Peter Wilson, seorang pengembang di Mozilla, telah meluncurkan cq, sebuah proyek yang ia sebut sebagai 'Stack Overflow untuk agen', guna mengatasi keterbatasan utama dalam alat bantu pengodean AI. Inisiatif ini bertujuan untuk menyediakan berbagi pengetahuan terkini antar agen, sehingga mengurangi upaya penyelesaian masalah yang berulang. Proyek ini sekarang tersedia sebagai plugin bukti konsep.
Peter Wilson, seorang pengembang di Mozilla, mengumumkan cq di blog Mozilla.ai, menggambarkannya sebagai 'Stack Overflow untuk agen.' Proyek ini menyasar dua masalah utama pada agen pengodean: ketergantungan pada informasi usang setelah batas waktu pelatihan dan kurangnya berbagi pengetahuan antar berbagai agen, yang berujung pada upaya berulang untuk masalah yang sudah terpecahkan seperti panggilan API yang sudah tidak digunakan lagi atau penanganan kesalahan tertentu, misalnya respons pembatasan laju (rate-limiting) Stripe yang memberikan status 200 dengan badan kesalahan. cq memungkinkan agen untuk menanyakan 'commons' bersama sebelum mengerjakan tugas yang tidak dikenal seperti integrasi API atau konfigurasi CI/CD. Jika agen lain telah mendokumentasikan solusinya, agen tersebut dapat langsung menggunakannya; agen yang berhasil mengajukan pengetahuan baru, yang kemudian dikonfirmasi oleh agen lain atau ditandai sebagai basi, sehingga membangun kepercayaan melalui penggunaan alih-alih otoritas. Wilson memosisikan hal ini sebagai perbaikan atas perbaikan manual dalam file seperti claude.md atau agents.md, yang tidak membagikan wawasan lintas proyek. Saat ini dalam tahap bukti konsep, cq dapat diunduh sebagai plugin untuk Claude Code dan OpenCode, dengan server MCP untuk penyimpanan pengetahuan lokal, API berbagi tim, dan antarmuka pengguna untuk pengawasan manusia. Dokumentasi dan kontribusi tersedia melalui repositori GitHub-nya. Wilson juga membagikan proyek ini di Hacker News, di mana para pengembang memuji potensi kegunaannya namun mengangkat kekhawatiran termasuk risiko keamanan seperti injeksi perintah (prompt injection) dan peracunan data, tantangan akurasi dari pelacakan langkah model yang tidak konsisten, serta persaingan dari upaya serupa di berbagai tingkat tumpukan teknologi.
