Néhány nappal ezelőtt az Anthropic közzétett egy open-source eszközt, amely lehetővé teszi hosszú ideig futó AI ügynökök építését kódolási feladatokra. Ez a rendszer képes megosztani a munkát több AI ügynök között, és minden ügynök különálló kontextusablakban dolgozik, ami nagyméretű projektek esetén különösen fontos.
A bemutató során a készítő úgy dönt, hogy az Anthropic eszközt 24 órán keresztül folyamatosan működteti Claude kódolási ügynökkel. Az a cél, hogy felmérje, mire képes egy ilyen autonóm rendszer egy összetett alkalmazás, például a claw.ai klón létrehozásában egy teljes nap alatt.
Az egész folyamatot az alapoktól mutatják be: az alkalmazás specifikációját előre megírják (PRD), majd a rendszer automatikusan generál egy több száz részből álló tesztlistát, és inicializálja a projektet. Ezt követően az ügynökök egymás után végzik a feladataikat: implementálnak egy-egy új funkciót, folyamatosan tesztelik a meglévő részeket (regressziós tesztelés), és minden lépést naplóznak a későbbi vizsgálatok számára.
A rendszer több biztonsági és ellenőrzési mechanizmust épít be, például sandbox környezetet, jogosultságokat, valamint a Puppeteer MCP szerver segítségével vizuális ellenőrzést is végez. A folyamat lényegi része az automatizált tesztelés, a git commitok és a korábbi munkamenetek alapján történő visszacsatolás is.
Nagy hangsúlyt kap, hogy a teljes rendszer szinte bármilyen AI kódolási asszisztenssel használható, mivel az eszköz fő mozgatói a promptok és konfigurációs fájlok. Az SDK-beállítások lehetővé teszik saját munkafolyamat kialakítását – akár más modellekkel vagy eszközökkel is.
A videó során felmerülnek olyan kérdések, mint hogy mennyire működik megbízhatóan hosszabb távon egy autonóm AI kódoló rendszer, illetve hol vannak a buktatók a folyamat során (például tokenhasználat, hibakezelés a kód commitokban vagy a kontextusfrissítésben). Fontos szempont az is, hogy humán beavatkozás nélkül mennyire valósulhat meg egy összetett alkalmazás egy ilyen eszköz használatával.
