखनी चाहिए। ...

[NOVA]: टास्क स्टेट्स स्टार्ट एंडपॉइंट जितने ही महत्वपूर्ण हैं। क्यूड का मतलब स्वीकार किया गया, फिनिश नहीं। इन प्रोग्रेस का मतलब एक्टिव, सेफ नहीं। आइडल का मतलब एजेंट का इंतज़ार हो सकता है या ध्यान की जरूरत है। यूजर का इंतज़ार जनरिक एरर नहीं, प्रोडक्ट स्टेट है। कम्प्लीटेड का मतलब आर्टिफैक्ट मौजूद है, आर्टिफैक्ट सही है यह नहीं। फेल्ड का मतलब कॉलर को एरर पाथ की जरूरत है जो बताए कि क्या हुआ। ये स्टेट्स टीमों को एजेंट कोडिंग के आसपास मॉनिटरिंग बनाने के लिए काफी स्ट्रक्चर देती हैं। ...

[ALLOY]: पुल-रिक्वेस्ट क्रिएशन सेंसिबल आर्टिफैक्ट बाउंड्री है। ब्रांच और PR मौजूदा GitHub कंट्रोल्स को अपना काम करने देते हैं: CI, रिव्यू, कोड ओनर्स, चेक्स, प्रोटेक्टेड ब्रांचेस, और ऑडिट हिस्ट्री। नई फीचर कोड को ज्यादा ट्रेसबल बनानी चाहिए, कम नहीं। अगर कोई टीम Copilot टास्क अपनाती है और रिव्यू को बायपास करती है, तो उसने अपडेट का सबसे अच्छा हिस्सा मिस कर दिया है। API तब सबसे ज्यादा वैल्यूबल है जब यह इंजीनियरिंग कंट्रोल्स में प्लग इन करता है जो पहले से मौजूद हैं। ...

[NOVA]: चारों स्टोरीज को एक साथ रखिए और खबर अमूर्त नहीं है। Hermes डेलीगेटेड वर्क के लिए मजबूत ड्यूरेबिलिटी जोड़ता है। Claude Code मजबूत लोकल विजिबिलिटी और एक्सटेंशन कंट्रोल जोड़ता है। ADK देर से चलने वाले एजेंट्स के लिए स्पष्ट पर्सिस्टेड स्टेट जोड़ता है। GitHub रिपो स्टेट्स और PR आर्टिफैक्ट के साथ API-एड्रेसिबल कोडिंग टास्क जोड़ता है। यह कंक्रीट प्रोडक्ट मूवमेंट का एक हफ्ता है। यह एजेंट्स की टीमों की जगह लेने की हाइप नहीं है। यह टूलिंग ज्यादा ऑपरेशनल बन रही है। ...

[ALLOY]: अगले कुछ रिलीज के लिए सवाल यह है कि इसका कितना हिस्सा स्टैंडर्ड वोकैबुलरी बनता है। हार्टबीट, चेकपॉइंट, परमिशन मोड, पर्सिस्टेड स्टेट, टास्क स्टेटस, मॉडल सेलेक्शन, प्रोवाइडर प्लगइन, MCP रीकनेक्ट, पुल-रिक्वेस्ट आर्टिफैक्ट, इवैल केस, ऑडिट लॉग: ये वो शब्द हैं जो एजेंट सिस्टम्स को लेगिबल बनाते हैं। जो प्रोडक्ट्स इन शब्दों को इंस्पेक्ट करना आसान बनाएंगे, वही प्रोडक्ट्स वो होंगे जिन पर टीमें भरोसा करेंगी। ...

[NOVA]: यहां वो बिल्डर चेक्स हैं जो मैं रिलीज नोट्स के साथ रखूंगा। पहला, हर नए स्टेटस फीचर के लिए एक छोटा हेल्थ टेस्ट बनाइए। Hermes के लिए, इसका मतलब है एक बोर्ड जिसमें दो टास्क हों, एक हेल्दी वर्कर, एक इंटरप्टेड वर्कर, और एक विजिबल फाइनल स्टेट। Claude Code के लिए, इसका मतलब है एक एजेंट सेशन जो चल रहा है, एक जो ब्लॉक है, और एक जो कम्प्लीट है। GitHub के लिए, इसका मतलब है एक टास्क जो क्यूड से कम्प्लीटेड तक जाता है पुल रिक्वेस्ट के साथ। ADK के लिए, इसका मतलब है एक देर से रीज्यूम इवेंट जो स्टोर्ड स्टेट बदलता है। ...

[ALLOY]: दूसरा, प्रोडक्टिविटी टेस्ट से पहले परमिशन टेस्ट बनाइए। कोई नया एजेंट फीचर तभी सेफ है अगर बाउंड्री स्पष्ट है। टेस्ट करिए कि इसे कौन शुरू कर सकता है, यह किस प्रोवाइडर को कॉल कर सकता है, यह किस रिपॉजिटरी को टच कर सकता है, यह कौन सा टोकन यूज करता है, कौन सा मॉडल अलाउ है, और कौन सा एक्शन रिव्यू की मांग करता है। बिल्डर्स अक्सर हैप्पी पाथ पहले टेस्ट करते हैं क्योंकि यह रोमांचक है। ऑपरेटर्स बाउंड्री पहले टेस्ट करनी चाहिए क्योंकि यह वो हिस्सा है जो सरप्राइजेस को रोकता है। ...

[NOVA]: तीसरा, एविडेंस की आदत बनाइए। आज के एपिसोड में हर उपयोगी एजेंट प्रोडक्ट एविडेंस की ओर बढ़ रहा है: कार्ड स्टेट, सेशन स्टेट, टास्क स्टेट, पुल रिक्वेस्ट, लॉग, ट्रेस, चेकपॉइंट, इवैल रिजल्ट, या परमिशन रिकॉर्ड। अगर कोई अपडेट सिर्फ फ्लुएंट सारांश प्रोड्यूस करता है, तो यह काफी नहीं है। जो मजबूत प्रोडक्ट बिहेवियर है वह सारांश प्लस वह आर्टिफैक्ट है जो साबित करे कि क्या हुआ। यही तरीका है जिससे बिल्डर्स स्पीड बनाए रखते हैं बिना जवाबदेही छोड़े। ...

[ALLOY]: चौथी बात, failure modes के आसपास बनाओ। Hermes worker को interrupt करो। MCP server तोड़ो। OAuth token expire करो। Claude Code hook block करो। ADK resume event को क्रम से बाहर भेजो। Copilot task को user input का इंतज़ार करने दो। ये अपने आप में destructive tests नहीं हैं। ये वो tests हैं जो बताते हैं कि नया feature normal production की गड़बड़ में जी सकता है या नहीं। एक टूल जो सिर्फ demo path में काम करता है, वो important work के लिए तैयार नहीं है। ...

[NOVA]: पांचवीं बात, expand करने से पहले सबसे छोटा useful use case बनाओ। Hermes के लिए, release-note verification board काफी है। Claude Code के लिए, एक project-scoped agent view काफी है। ADK के लिए, persisted state वाला एक approval gate काफी है। Copilot tasks के लिए, एक low-risk documentation PR काफी है। छोटे tests जल्दी reveal करते हैं product behavior। उसके बाद builder users, repositories, tools, और policy जोड़ सकता है। ...

[ALLOY]: ये checks news से divert नहीं हैं। ये वो हैं जिनसे news useful बनती है। एक release note कहता है कि feature मौजूद है। एक builder check कहता है कि वो तुम्हारे environment में काम करता है या नहीं। इन दोनों के बीच का gap वही है जहां कई agent products fail करती हैं। आज के updates promising हैं क्योंकि वो उस gap को ज़्यादा expose करते हैं: status, state, permission, retry, provider, transport, और artifact behavior एक साल पहले से ज़्यादा दिखाई देते हैं। ...

[NOVA]: एक और practical point है upgrade sequencing। एक साथ हर moving part upgrade न करो अगर बच सको। उस product से शुरू करो जिसका नया feature सबसे immediate problem solve करता है। अगर तुम्हारा pain invisible background work है, तो Claude Code के agent view से शुरू करो। अगर तुम्हारा pain delegated work का stuck होना है, तो Hermes से शुरू करो। अगर तुम्हारा pain delayed approvals है, तो ADK state से शुरू करो। अगर तुम्हारा pain GitHub-hosted code tasks है, तो Copilot API से शुरू करो। Builders को तब better data मिलता है जब एक variable एक बार में change होता है। ...

[ALLOY]: और अगर तुम internal platform maintain करते हो, तो इन्हें default templates बना दो। Evidence fields वाला एक Hermes board template। एक Claude Code hook test template। एक ADK state eval template। Repository permission checks वाला एक GitHub task submission template। Templates good behavior को repeatable बनाते हैं। नए agent features उस direction में जा रहे हैं: कम improvisation, ज़्यादा productized state, ज़्यादा inspectable artifacts, और clearer upgrade tests। ...

[NOVA]: recap से पहले एक आखिरी builder note: एक ऐसा dashboard बनाओ जो कम बोले लेकिन ज़्यादा prove करे। Builder view में active task, blocked task, last retry, selected provider, current permission, latest artifact, और next human decision दिखना चाहिए। ये एक operator के लिए act करने के लिए काफी है। builder को generated prose की दीवार की ज़रूरत नहीं है जब एक concise status table, एक pull request का link, और एक clear error state काम करेगा। ...

[ALLOY]: दूसरा builder note: adoption plan में rollback बनाओ। अगर एक नया plugin source auth तोड़ता है, अगर एक provider adapter response schema बदलता है, अगर एक MCP transport timing out शुरू करता है, या अगर एक background agent गलत permission inherit करता है, तो operator को पता होना चाहिए कि पिछले config पर कैसे वापस जाना है। Use case सिर्फ नया feature ship करना नहीं है। Use case उसे safe exit के साथ ship करना है। यही एक exciting release को responsible upgrade बनाता है। ...

[NOVA]: और तीसरा builder note: team reviews में shared language बनाओ। पूछो, "state क्या है, artifact क्या है, कौनसा permission use हुआ, कौनसा provider call हुआ, क्या retry हुआ, और completion की evidence क्या है?" ये सवाल Hermes, Claude Code, ADK, और Copilot tasks में काम करते हैं। ये builders को एक practical review habit देते हैं जो product differences में survive करती है। सबसे अच्छे new agent features वो हैं जो इन सवालों का जवाब देना आसान बनाते हैं। ...

[NOVA]: तो concise recap यह है। Hermes Agent v2026.5.7 delegated agent work के लिए durability और operator safety features ship करता है। Claude Code v2.1.141 और इसके आसपास के recent versions agent visibility, hooks, plugins, identity, MCP stability, और permissions improve करते हैं। Google ADK दिखाता है कि agents को pause और resume करने के लिए state कैसे store करना है। GitHub Copilot agent tasks repo automation को REST-addressable task surface देते हैं। यही इस हफ्ते के useful agent updates हैं। ...

[ALLOY]: अगर तुम हर story से सिर्फ एक चीज़ test करो, तो ये करो: Hermes resume after interruption; Claude Code agent visibility plus hook behavior; ADK persisted state after a delay; Copilot task status plus pull-request gating। ये tests core product movement के साथ align होते हैं। नए features agents को सिर्फ more capable नहीं बना रहे। वो agent work को observe, recover, और govern करना आसान बना रहे हैं। ...

[NOVA]: Yeh AgentStack Daily aaj ke liye hai. Show notes, source links, aur transcripts ke liye Toby On Fitness Tech dot com par visit karein. Main NOVA hoon. ...

[ALLOY]: Aur main ALLOY hoon. Hum jald wapas aayenge. ...