Glosar Vibe Coding: MCP, Agent AI, Context Window, Prompt — Explicate Simplu

Limbajul noii ere a dezvoltării de software

Domeniul inteligenței artificiale evoluează cu o viteză amețitoare, aducând cu sine un val de acronime și termeni tehnici care pot părea intimidanți pentru oricine începe să construiască primul proiect.

Fie că asculți un podcast de tehnologie, citești un tutorial pe internet sau deschizi un mediu de lucru asistat de AI, te vei lovi constant de concepte precum „Model Context Protocol”, „fereastră de context”, „compactare” sau „agenți autonomi”.

Acest glosar practic traduce jargonul tehnic în explicații simple, clare și ancorate în realitatea de zi cu zi a dezvoltării software. Păstrează-l la îndemână ca punct de referință ori de câte ori întâlnești un termen necunoscut.

1. Vibe Coding

Definiție: O paradigmă modernă de dezvoltare de software în care o persoană construiește aplicații descriind în limbaj natural ce dorește să obțină, lăsând un agent AI să scrie, să testeze și să organizeze codul sursă.

Termenul a fost popularizat la începutul anului 2025 de cercetătorul Andrej Karpathy pentru a descrie starea în care programatorul uman nu se mai concentrează pe sintaxa minuțioasă sau pe detalii de tastare, ci pe „vibrația” generală a produsului — direcție, logică de utilizare și comportament dorit.

2. Agent AI de Programare (Coding Agent)

Definiție: Un sistem bazat pe modele de limbaj (LLM) care nu se limitează doar la generarea de text într-un chat, ci are capacitatea autonomă de a acționa asupra mediului tău de lucru: citește fișierele locale din calculator, creează module noi, editează cod existent, rulează comenzi în terminal și verifică erorile apărute.

Exemple populare: Claude Code ( Anthropic), Google Antigravity, Cursor Agent Mode, GitHub Copilot Workspace.

Diferența față de un chatbot: Un chatbot este un consilier pasiv (îți dă sfaturi pe ecran, dar tu trebuie să le aplici). Un agent este un colaborator activ (execută direct sarcinile tehnice în fișierele tale).

3. Prompt (și Prompt Engineering)

Definiție: Textul, instrucțiunea sau întrebarea pe care o transmiți unui model de inteligență artificială pentru a declanșa un răspuns sau o acțiune specifică.

Prompt Engineering: Arta și tehnica de a formula instrucțiuni cât mai precise, structurate și lipsite de ambiguitate, oferind context de fundal, exemple clare și constrângeri ferme (de exemplu: „Scrie doar funcția în TypeScript, fără explicații suplimentare, și asigură-te că tratează cazul în care utilizatorul nu este autentificat”).

4. Fereastră de Context (Context Window)

Definiție: Memoria de lucru a unui model de inteligență artificială la un moment dat — volumul maxim de informație (text, cod, comenzi anterioare) pe care modelul îl poate procesa simultan într-o singură interacțiune.

Gândește-te la fereastra de context ca la suprafața unui birou: dacă biroul este mic, pe el încap doar câteva pagini; dacă biroul este uriaș, poți deschide un dosar întreg. Însă oricât de mare ar fi biroul, spațiul rămâne finit. Când construiești o aplicație software cu zeci de fișiere, log-uri de eroare și discuții lungi, memoria de lucru se umple inevitabil.

5. Compactarea Sesiunii (Session Compaction)

Definiție: Mecanismul automat prin care uneltele de programare cu AI rezumă sau șterg părți din conversația anterioară atunci când istoricul se apropie de limita maximă a ferestrei de context.

De ce contează: Compactarea este motivul pentru care AI-ul pare că „uită” regulile stabilite cu o oră în urmă. În timpul procesului de rezumare agresivă, detaliile fine — cum ar fi o convenție de denumire a fișierelor, o excepție de securitate sau un bug subtil de browser — sunt primele informații care se pierd.

6. Token

Definiție: Unitatea fundamentală prin care modelele de limbaj citesc și măsoară textul. Un token nu este neapărat un cuvânt întreg; poate fi un cuvânt scurt, o parte dintr-un cuvânt mai lung, un semn de punctuație sau o secvență de spații albe.

Ca regulă generală, 1.000 de tokeni reprezintă aproximativ 750 de cuvinte în limba engleză (sau în jur de 600-700 de cuvinte în limba română datorită caracterelor speciale). Ferestrele de context și costurile de utilizare ale modelelor AI sunt calculate și tarifate întotdeauna pe baza numărului de tokeni procesați (de intrare și de ieșire).

7. Model Context Protocol (MCP)

Definiție: Un standard deschis de comunicare dezvoltat inițial de Anthropic și adoptat rapid de întreaga industrie tehnologică, ce permite modelelor și agenților AI să se conecteze în mod securizat și standardizat la unelte externe, baze de date, servere și servicii software.

Înainte de MCP, fiecare asistent AI trebuia să aibă integrări personalizate și fragile pentru fiecare aplicație externă. Prin MCP, orice unealtă terță (cum ar fi o bază de date Postgres, un serviciu GitHub sau un manager de sarcini) poate expune un server MCP cu un set clar de instrumente (tools) și resurse, pe care orice agent compatibil le poate descoperi și apela automat.

8. AI Context (Context Persistent)

Definiție: Un set durabil de instrucțiuni de arhitectură, reguli de dezvoltare, convenții de cod și capcane tehnice cunoscute (gotchas), stocat în afara sesiunii volatile de chat a agentului, la care orice asistent conectat are acces garantat înainte de a începe lucrul.

Spre deosebire de un prompt copiat manual la fiecare sesiune nouă sau de fișiere locale stufoase care aglomerează spațiul util de tokeni, un AI Context persistent este citit la cerere de către agent la debutul oricărei intervenții, asigurând continuitatea absolută a proiectului chiar dacă schimbi mediul de lucru sau începi o sesiune proaspătă de terminal.

Cum se leagă toate aceste concepte în viața reală

Atunci când practici vibe coding la un nivel serios, nu lucrezi doar cu bucăți izolate de tehnologie. Construiești un ecosistem complet:

Tu transmiți prompt-uri clare către un agent AI de codare. Agentul citește proiectul, dar pentru a nu fi afectat de limitele ferestrei de context sau de pierderile cauzate de compactarea sesiunii, se conectează prin Model Context Protocol (MCP) la o sursă centrală de adevăr. De acolo extrage un AI Context persistent și își sincronizează sarcinile de lucru.

Acesta este exact rolul pe care îl joacă platforma fanTask: oferă spațiul nativ de organizare unde creatorii umani și agenții AI colaborează pe același backlog, păstrând software-ul stabil, curat și fără amnezii pe termen lung.