TOON: nový formát pro profesionální zápis promptů (a proč není jen „jiný JSON“)

Poslední aktualizace: 14. 04. 2026

Proč vůbec řešit nový formát

U LLM a zejména u multiagentních systémů se prompt často mění z „textové instrukce“ na kontrakt: strukturovaný vstup, výstup, kontext, pravidla, role, datové tabulky, výsledky mezikroků. V JSONu se to dá dělat dobře, ale rychle narazíte na dvě praktické nevýhody:

Tokenová režie: uvozovky, závorky, čárky a opakované klíče zabírají překvapivě velkou část kontextu.
Čitelnost a údržba: složitější prompt-config v JSONu se hůř ladí ručně a změny struktury jsou náchylné na syntaktické chyby.

TOON (Token-Oriented Object Notation) vznikl jako formát, který zachovává strukturu JSON, ale zapisuje ji způsobem přívětivějším pro člověka i LLM a zároveň úspornějším z hlediska počtu tokenů.

GitHub - toon-format/toon: 🎒 Token-Oriented Object Notation (TOON) – Compact, human-readable, schema-aware JSON for LLM prompts. Spec, benchmarks, TypeScript SDK.

Co je TOON a jak funguje

TOON je bezeztrátový zápis strukturovaných dat kompatibilní s JSON: co vyjádří JSON, vyjádří i TOON. Rozdíl je v notaci:

Hierarchie se vyjadřuje odsazením (podobně jako YAML), místo „závorové“ syntaxe.
Pole se značí jako nazev[N], kde N je délka pole.
Homogenní pole objektů umí TOON zapisovat tabulkově: klíče se uvedou jednou v hlavičce a pak následují řádky hodnot (jako CSV).

Mini ukázka (objekt + vnoření)

user:
  id: 1
  name: Alice
  profile:
    city: Prague

Ukázka (homogenní pole objektů – „tabulka“)

users[2]{id,name,role}:
  1,Alice,admin
  2,Bob,user

V JSONu by se id/name/role opakovaly u každého záznamu. V TOONu jsou jednou.

Proč je to zajímavé pro prompty a multiagentní systémy

V multiagentním běhu se typicky přenáší a ukládá:

kontext a pravidla,
task backlog / plán,
evidenční tabulky (záznamy, události, zákazníci, dokumenty),
intermediate výsledky (extrakce, klasifikace, návrhy, skóre),
rozhodnutí a auditní stopa.

TOON dává smysl hlavně v situacích, kdy:

máte větší objem strukturovaných dat v promptu,
data jsou opakující se / tabulková (logy, záznamy, katalogy, seznamy),
potřebujete ušetřit kontext a zároveň zachovat strukturu,
chcete, aby agenti „mluvili“ přehledně strukturovaně, ne jen volným textem.

Praktický dopad:

méně tokenů → nižší cena a více prostoru pro kontext,
přehlednější „contract“ mezi agenty → méně nedorozumění,
snazší ruční kontrola a ladění promptů.

TOON vs. JSON: rychlé porovnání

Čitelnost pro lidi

JSON: spolehlivý, ale hlučný (závorky, uvozovky, čárky), u větších objektů se čte hůř.
TOON: přehlednější struktura díky odsazení a tabulkovému zápisu.

Tokenová efektivita

JSON: často vysoká režie kvůli opakování klíčů a syntaxi.
TOON: výrazně úsporný hlavně u homogenních polí objektů (tabulkový mód).

Robustnost a tooling

JSON: standard, všude parsování, validace, schémata, linting.
TOON: mladší ekosystém, méně „enterprise“ nástrojů a konvencí.

Vhodnost pro multiagentní orchestraci

JSON: ideální pro API kontrakty, strojové zpracování, schema-first přístup.
TOON: ideální pro „LLM-friendly“ přenos a ukládání strukturovaných stavů a tabulek v promptu.

Nevýhody a rizika TOONu (důležité pro praxi)

TOON je praktický, ale je fér zmínit slabiny:

Méně výhodný u heterogenních nebo hluboce vnořených struktur
Pokud data nejsou tabulková a každá položka má jiné klíče, TOON často nemůže použít tabulkový zápis a výhoda se zmenší.
Mladý standard a nižší podpora v nástrojích
V enterprise prostředí je JSON „default“: governance, schémata, validace, integrace. U TOONu to zatím znamená vlastní knihovny a procesy.
Nutnost disciplíny u týmů
Pokud se TOON začne psát ručně, je potřeba hlídat konzistenci (odsazení, pořadí polí v tabulce, quoting hodnot se speciálními znaky).
Modely nejsou „nativně TOON-trained“
Obvykle je potřeba dát agentům jasný příklad formátu, případně krátké pravidlo „vrať výstup v TOON“.

Doporučení pro profesionální použití

TOON bych bral jako vrstvu optimalizace pro LLM, ne jako náhradu JSON všude.

Dává smysl, když:

posíláte do promptu větší tabulková data,
stav multiagentního běhu je rozsáhlý (plány, logy, evidence),
řešíte náklady a limit kontextu,
chcete čitelné „agent-to-agent“ message payloady.

JSON nechává smysl, když:

jste v integračním světě API a schémat,
potřebujete zralé validační a governance nástroje,
data nejsou tabulková a úspora TOONu je malá.

TOON je zajímavý kandidát na „prompt serialization format“ pro profesionální nasazení: nižší tokenová režie + lepší čitelnost tam, kde prompty nesou strukturovaná data a multiagentní stav. V enterprise praxi je ale potřeba počítat s tím, že JSON má pořád největší výhodu v ekosystému, standardizaci a tooling.

Pokud chceš, můžu doplnit ještě krátkou šablonu „multiagent message envelope“ v TOON (role, cíl, vstupy, výstupy, pravidla, audit) a vedle toho stejnou šablonu v JSON.