# 1. Установка Cline из VSCode Marketplace

Cline доступен как бесплатное расширение в официальном маркетплейсе Visual Studio Code. Установка занимает меньше минуты и не требует дополнительных зависимостей — всё, что нужно, это сам VSCode версии 1.82 или выше.

Способ 1 — через интерфейс VSCode: откройте панель расширений (Ctrl+Shift+X / Cmd+Shift+X), введите в поиске Cline и нажмите Install. Расширение опубликовано под именем saoudrizwan.claude-dev — это оригинальный разработчик проекта.

Способ 2 — через командную строку: если вы предпочитаете CLI, установите расширение одной командой:

# Установка Cline через CLI
code --install-extension saoudrizwan.claude-dev

# Проверка установленной версии
code --list-extensions --show-versions | grep claude-dev

После установки в левой боковой панели VSCode появится иконка Cline (робот 🤖). Нажмите на неё — откроется панель чата, где и происходит всё взаимодействие с агентом.

# 2. Настройка API-ключа и выбор провайдера

Cline не включает собственной AI-модели — он подключается к внешним LLM-провайдерам через API. На момент написания гайда поддерживаются: Anthropic (Claude), OpenAI (GPT-4o), OpenRouter, Google Gemini, DeepSeek, Mistral и любые OpenAI-совместимые эндпоинты.

🔑 Настройка через интерфейс

Откройте панель Cline (иконка 🤖) → нажмите на шестерёнку ⚙️ (Settings) в правом верхнем углу. Перед вами откроется экран с выбором провайдера и полем для API-ключа.

1. Выберите API Provider из выпадающего списка
2. Вставьте API-ключ в поле API Key
3. Выберите модель (например, claude-3-5-sonnet-20241022)
4. Нажмите Done — ключ сохраняется в защищённом хранилище VSCode (SecretStorage)

🔧 Настройка через settings.json

Для продвинутых пользователей доступна настройка через JSON-конфигурацию VSCode. Откройте Ctrl+Shift+P → Preferences: Open Settings (JSON) и добавьте:

// Конфигурация Cline в settings.json
{
  "cline.apiProvider": "anthropic",
  "cline.apiModelId": "claude-sonnet-4-20250514",
  "cline.autoApprove": false,
  "cline.maxTokens": 128000,
  "cline.preferredLanguage": "Russian"
}

📊 Сравнение провайдеров

# 3. Первый запуск: пишем prompt и наблюдаем за агентом

После настройки API-ключа вы готовы к первому запуску. Откройте любую папку с проектом в VSCode (File → Open Folder), затем откройте панель Cline. В поле ввода напишите первый промпт — и наблюдайте, как агент начинает работать.

🚀 Пример первого промпта

Допустим, у нас есть пустая папка. Попросим Cline создать простой веб-сервер на Python:

// Промпт (ввод в чат Cline)
Создай простой HTTP-сервер на Python с FastAPI.
Эндпоинты:
  GET  /          → {"status": "ok", "service": "demo-api"}
  GET  /health    → {"healthy": true}
  POST /echo       → вернуть присланный JSON обратно

Структура проекта:
  app/
    main.py
    models.py
  requirements.txt
  README.md

Что произойдёт дальше: Cline автономно выполнит следующие шаги:

1. Создаст структуру папок (mkdir app)
2. Напишет код в main.py и models.py
3. Сгенерирует requirements.txt с зависимостями
4. Откроет терминал и выполнит pip install -r requirements.txt
5. Запустит сервер через uvicorn app.main:app --reload
6. Протестирует эндпоинты через curl и проверит ответы
7. Если найдёт ошибки — сам их исправит и перезапустит

📝 Что сгенерирует Cline — пример кода

# app/main.py — сгенерировано Cline
from fastapi import FastAPI
from app.models import EchoRequest, EchoResponse

app = FastAPI(title="demo-api")

@app.get("/")
async def root():
    return {"status": "ok", "service": "demo-api"}

@app.get("/health")
async def health():
    return {"healthy": True}

@app.post("/echo", response_model=EchoResponse)
async def echo(body: EchoRequest):
    return {"received": body.model_dump()}

# Вывод при запуске:
# INFO:     Uvicorn running on http://127.0.0.1:8000
# INFO:     Application startup complete.

# 4. Plan Mode vs Act Mode — стратегия использования

Одна из ключевых фич Cline — два режима работы: Plan Mode (режим планирования) и Act Mode (режим действий). Понимание разницы между ними критически важно для эффективной работы с агентом.

🔄 Рекомендуемый рабочий процесс

1. Plan Mode: опишите задачу — агент прочитает relevant файлы, проанализирует архитектуру и предложит пошаговый план. Вы ревьюите план, вносите правки.
2. Переключение: нажмите кнопку Act — агент получит права на запись и начнёт реализацию.
3. Act Mode: агент последовательно выполняет пункты плана, после каждого шага проверяя результат (запуск тестов, линтеров).
4. Итерация: если что-то пошло не так — возвращаетесь в Plan Mode, корректируете стратегию, снова переключаетесь в Act.

📋 Пример Plan-промпта

// Промпт в Plan Mode
Мне нужно добавить кэширование в REST API.
Проанализируй текущий код в app/ и предложи план:
  1. Какие эндпоинты кэшировать
  2. Какой backend использовать (Redis / in-memory)
  3. Как инвалидировать кэш при мутациях
  4. Оценка сложности и рисков
Не вноси изменения — только анализ и план.

⚡ Пример Act-промпта (после утверждения плана)

// Промпт в Act Mode
Реализуй план кэширования из предыдущего шага.
Используй Redis через redis-py.
После реализации запусти pytest и убедись, что все тесты проходят.
Если тесты упадут — почини и перезапусти.

# 5. MCP-серверы: подключение внешних инструментов

MCP (Model Context Protocol) — это открытый протокол от Anthropic, позволяющий AI-агентам подключаться к внешним источникам данных и инструментам. Cline полностью поддерживает MCP: вы можете подключить серверы для работы с базами данных, API сторонних сервисов, файловыми хранилищами и даже кастомными инструментами.

🔌 Настройка MCP-сервера

MCP-серверы настраиваются в файле конфигурации Cline. Откройте настройки расширения (шестерёнка в панели Cline) → вкладка MCP Servers → нажмите Add Server. Или отредактируйте конфигурацию напрямую:

// ~/.config/cline/mcp-servers.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/allowed/directory"
      ]
    },
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://user:pass@localhost:5432/mydb"
      ]
    },
    "github": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    }
  }
}

🛠 Создание собственного MCP-сервера на Python

Вы можете написать собственный MCP-сервер для любых задач. Вот минимальный пример сервера, предоставляющего инструмент для работы с локальной базой SQLite:

# mcp_sqlite_server.py — кастомный MCP-сервер
import sqlite3
import json
from mcp.server import Server
from mcp.types import Tool, TextContent

# Создаём MCP-сервер
server = Server("sqlite-explorer")
db = sqlite3.connect("data.db")

@server.list_tools()
async def list_tools() -> list[Tool]:
    # Регистрируем доступные инструменты
    return [
        Tool(
            name="query_db",
            description="Выполнить SQL-запрос к базе",
            inputSchema={
                "type": "object",
                "properties": {
                    "sql": {"type": "string"}
                },
                "required": ["sql"]
            }
        )
    ]

@server.call_tool()
async def call_tool(name: str, args: dict) -> list[TextContent]:
    if name == "query_db":
        cursor = db.execute(args["sql"])
        rows = cursor.fetchall()
        return [TextContent(
            type="text",
            text=json.dumps(rows, ensure_ascii=False)
        )]

if __name__ == "__main__":
    server.run()

# Запуск: python mcp_sqlite_server.py
# Агент Cline сможет делать SQL-запросы через этот сервер

# 6. Полный цикл автоматизации: Cline + Terminal + Browser

Настоящая сила Cline раскрывается в полном цикле автоматизации. Агент не просто пишет код — он может протестировать frontend в headless-браузере, сделать скриншот, проанализировать его визуально, найти баги в вёрстке и исправить их.

🔄 Пример: автоматическое создание и тестирование лендинга

Представьте задачу: «Создай лендинг для стартапа, проверь его в браузере и убедись, что нет ошибок вёрстки». Вот как Cline выполнит это автономно:

1. Планирование: агент анализирует задачу и предлагает структуру (Hero, Features, Pricing, Footer)
2. Генерация: создаёт index.html, styles.css, адаптивную вёрстку
3. Запуск: поднимает локальный сервер через python -m http.server 3000
4. Тестирование: открывает страницу в headless-браузере (Playwright/Puppeteer), делает скриншоты
5. Анализ: проверяет консоль браузера на ошибки, визуально оценивает скриншот
6. Исправление: если находит баги — правит код, обновляет страницу, перепроверяет

💻 Промпт для полного цикла

// Промпт в Act Mode — полный цикл
Создай одностраничный лендинг для AI-стартапа "NeuralFlow".
Требования:
  - Hero-секция с заголовком, подзаголовком и CTA-кнопкой
  - 3 карточки с фичами продукта
  - Секция с отзывами (3 цитаты)
  - Тёмная тема (#0F172A фон)
  - Адаптивная вёрстка (mobile-first)
  - Tailwind CSS (CDN)

После создания:
  1. Запусти http.server на порту 8080
  2. Открой страницу в headless-браузере
  3. Сделай скриншот десктопной (1920x1080) и мобильной (375x812) версий
  4. Проверь console.errors браузера
  5. Если есть ошибки — исправь и повтори проверку
  6. Когда всё чисто — сообщи о завершении

🔧 Настройка браузерного тестирования

Для работы с браузером Cline использует Puppeteer MCP Server. Установите его один раз — и агент получит возможность открывать страницы, делать скриншоты, кликать по элементам и читать консоль:

# Установка Puppeteer MCP Server
npx -y @anthropic/mcp-server-puppeteer

# Или глобально:
npm install -g @anthropic/mcp-server-puppeteer

# Добавьте в конфиг MCP-серверов Cline:
{
  "puppeteer": {
    "command": "npx",
    "args": ["-y", "@anthropic/mcp-server-puppeteer"]
  }
}

📊 Результаты работы агента в браузере

# 7. Продвинутые техники: автономный CI/CD и self-healing код

Опытные пользователи Cline выходят за рамки простой кодогенерации и строят автономные пайплайны, где агент не только пишет код, но и тестирует, деплоит, мониторит логи и исправляет ошибки в продакшене — и всё это без участия человека.

🔁 Цикл self-healing для production-багов

# Сценарий: автономное исправление production-ошибки

# 1. Cline получает уведомление о баге (через MCP-сервер Linear/Jira)
# 2. Анализирует стектрейс из Sentry/Datadog
# 3. Находит проблемный код в репозитории
# 4. Создаёт новую ветку:
git checkout -b fix/auto-resolve-issue-4231

# 5. Пишет исправление и тесты
# 6. Запускает тесты:
pytest -xvs --cov=src tests/

# Вывод тестов:
# tests/test_api.py::test_fix_race_condition PASSED
# tests/test_db.py::test_connection_pool PASSED
# 42 passed, 0 failed in 12.34s

# 7. Коммитит и пушит:
git add -A && git commit -m "fix: resolve race condition in connection pool"
git push origin fix/auto-resolve-issue-4231

# 8. Создаёт Pull Request с описанием исправления
# 9. Уведомляет команду в Slack (через MCP)

⚙️ Настройка автономного рабочего процесса

Чтобы Cline работал полностью автономно (например, как ночной агент), настройте Auto-Approve для доверенных операций. Это позволит агенту выполнять команды без подтверждения пользователя:

// settings.json — автономный режим
{
  "cline.autoApprove": true,
  "cline.autoApproveReadOnly": true,
  "cline.autoApproveWrite": true,
  "cline.autoApproveCommand": "git diff,git status,pytest,npm test,npm run build",
  "cline.autoApproveBrowser": false,
  "cline.maxConsecutiveAutoApprovals": 50
}

# 8. Частые ошибки и их решение

При работе с автономным AI-агентом неизбежно возникают ситуации, когда что-то идёт не по плану. Ниже собраны наиболее распространённые проблемы, с которыми сталкиваются пользователи Cline, и проверенные способы их решения.

❌ Ошибка: «API key is invalid or expired»

Самая частая проблема при первом запуске. Причины могут быть разными: просроченный ключ, недостаточный баланс на счету провайдера, неверно выбранный регион или ограничение по IP-адресу. Первым делом проверьте, что ключ активен в личном кабинете провайдера и на счету есть средства. Для Anthropic убедитесь, что ключ создан в разделе API Keys консоли, а не скопирован из другого сервиса. Для OpenRouter проверьте, что в настройках аккаунта включён доступ к выбранной модели, так как некоторые модели требуют отдельного подтверждения.

# Проверка API-ключа Anthropic через curl
curl -s https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model":"claude-3-haiku-20240307","max_tokens":10,"messages":[{"role":"user","content":"ping"}]}'

# Ожидаемый ответ при валидном ключе:
# {"id":"msg_xxx","type":"message","role":"assistant","content":[...]}

# Если ключ недействителен:
# {"type":"error","error":{"type":"authentication_error","message":"invalid x-api-key"}}

❌ Ошибка: «Context window exceeded»

Агент пытается отправить слишком много данных в одном запросе, и провайдер отклоняет его. Это происходит, когда Cline читает много больших файлов или история диалога становится слишком длинной. Решение: начните новый чат (кнопка «New Chat» в панели Cline), сбрасывая контекст. Также можно явно указать агенту в промпте читать только нужные участки файлов, а не весь проект целиком. В настройках провайдера увеличьте лимит токенов, если модель его поддерживает — например, у Claude через API доступно до двухсот тысяч токенов контекста.

❌ Ошибка: агент зацикливается на одной проблеме

Иногда Cline попадает в петлю: пытается исправить ошибку, получает новую, возвращается к исходной — и так по кругу. Это происходит из-за неполного понимания контекста или противоречивых требований в промпте. Лучшее решение — нажать Cancel, переключиться в Plan Mode и дать агенту более чёткие инструкции. Опишите проблему конкретно: какой файл, какая строка, какое ожидаемое поведение. Избегайте размытых формулировок вроде «почини всё» или «сделай красиво». Добавьте в промпт конкретные критерии приёмки: «после исправления тесты в файле tests/test_api.py должны проходить без ошибок, сервер должен отвечать на GET /health статусом 200».

❌ Проблема: MCP-сервер не запускается

Наиболее вероятные причины: отсутствует Node.js (версия 18 или новее), не установлен пакет сервера глобально, или команда в конфигурации указана неверно. Проверьте логи MCP-сервера через панель Cline: шестерёнка → MCP Servers → значок терминала рядом с сервером. Там отображается stdout и stderr процесса. Если сервер написан на Python, убедитесь, что интерпретатор доступен по указанному пути и все зависимости установлены в активном виртуальном окружении.

# Проверка Node.js (нужен для npx-based MCP-серверов)
node --version
# Должно быть: v18.0.0 или выше

# Проверка, что MCP-пакет доступен
npx -y @modelcontextprotocol/server-filesystem --help

# Проверка Python MCP-сервера
python -c "import mcp; print(mcp.__version__)"
# Должно быть: 1.0.0 или выше

💡 Общие рекомендации по отладке

Если агент ведёт себя не так, как вы ожидаете, первым делом проверьте логи. В VSCode откройте панель «Output» (Ctrl+Shift+U) и выберите Cline из выпадающего списка. Там отображается вся внутренняя коммуникация: запросы к API, ответы моделей, вызовы инструментов, ошибки. Второй важный инструмент — контрольные точки в промпте. Добавляйте в промпт явные указания: «после создания каждого файла сообщи мне, что он создан, и жди моего подтверждения перед продолжением». Это даёт вам возможность прервать агента на нужном шаге и скорректировать курс. И наконец, всегда работайте в отдельной Git-ветке — это позволит легко откатить изменения, если агент пошёл не туда.

# 9. Сравнение Cline с альтернативами

Cline не единственный AI-агент для VSCode. Чтобы понять его место в экосистеме, сравним с основными конкурентами: GitHub Copilot, Continue.dev, Codeium и Aider.

Вывод: Cline — единственный fully-autonomous агент с доступом к файлам, терминалу и браузеру одновременно. Если вам нужен «сотрудник», который сам решает задачи от начала до конца — это ваш выбор. Copilot и Continue хороши для интерактивной помощи при написании кода, но не для автономной работы.