Entwicklung eines Agenten zur Seitenerstellung in Elementor: Von der Idee zur funktionierenden Pipeline

Ein Entwickler berichtete über die Erstellung eines KI-Agenten zum Erstellen von Seiten in WordPress und Elementor, der in Telegram integriert ist. Die erste Version verwendete MCP-Tools für Elementor, zeigte jedoch schnell Probleme: Die Anfrage des Nutzers konnte verloren gehen, wenn dieser nicht sofort antwortete, bei wiederholten Anfragen wurden doppelte Tasks erstellt, und der Agent versuchte, MCP direkt aufzurufen, unter Umgehung der Fähigkeit. Zur Behebung wurde eine Task-Warteschlange mit SQLite eingeführt, bei der vor jeder Nutzerfrage ein Datensatz erstellt wird, sowie eine Prüfung auf offene Tasks und eine strenge Regel, die Arbeit an die Fähigkeit zu delegieren. Bei zusammengesetzten Fragen wurde eine CLI next-question implementiert, die jeweils eine Frage stellt. Die Task-Zustände wurden in blockierend (wartend, blockiert, erledigt) und nicht blockierend (bereit) aufgeteilt, sodass der Agent die Ausführung fortsetzt, wenn ein Schritt ohne Nutzereingabe möglich ist. Für die Testisolierung erfolgt die Seitenerstellung standardmäßig in einer Beta-Umgebung, mit Promotion in die Produktion nur über einen separaten Transfer-Workflow. Elementor-Abstandsfehler wurden mit dem Modul elementor-spacing-builder.md behoben, das Unterschiede zwischen Containern und Widgets ausgleicht. Die endgültige Antwort wurde in ein separates CLI result_cli.py verschoben, um sie von den Workflow-Fragen zu entkoppeln. Die Build-Qualität wird nur über CLI geprüft; Selbstbehauptung ist verboten. Der anspruchsvollste Teil war die Integration mit Figma: Frühe Versionen des Compilers verloren Informationen, dann wechselten sie zu einem strengen Python-Compiler, der Figma-JSON direkt in Elementor-JSON umwandelt. Mit Version 14 wurde ein semantischer Baum hinzugefügt, der Semantik vom Layout trennt. Auch der Asset-Export wurde optimiert: VECTOR-Pfade werden nicht als SVG exportiert, nur Komponenten mit expliziter Spezifikation.