Seis agentes de IA, una versión, dos revisiones

El trabajo en paralelo solo compensa si las piezas no chocan, así que lo primero fue dividir la lista en encargos con archivos separados:

• una prueba de grabación completa sobre una pequeña web de práctica;
• tarjetas de marca legibles sea cual sea el color de la web;
• la llamada a la acción en el idioma del vídeo, y un evaluador que deja de penalizar el cursor;
• planes de la web guardados por idioma, con un nuevo análisis semanal de las webs activas;
• estados más claros para las herramientas MCP, y un test que pesa la lista de herramientas;
• una ejecución nocturna de las suites de extremo a extremo.

Cada agente trabajó en su propia copia del repositorio, con un encargo que nombraba sus archivos y una instrucción por encima de todo: verifica tu trabajo antes de informar. Los seis terminaron en diez a diecinueve minutos cada uno.

Los párrafos más valiosos fueron aquellos en los que un agente nos decía que nuestro encargo estaba mal. Uno descubrió que el componente al que culpábamos de un problema de contraste nunca llamaba a la función que habíamos señalado. Otro demostró que nuestro objetivo de tamaño para la lista de herramientas MCP era menor que su simple estructura. Otro demostró que solo una de nuestras tres suites de extremo a extremo podía ejecutarse contra el producto en vivo.

Ese es el verdadero regalo de dar un encargo estrecho a un agente cuidadoso. Lee el código con ojos nuevos y no tiene nada que defender en las suposiciones que escribiste en el encargo.

La prueba de grabación sirve una pequeña web desde la propia máquina y la graba con el grabador real. Una subpágina que responde una vez con un error se vuelve a grabar; una subpágina que te manda a iniciar sesión recurre a la página principal. Y cuando la propia página principal sigue sin responder, el vídeo se rechaza ahora con claridad y su crédito vuelve, en lugar de seguir sin imágenes.

El cambio en las tarjetas de marca es igual de concreto. Una web clara suele tener un color de marca claro, y el texto blanco sobre verde lima solo alcanzaba un contraste de 1,7 a 1. Las tarjetas de marca llevan ahora una sombra constante detrás del texto que eleva el blanco a por lo menos 4,5 a 1, incluso sobre blanco puro, mientras que los vídeos de webs oscuras no cambian ni un píxel.

Fusionamos las seis ramas una a una y luego pasamos el control completo una sola vez sobre el código combinado: comprobación de tipos, lint, la cadena completa de tests, 101 suites y 4.681 comprobaciones esa noche, y un build de producción.

La segunda verificación fue nuestra, no de los agentes. Cada agente solo había visto su propia rama, así que volvimos a ejecutar los tests de cada uno sobre el código fusionado. Dos pequeños roces van ya en el encargo desde el principio: una copia nueva del repositorio no tiene dependencias instaladas, y cada agente que añade un test edita la misma línea que encadena los tests, así que esa línea se fusiona a mano.

Un encargo merece su propia línea. Nuestras tres suites de extremo a extremo cerraban la cadena de tests y se apartaban cada vez que su entorno no estaba configurado. Ahora se ejecutan cada noche contra el producto en vivo.

La suite MCP solo hace llamadas que se rechazan antes de crear ningún crédito ni registro, así que no cuesta nada ni cambia nada. Si algún día le falta lo que necesita, la ejecución se pone en rojo y dice exactamente qué añadir. Una comprobación saltada es ahora una línea visible, nunca un aprobado silencioso.

Puedes leer más sobre la parte MCP de este trabajo en nuestra página de asistentes.