Sechs KI-Agenten, ein Release, zweimal geprüft

Parallele Arbeit lohnt sich nur, wenn die Teile nicht kollidieren. Die erste Aufgabe war deshalb, die Liste in Bereiche mit getrennten Dateien zu schneiden:

• ein vollständiger Aufnahmetest gegen eine kleine Übungs-Website;
• Markenkarten, die bei jeder Seitenfarbe lesbar bleiben;
• der Handlungsaufruf in der Sprache des Films, und ein Prüfer, der den Cursor nicht mehr abwertet;
• Seitenpläne pro Sprache, und aktive Seiten, die jede Woche neu erfasst werden;
• klarere Statuswörter für die MCP-Tools und ein Test, der die Tool-Liste wiegt;
• ein nächtlicher Lauf der End-to-End-Suiten.

Jeder Agent arbeitete in seiner eigenen Kopie des Repositorys, mit einem Auftrag, der seine Dateien nannte, und einer Anweisung vor allem anderen: Prüf deine Arbeit, bevor du berichtest. Alle sechs waren nach zehn bis neunzehn Minuten fertig.

Die wertvollsten Absätze waren die, in denen ein Agent uns sagte, dass unser Auftrag falsch war. Einer fand heraus, dass die Komponente, die wir für ein Kontrastproblem verantwortlich machten, die genannte Funktion nie aufrief. Einer zeigte, dass unser Größenziel für die MCP-Tool-Liste kleiner war als ihre bloße Struktur. Einer zeigte, dass nur eine unserer drei End-to-End-Suiten überhaupt gegen das Live-Produkt laufen konnte.

Das ist das eigentliche Geschenk, wenn man einem sorgfältigen Agenten eine schmale Aufgabe gibt. Er liest den Code mit frischem Blick und hat nichts zu verteidigen an den Annahmen, die man in den Auftrag geschrieben hat. Genau deshalb lesen wir diese Stellen zuerst: Sie sparen uns die Arbeit an einem Problem, das es so gar nicht gibt, und führen uns zu dem, das es wirklich gibt.

Der Aufnahmetest stellt eine kleine Website auf dem eigenen Rechner bereit und filmt sie mit dem echten Recorder. Eine Unterseite, die einmal mit einem Fehler antwortet, wird erneut gefilmt; eine Unterseite, die zu einer Anmeldung weiterleitet, fällt auf die Hauptseite zurück. Und wenn die Hauptseite selbst nicht erreichbar bleibt, wird der Film jetzt klar abgelehnt, und sein Credit kommt zurück, statt ohne Aufnahmen weiterzulaufen.

Die Änderung an den Markenkarten ist genauso konkret. Eine helle Website hat oft eine helle Markenfarbe, und weiße Schrift auf Limettengrün erreichte nur einen Kontrast von 1,7 zu 1. Markenkarten tragen jetzt eine gleichbleibende Abdunklung hinter der Schrift, die Weiß auf mindestens 4,5 zu 1 bringt, selbst über reinem Weiß, während Filme dunkler Seiten sich um keinen Pixel ändern.

Wir haben die sechs Zweige einzeln zusammengeführt und dann die komplette Prüfung einmal auf dem gemeinsamen Code laufen lassen: Typprüfung, Lint, die ganze Testkette, an diesem Abend 101 Suiten mit 4.681 Prüfungen, und ein Produktions-Build.

Die zweite Prüfung war unsere, nicht die der Agenten. Jeder Agent hatte nur seinen eigenen Zweig gesehen, also haben wir die Tests jedes Agenten auf dem zusammengeführten Code wiederholt. Zwei kleine Reibungen stehen jetzt von Anfang an im Auftrag: Eine frische Kopie des Repositorys hat keine installierten Abhängigkeiten, und jeder Agent, der einen Test hinzufügt, ändert dieselbe Zeile, die die Tests verkettet, also wird diese Zeile von Hand zusammengeführt.

Ein Bereich verdient eine eigene Zeile. Unsere drei End-to-End-Suiten standen am Ende der Testkette und traten zur Seite, sobald ihre Umgebung nicht eingerichtet war. Jetzt laufen sie jede Nacht gegen das Live-Produkt.

Die MCP-Suite macht nur Aufrufe, die abgelehnt werden, bevor ein Credit oder Datensatz entsteht: Sie kostet nichts und ändert nichts. Fehlt ihr einmal, was sie braucht, wird der Lauf rot und sagt genau, was zu ergänzen ist. Eine übersprungene Prüfung ist jetzt eine sichtbare Zeile, nie ein stilles Bestanden.

Mehr über die MCP-Seite dieser Arbeit liest du auf unserer Assistenten-Seite.